計及模型不確定性的發電機動態狀態估計方法

王 義, 孫永輝, 鐘永潔, 衛志農, 孫國強

(河海大學能源與電氣學院, 江蘇省南京市 210098)

0 引言

廣域量測系統(wide-area measurement system,WAMS)的相量量測單元(phasor measurement unit,PMU)由于其量測數據的快速性和同步性,已經廣泛應用于電力系統監測與控制[1-3],使機電暫態過程發電機運行狀態變量可量測獲取。然而,由于受到多種因素的影響,獲取的原始量測數據不可避免地存在誤差,直接利用該量測數據進行電力系統機電暫態分析,有可能獲得錯誤的結果,進而導致控制系統發出錯誤指令,影響電力系統的安全穩定運行[4-5]。因此,有必要對機電暫態過程中發電機的運行狀態進行估計,以滿足實際應用需求。

近年來,基于PMU的機電暫態過程發電機動態狀態估計研究引起了眾多學者的廣泛關注[6-17]。文獻[6]依據發電機轉子二階運動方程,建立了發電機機電暫態模型,選取發電機功角和電角速度為狀態量,提出了基于卡爾曼濾波的發電機狀態估計方法。鑒于發電機動態方程的非線性特性,文獻[7]進一步提出了基于擴展卡爾曼濾波(EKF)的動態狀態估計方法。但是,由于EKF算法在基于泰勒級數展開線性化的過程中忽略高階項,導致截斷誤差過大。因此,文獻[8-9]提出了基于無跡卡爾曼濾波(unscented Kalman filter,UKF)的發電機狀態估計方法,該方法有效提高了估計精度,取得了較好的估計效果。然而,UKF算法卻存在靈活性差、參數難選取等缺點。為了克服UKF算法存在的缺點,文獻[10]提出了運用容積卡爾曼濾波(cubature Kalman filter, CKF)狀態估計器對發電機運行動態進行估計,其利用球面—徑向規則生成Cubature點,通過發電機動態方程對Cubature點進行變換,得到發電機狀態量預報值,其濾波性能和計算效率優于UKF算法。……