[发明专利]一种基于强跟踪集员估计的电力系统状态估计方法

摘要

本发明公开了一种基于强跟踪集员估计的电力系统状态估计方法，包括以下步骤获取滤波目标信号，提取滤波目标信号特征；建立连续三次采样正弦波电压的等式关系模型，从而得到相应的状态方程、观测方程，以及离散滤波目标信号；根据集员估计算法递推规则，采用最优定界椭球估计算法，得到集员估计的离散算法公式；引入强跟踪的思想，改进扩展集员估计算法，对离散滤波目标信号进行滤波和状态估计，并考虑电力信号参数突变时相应的状态估计结果。本发明引入有效的扩展集员估计算法进行状态估计，解决了在不确定噪声分布特性条件下的状态估计问题。提出的强跟踪扩展集员估计算法，提高了电力系统中幅值和频率等电气参数突变的工况的跟踪能力。

主权项

一种基于强跟踪集员估计的电力系统状态估计方法，其特征在于，包括以下步骤：步骤一：获取滤波目标信号，提取滤波目标信号特征；通过电压互感器获取电力系统中的电压信号，并将该信号调制为弱电信号制，从而得到滤波目标信号y；步骤二：建立滤波模型，此模型为连续三次采样正弦波电压的等式关系模型，从而得到相应的状态方程、观测方程，以及离散滤波目标信号：1)首先将连续非线性的电力系统失真信号转换为离散时间信号yk，2)根据滤波目标信号的特征，采用连续三个采样时刻的电压等式关系构建滤波模型，包括状态模型和观测模型其中：k为采样时刻；Ts为采样周期；ω为弧频率；vk为附加噪声，是对k时刻状态估计值，是对k时刻电力信号的估计值；3)当谐波和衰减直流分量导致信号失真时，建模所采用的等式关系以及构建得到的模型都需改变；步骤三：根据集员估计算法递推规则，采用最优定界椭球估计算法，得到集员估计的离散算法公式：1)假设已计算出k‑1时刻包含状态集合Θ(k‑1)的椭球Ek‑1，2)由当前时刻新的数据yk和有界测量回归向量ΦT(k)，计算约束集合S(k)，3)计算k时刻的状态集合Θ(k)，其中利用准则函数来最优化参数以得到包含参数真值的最优外定界椭球集合Ek；步骤四：利用强跟踪的思想，改进扩展集员估计算法，得到强跟踪集员估计算法，扩展集员估计算法具体包括时间更新和测量更新两个过程：时间更新过程的具体过程为：1)初始化状态椭球E(xk,Pk/k)，其中xk为椭球中心，Pk/k为椭球半径；2)将状态方程xk+1线性化，3)考虑过程噪声边界条件和线性化余项R2(*)，计算正交多胞形盒子Γk，4)计算包含椭球Ek和盒子Γk的最小容积椭球，得到时间更新椭球Ek+1/k；测量更新的具体过程为：1)线性化测量方程yk+1，2)考虑测量噪声边界条件和线性化余项R2(*)，计算正交多胞形盒子Λk+1，3)计算包含时间更新椭球Ek+1/k和盒子Λk+1的最小容积椭球，得到量测更新椭球Ek+1，4)椭球Ek+1中心即为k时刻状态估计值椭球半径为估计值存在的范围；强跟踪集员估计算法具体为：在集员估计算法的基础上，在递推状态计算时间更新椭球Ek+1/k(xk+1/k,Pk+1/k)时，引入次优渐消因子λk+1，保证每一步递推过程中，保持了不同时刻的残差 序列处处正交；其工程意义在于，当存在模型不确定性或者电力信号参数突变时，在线更新椭球半径Pk+1/k，强迫系统输出残差序列保持相互正交，对状态时变系统具有自适应能力和鲁棒性，使得系统在达到稳态后的缓变或突变具有很强的跟踪能力；步骤五：对离散滤波目标信号进行滤波和状态估计，得到估计结果，并考虑电力信号参数突变时相应的状态估计结果。