[发明专利]一种基于相量测量的鲁棒发电机动态状态估计方法

说明书

本发明公开了属于电力系统技术领域的一种基于相量测量的鲁棒发电机动态状态估计方法。该方法针对PMU量测存在不良数据导致量测误差方差与实际值不符的问题，将一个时变多维观测噪声尺度因子引入容积卡尔曼滤波，建立了增益矩阵的更新模型，有效抑制量测坏数据；针对噪声统计特性以及模型参数不确定性问题，结合H无穷大准则，建立状态估计误差方差阵的更新模型，提高估计器对参数和模型不确定性的鲁棒性。仿真测试和实验测试结果表明，利用该方法可以有效抑制量测坏数据和参数不确定性对状态估计的影响，可用于提升状态估计器的鲁棒性。

技术领域

本发明属于电力系统技术领域，特别涉及一种基于相量测量的鲁棒发电机动态状态估计方法。

背景技术

我国电网中大规模新能源的不断接入，电力电子设备以及各种储能设备大量增加，又极大地增加了电网的复杂度。随着卫星技术、计算机技术和通信技术的迅猛发展，20世纪90年代初，广域测量系统(wide area measurement system，WAMS)的出现使得对电力系统故障后的机电暂态过程监测成为了可能。WAMS是基于同步相量测量单元(phasormeasurement unit，PMU)和现代通信技术对电力系统运行状态进行监测和分析。PMU能够对机电暂态过程中系统状态相量进行直接测量，这为电力系统动态安全监控的发展带来了新的契机。目前，我国电网中500kV及以上主网架、300MW及以上发电机组和和重要的220kV变电站均装设了PMU。这些相量测量装置已经在监测电力系统低频振荡中发挥了巨大作用。

然而，由于传感器的误差和随机干扰的影响，PMU不可避免地存在随机误差和不良数据。如果不对PMU量测数据进行处理而直接应用，则有可能导致错误的控制策略，从而加速事故的进一步扩大。因此，PMU实测信息需要经过状态估计滤除随机误差并剔除不良数据后，才能为系统动态安全监控提供可靠的数据源。发电机转子的内在巨大惯性使得发电机转子功角和电角速度在机电暂态过程中不会发生突变，并且满足发电机运动方程的约束条件，研究机电暂态过程中发电机动态状态估计方法至关重要。

发明内容

本发明的目的是提供一种基于相量测量的鲁棒发电机动态状态估计方法，其特征在于，所述发电机动态状态估计方法包括：

1)将一个时变多维观测噪声尺度因子引入容积卡尔曼滤波，建立了增益矩阵的更新模型，有效抑制PMU量测存在不良数据导致量测误差方差与实际值不符对估计结果的影响；

2)结合H无穷大准则，建立状态估计误差方差阵的更新模型，提高估计器对噪声统计特性和模型参数不确定性的鲁棒性；

所述步骤1)中PMU量测存在不良数据导致量测误差方差与实际值不符，具体包括：

容积卡尔曼滤波算法需要根据新息向量e_k＝z_k-z_k|k-1对状态量的预报值x_k|k-1进行修正，进而得到状态量估计值其中z_k为PMU量测向量，z_k|k-1量测预报值向量；修正程度由新息e_k和卡尔曼滤波增益K_k共同决定，K_k即新息e_k的系数矩阵，由相关预报方差阵计算得到，属于滤波过程中间量；当PMU的实际量测噪声与给定的量测误差方差阵R相符时，e_k和K_k能够对预报值进行正确修正，容积卡尔曼滤波能够得到准确的估计结果；然而，当PMU量测量出现不良数据时，新息向量e_k中不良数据对应的元素突然增大，而K_k并未随之进行调整，对状态量预报值的修正不准确，导致估计结果精度下降。

所述步骤1)中时变多维观测噪声尺度因子，具体包括：

对于量测不良数据，通过引入噪声尺度因子在线调整量测误差方差阵R，来抑制量测不良数据对状态估计结果的影响：