用于電力系統(tǒng)動(dòng)態(tài)狀態(tài)估計(jì)的改進(jìn)魯棒無跡卡爾曼濾波算法

曲正偉, 董一兵, 王云靜, 陳 亮

(1. 電力電子節(jié)能與傳動(dòng)控制河北省重點(diǎn)實(shí)驗(yàn)室(燕山大學(xué)), 河北省秦皇島市 066004;2. 國網(wǎng)河北省電力有限公司經(jīng)濟(jì)技術(shù)研究院, 河北省石家莊市 050024)

0 引言

近年來,智能電網(wǎng)態(tài)勢感知逐漸成為研究熱點(diǎn)[1-2],而電力系統(tǒng)狀態(tài)估計(jì)是態(tài)勢感知系統(tǒng)“理解”和“預(yù)測”的重要基礎(chǔ),也是能量管理系統(tǒng)的核心功能之一,對于系統(tǒng)調(diào)度、經(jīng)濟(jì)運(yùn)行和實(shí)時(shí)控制起到了重要的作用。不同于靜態(tài)狀態(tài)估計(jì),動(dòng)態(tài)狀態(tài)估計(jì)可以預(yù)測系統(tǒng)的運(yùn)行趨勢,得到了廣泛應(yīng)用[3]。動(dòng)態(tài)狀態(tài)估計(jì)主要以擴(kuò)展卡爾曼濾波方法為主,但由于其需要計(jì)算雅可比矩陣,會(huì)產(chǎn)生線性化誤差。為了解決這個(gè)問題,Julier提出了無跡卡爾曼濾波(unscented Kalman filter,UKF)算法,隨后Vander Merwe對該方法進(jìn)行了擴(kuò)展,提出了平方根UKF方法[4]。但系統(tǒng)噪聲的統(tǒng)計(jì)特性較難獲得,為了改進(jìn)UKF對于系統(tǒng)噪聲的適應(yīng)性,文獻(xiàn)[5]提出了一種自適應(yīng)無跡卡爾曼濾波(adaptive unscented Kalman filter,AUKF)算法,改進(jìn)Sage-Husa噪聲統(tǒng)計(jì)估值器,補(bǔ)償系統(tǒng)噪聲的影響。UKF算法的核心思想是無跡變換,最重要的就是Sigma點(diǎn)采樣。目前最常用的采樣方法是比例修正對稱采樣,在已有的狀態(tài)估計(jì)模型中,常假設(shè)一些參數(shù)為定值,Sigma點(diǎn)的分布情況通常不變[6-9],但在某些高階非線性系統(tǒng)中,參數(shù)為定值時(shí)估計(jì)性能較差[10]。

已有的狀態(tài)估計(jì)模型通常都假設(shè)量測噪聲是服從高斯分布的白噪聲,在此條件下,可以獲得對系統(tǒng)狀態(tài)最優(yōu)或次優(yōu)的估計(jì)。然而實(shí)際的系統(tǒng)模型并不精確,而且噪聲一般也不是高斯白噪聲,往往存在量測粗差,增加了系統(tǒng)的不確定性,估計(jì)性能難以得到保證。……