[发明专利]一种赛德尔式递推贝叶斯方法及其在状态估计中的应用

摘要

本发明公开了一种赛德尔式递推贝叶斯方法及其在状态估计中的应用，本发明是通过提取不同模式的特征量，实现不同模式后验概率的递推估计计算，在递推计算中，赛德尔式递推贝叶斯方法利用在本次递推中刚刚得到的后验概率来代替先验概率以实现后验概率的计算。本方法可以快速、精确地进行模式识别，对噪声具有很强的鲁棒性。基于赛德尔式递推贝叶斯方法的电网拓扑错误辨识方法或变压器分接头位置估计方法可以快速、精确地获得正确的电网运行模式或正确的变压器分接头位置，从而可以大幅度提高状态估计的合格率，进一步促进整个能量管理系统的实用化。

主权项

1.一种赛德尔式递推贝叶斯方法，其特征在于：该赛德尔式递推贝叶斯方法按以下步骤进行：步骤(1)初始化令所有待识别的模式的初始概率都相等，即令p(η₁|ε⁽⁰⁾)＝p(η₂|ε⁽⁰⁾)＝L＝p(η_N|ε⁽⁰⁾)＝1/N，其中η_i为第i个模式，ε⁽⁰⁾为初始特征量，p(η_i|ε⁽⁰⁾)为η_i的初始概率，N为模式的总数目；设置递推计数器k＝1；步骤(2)递推计算以获得正确的模式步骤(2.1)判断所有模式对应的后验概率的最大值是否小于门槛值，即判断max{p(η_i|ε^(k-1)}＜threshold是否成立，是则转步骤(2.2)；否则转步骤(3)；步骤(2.2)提取得到所有模式所对应的特征量；步骤(2.3)利用以下公式计算所有模式的后验概率；p^(ηi|ϵ(k))=p(ei(k)|ηi)p(ηi|ϵ(k-1))Σj<ip(ej(k)|ηj)p^(ηi|ϵ(k))+Σj≥ip(ej(k)|ηj)p(ηj|ϵ(k-1))]]>其中，为所有N个模式所对应的特征量，即残差矢量；为第k次递推时模式η_i的后验概率，p(η_i|ε^(k-1))为先验概率；为第k次递推中模式η_i对应残差的条件概率，即似然函数数值；步骤(2.4)利用以下公式对所有模式的后验概率进行归一化计算；p(ηi|ϵ(k))=p^(ηi|ϵ(k))/Σj=1Np^(ηj|ϵ(k))]]>其中，p(η_i|ε^(k))为第k次递推时模式η_i的归一化后验概率值；步骤(2.5)令k＝k+1，转步骤(2.1)；步骤(3)后验概率最大的模式即为正确的模式，算法结束。