[发明专利]一种配电网动态状态估计算法

权利要求书

1.一种配电网动态状态估计算法，其特征在于：该算法首先通过自适应调节无迹变换的比例修正因子来控制Sigma采样点的分布和引入渐消因子在线调整卡尔曼滤波增益来提高重要性密度函数的质量，然后再用粒子滤波理论实现状态估计，改进后的无迹卡尔曼滤波算法UKF与粒子滤波PF算法相结合形成鲁棒性更强、滤波精度更高的配电网状态估计算法。

2.根据权利要求1所述的一种配电网动态状态估计算法，其特征在于：由于配电网是一个非线性系统，固采用状态方程和量测方程建立配电网动态状态估计的数学模型；

x_k＝f(x_k-1，w_k) (1)

y_k＝h(x_k，v_k) (2)

式中x_k、y_k分别为系统状态量(即电压大小和相角)与量测量(y_k＝[P_i Q_i U_i θ_i P_ij Q_ij]^T)；

f(·)、h(·)分别为非线性状态转移函数与非线性量测函数；

v_k表示系统的量测噪声；w_k表示系统的过程噪声；

其中f(·)采用Holt法中的二次指数平滑法来计算：

式中，s与b为平滑参数，在0～1之间取值；

所述h(·)包括3类量测量的量测方程(p＝a,b,c分别表示配电网的a、b、c三相)：

(1)节点功率量测方程

(2)节点电压量测方程

(3)支路功率量测方程

3.根据权利要求1或2所述的一种配电网动态状态估计算法，其特征在于具体实现步骤如下：

Step1初始化：在初始时刻k＝0时，以初始状态变量x₀为基础，从已知初始分布中产生粒子集每个粒子的初始化权值均为1/N，其中N为设定的总粒子个数；其中P₀为初始协方差矩阵；

Step2当k0时，将上一时刻的粒子集利用状态转移方程和状态量测方程更新，得到当前时刻的新粒子集，然后由更新后的粒子集来近似描述当前时刻的后验概率分布即通过粒子加权和的形式求取状态估计值。

4.根据权利要求3所述的一种配电网动态状态估计算法，其特征在于Step2过程包括：用UKF产生重要性密度分布函数、重要性采样生成预测粒子、计算粒子的权值并归一化处理、判断是否需要进行重采样、输出状态估计结果。