[发明专利]电力系统噪声自适应抗差状态估计方法

摘要

本发明提出一种电力系统噪声自适应抗差状态估计方法，包括以下步骤：S1，获取L个量测断面，其中，L为正整数；S2，对每个量测断面进行量测误差估计以获取误差矢量；以及S3，基于L个量测断面估计得到的误差矢量，运用统计学习方法估计得到广义高斯密度模型GGD的参数，以获取量测噪声的分布类型，并根据噪声分布类型选择对应的最优抗差状态估计模型。本发明的噪声自适应抗差状态估计方法，能够通过统计学习获取噪声的分布规律，并将其与抗差状态估计方法进行在线匹配，从而可实现对各种噪声类型的自适应，即在任何噪声分布类型下，均可以得到更接近于状态变量真值的最优估计结果。

主权项

一种电力系统噪声自适应抗差状态估计方法，其特征在于，包括以下步骤：S1，获取L个量测断面，其中，L为正整数；S2，对每个所述量测断面进行量测误差估计以获取误差矢量，包括：S21，令迭代计数器j＝1；S22，对于第j个所述量测断面，假设所述第j个量测断面中具有mj个量测量，基于所述mj个量测量，运行最大指数绝对值状态估计方法MEAV，辨识出不良数据并剔除，以获取个正常量测量；S23，基于所述个正常量测量运行加权最小二乘法WLS，计算残差矢量S24，通过不良数据的估计辨识法，基于所述WLS得到的残差方程，由残差矢量估计量测方程中的误差矢量，并将所述误差矢量估计值表示为以及S25，若j<L，则令j＝j+1，继续执行S22，否则继续执行S3；以及S3，基于所述L个量测断面估计得到的误差矢量，运用统计学习方法估计得到广义高斯密度模型GGD的参数，以获取量测噪声的分布类型，并根据所述噪声分布类型选择对应的最优抗差状态估计模型，包括：S31，对所述L个量测断面，获取与噪声矢量的所有维都对应的相同量测量，符合要求的共有G个相同量测量，其中，G≤L，将所述相同量测量放入一个集合，且表示为{α1,α2,…,αG}，其中，αi表示第i个正常量测量，令迭代计数器i＝1；S32，对于αi，在{ε1,ε2,…,εL}中找出与之对应的所有维，然后通过式估计GGD的三个参数，估计结果表示为其中，和分别是由第i个量测噪声对应的GGD中参数μi，τi和σi的估计值，μi为位置参数，τi为形状参数，σi为核宽度参数，j是量测断面编号，L是量测断面的总数目，其中，1≤j≤L，是的估计值，其中，dr为r阶绝对中心矩，d2r为2r阶绝对中心矩，r＝1，为dr的估计值，为d2r的估计值，εij代表量测误差εi在第j个量测断面中的数值；S33，若i<G，则令i＝i+1，继续执行S32，否则继续执行S34；S34，对估计值取均值，作为GGD中参数的最终估计值，将最终估计值表示为S35，将S34得到的形状参数的平均值进行取整，以得到对应的取整值以及S36，根据所述形状参数的取整值选择对应的最优抗差状态估计模型，并取当前量测断面进行状态估计计算，以得到最优的状态变量估计值。