[发明专利]可处理非高斯噪声和不良数据的同步发电机状态估计方法

说明书

可处理非高斯噪声和不良数据的同步发电机状态估计方法，包括：1)初始化估计器参数值；2)利用无迹卡尔曼滤波方法的预测步，计算k时刻的状态预测值和状态预测误差协方差矩阵3)根据量测函数h，计算k时刻的量测预测值和量测预测误差协方差矩阵4)计算k时刻的状态预测和量测预测之间的交互协方差矩阵结合状态预测值和量测值，建立线性批处理回归模型并进行白噪化处理；5)利用基于指数绝对值的改进算法求解白噪化处理后的线性批处理回归模型得到状态估计结果6)重复2)‑5)直至满足时迭代停止；7)输出动态状态估计结果并利用影响函数计算k时刻的估计误差协方差本发明能够有效抑制不良数据和非高斯噪声等影响。

技术领域

本发明涉及电力系统监测与分析技术领域，特别是指一种可处理非高斯噪声和不良数据的同步发电机状态估计方法。

背景技术

由于同步相量测量单元(Phasor Measurement Unit，PMU)大规模应用于电力系统中，电力系统逐渐由静态状态估计，往动态状态估计发展。所谓的电力系统动态状态估计，一般指的是对同步发电机的状态进行估计，状态量涉及发电机转子的角速度等变量。但是，与监测控制和数据采集(Supervisory Control And Data Acquisition，SCADA)相比，MU量测数据的精度提高，但仍然会受到通讯噪声、环境干扰、电磁场环境等因素的影响，造成量测数据包含了不良数据。

而且，量测数据噪声也不在遵循传统假设的高斯噪声分布，而是非高斯噪声分布，这个结论可以从美国太平洋西北国家实验室的研究报告中得到证实。

发明内容

本发明基于PMU大规模应用到电力系统的趋势下，目的在于提供一种可处理非高斯噪声和不良数据的同步发电机状态估计方法，提供更加准确的同步发电机状态。

本发明采用如下技术方案：

可处理非高斯噪声和不良数据的同步发电机状态估计方法，其特征在于，包括如下步骤：

1)初始化估计器参数值，包括初始状态向量系统噪声和量测噪声的协方差矩阵W₀和G₀，初始状态估计协方差矩阵Φ₀₀；

2)利用无迹卡尔曼滤波方法的预测步，计算k时刻的状态预测值和状态预测误差协方差矩阵

3)根据量测函数h，计算k时刻的量测预测值和量测预测误差协方差矩阵

4)计算k时刻的状态预测和量测预测之间的交互协方差矩阵结合状态预测值和量测值，建立线性批处理回归模型并进行白噪化处理；

5)利用基于指数绝对值的改进算法求解白噪化处理后的线性批处理回归模型得到状态估计结果

6)重复2)-5)直至满足时迭代停止，为第u次迭代的状态估计解；

7)输出动态状态估计结果，利用影响函数计算k时刻的估计误差协方差并更新误差协方差。

所述估计器设有同步发电机的过程模型和量测模型，分别表示为：

x_k＝f(x_k-1,u_k)+w_k

z_k＝h(x_k,u_k)+v_k