[发明专利]一种基于EKF-IRLS滤波的动态状态估计方法

说明书

本发明公开了一种基于EKF‑IRLS滤波的动态状态估计方法，用于电力系统粗差情形下动态状态估计。该方法结合了扩展卡尔曼滤波(Extended Kalman filter,EKF)与最小二乘估计器(Iterated Recursive Least Square,IRLS)的优点，可有效抑制由粗差引起的状态估计偏差，能够实现状态的准确估计，具有很强的鲁棒性。该方法的应用，将有效提高电力系统的监测水平，保证其安全稳定运行。

技术领域

本发明涉及一种基于EKF-IRLS滤波的动态状态估计方法，属于电力系统分析和监测技术领域。

背景技术

近年来，随着风能、太阳能、潮汐能等为标志的可再生能源在电网中渗透率不断提高，这些能源具有间歇性、季节性等特点。所以，其在优化能源结构的同时，也为电网安全稳定运行带来了一定的挑战。为此，全面综合分析电网的实时动态运行趋势，并针对不同工况采取合理的措施，对于保障电网安全经济运行意义重大。电力系统调度中心依靠静态状态估计可以掌握电力系统实时运行状态，而分析和预测系统的运行趋势，对运行中发生的各种问题提出对策，则需要依靠兼备预测功能的动态状态估计。

目前，电力系统动态状态估计主要以EKF及其改进方法为主，如计入非线性卡尔曼滤波，自适应预报动态状态估计，光滑增平面模糊控制动态状态估计等。上述这些方法在一定程度上改善了状态估计的结果。但是，值得注意的是这些方法大多假设量测值误差很小，且误差满足高斯分布；而在实际电力系统中，当发生错误的同步、脉冲噪声干扰时，量测值误差会很大。由于受到粗差的影响，其无疑会严重影响动态状态估计结果，降低状态估计精度。

基于上述分析，为了有效利用滤波技术实现电力系统动态状态估计，克服传统滤波方法存在的不足，本发明提出了一种基于EKF-IRLS滤波的电力系统动态状态估计方法，该方法可以有效抑制量测粗差所带来的影响，具有很强的鲁棒性，实现粗差情形下系统状态变量准确估计。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种基于EKF-IRLS滤波的动态状态估计方法，提高量测粗差情形下的电力系统动态状态估计精度，提升状态估计器的鲁棒性，实现粗差情形下系统状态变量准确估计，为电网的安全稳定运行提供坚实的数据信息。

技术方案：一种基于EKF-IRLS滤波的动态状态估计方法，包括以下步骤：

(1)建立电力系统中发电机二阶动态状态估计模型；

(2)设定运用EKF-IRLS滤波进行发电机状态估计的初始值；

(3)获取t时刻发电机功角和电角速度的量测信息y_t；

(4)运用EKF预测步，计算t时刻发电机状态预测值与预测误差协方差P_t|t-1；

(5)以初始化IRLS估计器t时刻发电机状态估计初值并设定IRLS最大迭代次数为L；

(6)计算IRLS估计器第s次迭代估计残差e_s,i(t)(i＝1,…m)；

(7)计算t时刻IRLS估计器第s+1次估计值

(8)重复迭代步骤(6)与(7)，直至s>L为止，把此时值作为t时刻发电机状态估计值，即

(9)计算t时刻卡尔曼滤波增益G_t；

(10)计算t时刻发电机状态估计误差协方差P_t|t；

(11)按照(3)-(10)步骤，依据时间序列对电力系统发电机状态动态估计，直至t+1＞N时迭代停止，输出状态估计结果。