[发明专利]一种基于无迹变换强跟踪的发电机动态状态估计方法

摘要

本发明公布了一种基于无迹变换强跟踪滤波的发电机动态状态估计方法，该方法针对发电机动态状态估计分为两步即预测步和滤波步，通过在预测步根据前一时刻的滤波均值和滤波协方差矩阵采用对称采样策略进行sigma点采样，计算量测预测计算值，得到残差方程，引入渐消因子来修正预测协方差矩阵；滤波步在线调整增益矩阵，修正后得到机电暂态过程中发电机功角和电角速度的估计值。本发明基于无迹变换强跟踪滤波的发电机动态状态估计方法无论在跟踪速度、精度以及对噪声的鲁棒性能上较无迹卡尔曼滤波和强跟踪滤波均有所提高。

主权项

一种基于无迹变换强跟踪的发电机动态状态估计算法，其特征在于：包括顺序相接的如下步骤：1)首先获得所需估计发电机机组的参数信息；2)程序初始化；3)预测步：根据前一时刻状态变量的滤波均值和滤波协方差矩阵，采用对称采样策略获得采样点，确定相应的取值和权重；对采样点进行非线性变换获得状态变量预测均值和预测协方差矩阵；状态变量为发电机功角和电角速度；式中上标T代表矩阵的转置，下标k代表k时刻，k+1|k代表k时刻对k+1时刻的预测，为k+1时刻的系统状态变量预测值，Fk为k时刻状态转移矩阵，为k时刻的系统状态变量滤波值，为k时刻系统参数，uk为k时刻n维输入变量，Pk+1|k为k+1时刻的预测误差协方差矩阵，Pk为k时刻的滤波误差协方差矩，Q为系统模型噪声方差阵；4)计算量测量预测值：根据步骤3)获得的状态变量预测均值和预测协方差矩阵，采用对称采样策略获得采样点，通过量测函数计算得到预测的量测计算均值、自协方差矩阵和互协方差矩阵；5)强跟踪，引入渐消因子：根据步骤3)的预测协方差矩阵以及步骤4的量测自协方差矩阵和互协方差矩阵根据下式计算渐消因子：式中，tr[]为求矩阵的迹，λ为渐消因子，λ0为渐消因子的初次计算量，N、M为求解渐消因子过程中的中间变量；6)修正增益矩阵：采用渐消因子修正步骤3)的预测协方差矩阵，根据状态变量预测均值和修正后的预测协方差矩阵获得采样点，经过量测函数得到量测自协方差矩阵和互协方差矩阵，在线更新增益矩阵；7)滤波步：采用更新的增益矩阵进行修正，获得状态变量的滤波值以及滤波协方差矩阵；8)判断是否达到估计时间长度，若是，则输出结果，退出程序；若否，则返回步骤3)继续；步骤1)中参数信息包括：惯性时间常数、阻尼系数、同步转速、额定功率和发电机总机组数；步骤2)中程序初始化包括：设定状态变量初始值、设定系统模型噪声方差矩阵、设定量测误差方差矩阵、设定预测协方差初始值、设定滤波协方差初始值、设定估计时间长度、设定采样点的尺度参数和设定遗忘因子。