复杂噪声条件下基于抗差容积卡尔曼滤波的发电机动态状态估计

摘要：

容积卡尔曼滤波(CKF)在非线性动态状态估计领域有着良好的估计效果.但由于容积卡尔曼滤波缺乏对量测噪声特性的在线自适应能力,其对不良数据和非高斯白噪声的处理效果并不理想.为了解决当量测量统计特性偏离先验统计特性时,容积卡尔曼滤波算法性能下降和发散的问题,通过将抗差估计理论中的M-估计理论与容积卡尔曼滤波相结合,提出抗差容积卡尔曼滤波(RCKF)算法,并将其尝试应用于复杂噪声条件下的发电机动态状态估计中.IEEE 9节点系统和新英格兰16机68节点系统的仿真结果表明:在不同量测噪声且量测量存在不良数据的复杂噪声条件下,与传统CKF算法相比,所提抗差CKF算法均具有更好的估计精度和收敛能力,并能有效消除不良数据对估计效果的影响.

关键词：动态状态估计、发电机、容积卡尔曼滤波、M-估计理论、量测噪声分布、不良数据、相量测量单元数据

所属期刊栏目：34

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划2017YFB0902401;国家自然科学基金51677023

在线出版日期：2019-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：3651-3660