基于强跟踪滤波器的电力系统频率测量算法

频率在电力系统保护与控制、电能质量监测等领域都起到了关键作用。建立了谐波和噪声干扰下的电压信号的复数状态空间描述,提出了基于强跟踪滤波器(Strong Tracking Filter, STF)的电力系统频率测量算法。解决了扩展复数卡尔曼滤波(Extended Complex Kalman filter, ECKF)算法在算法收敛后,系统状态发生突变的情况下需要重置误差协方差阵来重新跟踪这些变化的问题,进一步提高了其动态跟踪速度。通过与鲁棒型扩展复数卡尔曼滤波(Robust Extended Complex Kalman Filter, RECKF)算法的对比仿真表明,STF测频算法在迅速跟踪电压频率、幅值和相位变化的同时又能够保持较低的跟踪误差。     

基于Sigma点卡尔曼滤波器的电力频率跟踪新算法

通过变换,首先将三相电压信号转换成一复电压信号,再利用一种复数型Sigma点卡尔曼滤波(CSPKF)算法以改进对发生谐波畸变和随机噪声干扰的电力系统电压信号的频率进行动态估计和跟踪的过程。理论证明,CSPKF算法与现有的复数型扩展卡尔曼滤波(ECKF)算法相比具有更佳的跟踪精度和稳定性。此外,CSPKF算法还成功解决了所有卡尔曼滤波算法都必须面对的当算法收敛后,系统参数发生突变的情况下需要重置误差协方差矩阵来重新跟踪这些变化的问题,进一步提高了其跟踪速度。对几种暂态电力信号模型的算法仿真表明,CSPKF算法具有优异的动态跟踪性能,迅速跟踪频率和幅值变化的同时又保持了较低的跟踪误差。     

基于改进的RBAUKF的电力频率跟踪新算法

将电力系统的三相电压信号构造成一复信号,然后利用改进的RBAUKF算法对发生谐波和随机噪声干扰的电力系统电压信号进行动态估计和频率跟踪。针对电力系统中充满谐波畸变和随机噪声干扰,而复数型扩展卡尔曼滤波(ECKF)只是对非线性映射本身做某种线性近似等问题,在基于无迹卡尔曼滤波(UKF)算法的基础上,提出改进的无迹卡尔曼滤波(RBAUKF)的估计算法,并与复数型扩展卡尔曼滤波做了相应比较。经过对几种暂态电力系号模型的仿真试验表明,改进的RBAUKF在计算复杂度和估计精度上都优于ECKF。     

基于容积卡尔曼滤波的配电网状态估计

针对配电网节点数多、维数高的特点,传统扩展卡尔曼滤波(Extended Kalman Filter,EKF)因线性化程度制约已难以满足配电网状态估计要求。为克服EKF线性化过程引入的误差,以及提升高阶系统估计性能,将不需要对非线性系统函数线性化的容积卡尔曼滤波(Cubature Kalman Filter,CKF)算法引入到配电网状态估计中,并利用三阶球面—径向规则生成容积点来近似系统函数的非线性分布。通过对三相不平衡电网进行算例仿真表明,CKF算法相较于EKF算法不仅具有更高的估计精度,且在算法的数值稳定性与算法效率方面都要优于EKF算法。     

基于自适应插值强跟踪扩展卡尔曼滤波的电力系统动态状态估计研究

针对扩展卡尔曼滤波(extended Kalman filter,EKF)算法在电力系统状态估计时存在鲁棒性差,精度被非线性系统的非线性程度制约大等缺点,提出一种自适应插值强跟踪扩展卡尔曼滤波(adaptive interpolation strong tracking extended Kalman filter,AISTEKF)算法,用于电力系统的动态状态估计。新算法利用自适应插值在两个连续采样点之间增加伪量测值,减小了EKF的线性化误差,有效提高了算法估计的精度;此外,该方法在EKF算法基础上引入强跟踪理论,增强了算法估计的鲁棒性。为验证所提出方法的有效性,分别运用EKF算法、自适应插值扩展卡尔曼滤波(adaptive interpolation extended Kalman filter,AIEKF)算法和AISTEKF算法对IEEE-5节点系统和IEEE-30节点系统进行动态状态估计。实验结果表明,与EKF和AIEKF算法相比,无论在高斯噪声环境下还是3种有偏噪声环境下,AISTEKF算法的电压幅值估计精度和电压相角估计精度都有显著性提高。所提出的新算法是一种鲁棒性好且估计...     

