[发明专利]一种计及噪声统计特性未知的动态状态估计方法

摘要

本发明公开了一种计及噪声统计特性未知的动态状态估计方法，用于实现电力系统发电机动态状态变量的准确估计。该方法在传统无迹卡尔曼滤波算法(unscented Kalman filter,UKF)的框架下，分别建立基于创新信息序列的系统噪声和量测噪声统计特性估计器，能够依据环境变化动态调整和修正系统噪声和量测噪声满足的协方差矩阵。所提方法(adaptive unscented Kalman filter,AUKF)可有效解决传统UKF方法因噪声矩阵设置不当引起的状态估计性能下降问题，提升动态状态估计器的状态估计精度。该算法因计及了实际工程背景，且简单方便易于实施，具有较高的工程应用价值。

主权项

1.一种计及噪声统计特性未知的动态状态估计方法，用于电力系统发电机动态状态估计，其特征在于，包括如下步骤：S1：依据发电机四阶动态方程，建立发电机状态估计方程，并构建得到发电机动态状态估计的状态方程和量测方程：式中，f(·)表示发电机状态方程，h(·)表示量测方程，x，u，z分别对应表示状态变量，控制变量及量测向量；下标k‑1和k表示时刻，w表示系统噪声，v为量测噪声，二者均为高斯白噪声，所满足的均值均为0，对应的协方差矩阵分别为Q与R，w与v相互独立且和状态变量无关；S2：基于k‑1时刻已知的状态估计值利用无迹变换技术产生k时刻若干个Sigma状态采样点；S3：利用自适应无迹卡尔曼滤波的状态预测步，计算k时刻的发电机状态预测值和状态预测误差协方差矩阵S4：基于发电机量测方程，计算k时刻的发电机量测预测值和量测预测误差协方差矩阵S5：计算状态预测值与量测预测值之间的交互协方差矩阵P_xz,k；S6：基于自适应无迹卡尔曼滤波滤波步，得到k时刻的滤波增益；S7：利用k时刻的量测信息值z_k，对状态预测值进行修正更新得到状态估计值，计算得到状态估计误差协方差矩阵S8：基于创新信息值动态修正更新k时刻系统噪声协方差矩阵Q_k和量测噪声协方差矩阵R_k；S9：按照S2‑S8依据量测信息值z_k对电力系统发电机状态动态估计，直至k+1＞N，N为最大估计时刻时状态估计迭代停止，输出状态估计结果。