[发明专利]基于H∞扩展卡尔曼滤波的低频振荡信号参数辨识方法

说明书

技术领域

本发明涉及一种电力系统，具体涉及一种电力系统低频振荡信号提取方法。

背景技术

近年来，在全国电网互联与西电东输的过程中，电力交换更加频繁，电力系统的安全稳定问题大多表现为低频振荡。因此，如何有效的提取电力系统低频振荡信号所表征的信息，对于电力系统的安全稳定分析具有重要意义。

在目前的研究中，利用现场实测数据分析处理信号，得到振荡特征参数是研究电力系统低频振荡的一种有效途径。其常用的方法主要包括实时快速傅里叶变换(fast Fourier transform，FFT)、小波算法、Prony算法和扩展卡尔曼滤波算法等。实时FFT的精度受数据窗限制，不能反映振荡的阻尼特性；小波算法可以反映信号的时变特性，但存在小波基难以选取的问题；Prony算法能直接提取幅值、相位、频率和衰减因子，算法简便，因此被广泛用于电力系统低频振荡模式的识别。但是，Prony算法对噪声较敏感，识别含噪低频振荡信号时的误差较大；当振荡模式为多阶且采样率增大时，识别振荡幅值和初相的计算量呈指数增加，矩阵求逆运算困难。基于扩展卡尔曼滤波(extended Kalman filter，EKF)的低频振荡信号参数辨识方法，不仅具有在线辨识功能，而且计算占用内存低，因此应用较广。但是，需要注意的是，EKF方法无法考虑振荡信号建模过程中所引入的不确定性，并且其辨识结果易受噪声初始方差矩阵的影响。

发明内容

发明目的：本发明的目的在于针对现有技术存在的问题，提出了一种基于H∞扩展卡尔曼滤波的低频振荡信号参数辨识方法，其有效的计及模型不确定性的影响，且动态调整协方差矩阵，实现电力系统低频振荡信号参数的准确辨识。

技术方案：本发明提供了一种基于H∞扩展卡尔曼滤波的低频振荡信号参数辨识方法，包括以下步骤：

(1)设定滤波相关的初始值，包括k＝0时刻的状态估计初始值状态估计误差协方差系统噪声和量测噪声协方差矩阵的初始值Q₀和R₀、移动窗口值L以及最大估计时刻N；

(2)获取电力系统低频振荡信号量测序列输入值y_k，其量测函数定义如下：

y_k＝h(x_k)+v_k

式中h(·)表示已知的量测函数，x_k为k时刻的参数真值，v_k表示k时刻的量测噪声，其满足的协防差矩阵为R_k；

(3)计算k时刻的参数预测值计算公式如下：

式中f(·)表示已知的系统函数，为k-1时刻的参数估计值；

(4)计算k时刻的参数预测误差协方差计算公式如下：

式中表示非线性函数f(·)在处的雅克比矩阵，Q_k-1表示k-1时刻的系统噪声协方差矩阵；

(5)计算k时刻H∞扩展卡尔曼滤波增益G_k，计算公式如下：

式中(·)^-1为求矩阵的逆运算，表示的非线性函数h(·)在处的雅克比矩阵；

(6)计算k时刻的估计误差协方差计算公式如下：

式中I为对应维度的单位矩阵，R_e，k计算公式如下：

其中参数γ设置的计算公式为：

式中λ为待设置的大于1的正参数，电力系统参数辨识时取值区间为[1，30]，eig(·)表示取相应矩阵的特征值，max(·)表示取最大值；

(7)计算k时刻的参数估计值计算公式如下：

式中y_k为k时刻的量测值；

(8)计算新息序列，计算公式如下：

(9)取移动窗口大小为L时，计算窗口内新息序列s_k的平均值，即新息矩阵C_vk，其计算公式如下：

(10)在上一步的基础上，动态计算k+1时刻系统噪声协方差矩阵Q_k和量测噪声协防差矩阵R_k，计算公式如下：

(11)按照(3)-(10)步骤依据时间序列进行电力系统低频振荡信号参数辨识，直至k+1＞N时迭代停止，输出参数辨识结果。