排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
相量测量单元(PMU)中随机误差不可避免,在实际电网系统中PMU量测数据可能出现延时、重新排序甚至丢失等不确定情况。为准确估计电力系统机电暂态过程中的状态信息,首先建立量测丢失下的发电机动态状态估计模型;然后在某实际电网系统算例中分别采用无迹混合滤波(UMF)、粒子滤波(PF)和所提出的改进粒子滤波(IPF)3种算法对发电机动态状态估计模型进行了仿真试验。仿真结果表明:在不确定量测系统下,改进的IPF算法的滤波性能和抗差性能优于UMF与PF算法,更适用于不确定量测下发电机动态状态估计。 相似文献
4.
针对风电并网系统在运行中的强不确定性问题,提出一种应用于电流内环的一阶自抗扰控制(First order active disturbance rejection controller, 1st-LADRC)策略。本文首先分析了并网逆变器的频域模型并细化了耦合量,考虑实际误差,给出了实值与实测值之间的关系式。然后,基于理论分析设计一个适用于电流内环的1st-LADRC,并基于频域分析法理论分析了系统的稳定性,最后,在MATLAB/Simulink数字仿真平台,进行了不同工况的仿真验证,证明了所提控制策略的有效性、可行性。 相似文献
5.
同步相量测量单元(PMU)能够直接获取发电机动态过程中的功角等量测数据,由于实际的量测数据中含有随机噪声,为了得到更精确的发电机状态信息,有必要对量测数据进行滤波处理。提出一种基于无迹粒子滤波(UPF)的发电机动态状态估计新方法。首先,该方法基于发电机四阶动态方程建立了发电机动态状态估计模型,其次,在粒子滤波(PF)的框架下,该方法采用无迹卡尔曼滤波(UKF)求解PF的重要性密度函数,且在生成预测粒子的过程中使用了最新的量测信息,使得粒子的分布更加接近真实状态的后验概率分布。最后,通过美国西部系统协调委员会(WSCC)3机9节点系统和某实际电网系统的算例测试,将所提算法与UKF及PF的性能进行了对比。仿真结果表明,UPF在估计精度及对噪声的鲁棒性方面均优于PF与UKF。 相似文献
1