[发明专利]基于改进约束EKF算法的动态振荡信号参数辨识方法

说明书

本发明公开了一种基于改进约束EKF算法的动态振荡信号参数辨识方法。该方法首先依据动态振荡信号的数学模型构建了状态分量包含待辨识参数的状态空间表达式；然后，通过把改进的约束方法和EKF算法相结合，设计出了改进的约束EKF算法，并借助改进的PSO算法和罚函数方法成功的解决了约束EKF框架里的约束优化问题。最后，运用该算法进行多次迭代辨识，实现了考虑参数实际约束条件下的动态振荡信号参数辨识。该算法因考虑了实际工程背景，且简单方便，具有一定的工程应用价值。

技术领域

本发明涉及一种基于改进约束EKF算法的动态振荡信号参数辨识方法，属于信号分析与参数辨识技术领域。

背景技术

近年来，随着现代电网规模不断扩大，电网互联程度的日益提高，系统受到大、小扰动后产生的动态振荡已经成为制约电网安全稳定运行的最主要的因素之一。由于这些动态振荡信号可以提供关于电力系统运行模式的重要信息，所以发现并准确掌握这些振荡信号特征对于电力系统安全稳定运行具有重要意义。

鉴于动态振荡信号辨识的重要性，研究人员提出许多辨识方法，如矩阵束法、最大似然法、普龙尼法等。然而，这些方法大都具有窗口属性，无法实现动态振荡信号的实时在线辨识。最近，研究人员提出了一种基于EKF算法的参数辨识方法，克服了之前许多算法的缺点，有效的实现了振荡信号的实时在线辨识。但是，该方法并未考虑待辨识参数所受到的实际约束条件，所以该方法的收敛性较差，且未考虑工程实用背景。因此，有必要对实际约束条件下的动态振荡信号参数辨识问题进行研究。

发明内容

发明目的：针对现有技术中存在的问题，为了有效的解决动态振荡信号参数实际约束条件下的实时辨识，克服基于传统EKF算法辨识的缺点，本发明提供一种基于改进约束EKF算法的动态振荡信号参数辨识方法，有效的实现了动态振荡信号参数约束条件下的辨识。

技术方案：一种基于改进约束EKF算法的动态振荡信号参数辨识方法，该方法在计算机中是依次按照如下步骤实现的：

(1)、获取状态分量中包含动态振荡信号待辨识参数的状态空间表达式；

(2)、初始化，包括：设定参数辨识的初值初始参数辨识误差协方差以及过程噪声和量测噪声所满足的协方差矩阵Q和R，整体算法迭代次数最大值S和粒子群寻优最大迭代次数M；

(3)、由已知的k-1时刻的状态估计值和状态估计误差协方差，利用传统扩展卡尔曼滤波的预测步，得到k时刻的状态预测值和状态预测误差协方差，计算公式为：

式中，表示k时刻的状态预测值，f(·)对应具体问题状态方程中的非线性函数，表示k-1时刻的状态估计向量，u_k-1表示k-1时刻的控制输入。表示k时刻的状态预测误差协方差，表示非线性函数f(·)在处的雅克比矩阵，表示k-1时刻的状态估计误差协方差，上标T表示转置，Q_k-1是系统噪声k-1时刻所满足的协方差矩阵。

(4)、在上一步基础上，利用扩展卡尔曼滤波的滤波步，得到k时刻的状态估计值，计算步骤为：

式中，K_k表示k时刻的卡尔曼滤波增益，表示k时刻的状态预测误差协方差，上标T表示转置，表示非线性函数h(·)在处的雅克比矩阵，其中h(·)对应具体问题输出方程中的非线性函数。R_k是量测噪声k时刻所满足的协方差矩阵，I是和状态向量维度相同的单位矩阵，表示k时刻的状态估计向量，y_k是k时刻输出方程的输出量。

(5)、判定k时刻的参数辨识结果是否满足相应的实际约束条件。若满足，则直接运用EKF再次迭代辨识。