电力系统动态状态估计的研究现状和展望

综述了电力系统动态状态估计DSE(Dynamic State Estimation)的研究现状,对目前常用的DSE方法作了简明对比。。描述了基于扩展卡尔曼滤波EKF(Extended Kalman Filter)算法的DSE数学模型,并介绍了3类改进算法,用以提高EKF算法的自适性性、鲁棒性和准确性。针对不良数据的检测和辨识,在简要分析传统量测量残差检测和突变检测方法优缺点的基础上,又介绍了一些新的理论。总结了外部网络模型等值的一些观点。最后,提出了DSE研究中几个方面的构想以供参考。     

基于自适应容积卡尔曼滤波的主动配电网状态估计

有效的状态估计算法是确保电力系统安全、稳定、经济运行的前提条件。针对传统无迹卡尔曼滤波(Unscented Kalman Filter,UKF)参数选取难、灵活性差、高阶系统滤波精度低等缺陷,将数值稳定性较好的容积卡尔曼滤波(Cubature Kalman Filter,CKF)算法引入到配电网进行动态状态估计,并与改进后的自适应无迹卡尔曼滤波(Adaptive Unscented Kalman Filter,AUKF)算法进行对比,仿真分析表明CKF算法较AUKF算法具有较高的滤波精度以及较好的数值稳定性。该算法在系统负荷发生突变时滤波精度有所下降,为此进一步提出了自适应容积卡尔曼滤波(Adaptive Cubature Kalman Filter,ACKF)算法以改善状态估计性能。对三相不平衡电网进行算例仿真表明:ACKF算法相比较于CKF算法,滤波精度更高、鲁棒性更强。     

电力系统自适应基波提取与频率跟踪算法

传统的电网频率跟踪算法一般依赖于调整所选电网模型的响应速度或精度来增强电力系统异常情况下的稳定性,为减小电网谐波或噪声对频率测量的影响,提出了一种自适应基波提取与频率跟踪算法。该算法通过对电网状态的预估,获得电网频率与电压幅值的估计值,用于实时更新无限冲击响应滤波器系数,实现电网的白适应基波提取,同时还给出了滤波器在系数切换时快速稳定的方法,在此基础上,引入鲁棒扩展卡尔曼滤波算法,实现对基波频率的精确跟踪。仿真和实测结果表明,该算法响应速度快,测量精度高,可有效抑制电网噪声对频率跟踪结果的影响,且算法复杂度较低,可以满足电力系统实时应用的要求。     

平方根分解的复数扩展卡尔曼滤波及其在电力系统对称分量估计中的应用

快速准确检测基波正负序对称分量对于电网电压不对称时的控制非常重要。利用复数扩展卡尔曼滤波方法对基波正负序分量及其频率进行了估计。为提高复参数滤波稳定性,通过对协方差矩阵平方根分解,提出了一种基于平方根分解的复数扩展卡尔曼滤波方法。利用αβ变换,将abc坐标系下的三相电压瞬时正序、负序分量变换到αβ坐标系,利用获得的αβ坐标系下的正序、负序分量构建复数向量,在定义状态变量后,建立了三相电力系统非线性状态方程及观测方程。分别利用方法和传统复数卡尔曼滤波方法估计三相电力系统正序、负序分量和频率,估计结果显示方法在估计精度及收敛速度等方面具有明显优势。     

伺服系统惯量辨识技术(四) 扩展卡尔曼滤波器

<正>1引言扩展卡尔曼滤波器(Extended Kalman Filter,EKF)是一种最优随机状态估计器,具备平滑噪声和较强地抗干扰能力,当系统出现测量噪声时,依旧可以对系统状态进行准确估计。基于扩展卡尔曼滤波的惯量辨识方法通过将电机转速和转动惯量看成滤波器的状态变化量,滤波器输出即可得到惯量的辨识结果。     

基于强跟踪卡尔曼算法的油色谱数据滤波

变压器油色谱的在线监测技术在实际中广泛应用,然而,在变压器运行及油色谱数据测量过程中,各种随机因素的存在都可能引入误差,导致油色谱数据的不准确,从而影响监测系统的正确判断。提出建立变压器油色谱的强跟踪卡尔曼滤波(Strong Tracking Extended Kalman Filter,STEKF)模型,不仅能够给出更为准确的油色谱数据以及预测未来的运行状态,还具有较强的鲁棒性和突变状态跟踪能力。     

低频采样下基于卡尔曼滤波的同步相量测量算法的研究

各种基于定间隔采样的传统相量测量算法在跟踪速度和测量精度上不能很好地统一,在低频采样情况(每周波4~8个采样点)下提出一种基于线性卡尔曼滤波技术的10状态卡尔曼滤波模型,用于实时跟踪电力系统的电压有效值、频率、频率变化率和初相角,为系统提供精确的参数。结合二元泰勒展开公式,推导出各个参数的计算公式,并依据信号模型选取合适的时间区间保证算法对突变信号的响应速度。从采样频率、数据窗持续时间和算法对突变信号的跟踪精度方面对算法进行了讨论,结果表明使用该算法可以在低频采样下获得较高的参数估计精度。     

基于双向DC/AC变换器的混合储能系统动态控制策略

针对风电和光伏并网发电系统的功率波动问题,研究了一种基于双向DC/AC变换器的混合储能系统的动态控制策略。对含有超级电容器与蓄电池组的混合储能系统,通过双闭环控制器对变换器内部的电压电流进行控制,把波动变化较快的电流分量分配给超级电容器,由蓄电池来响应波动变化较慢的电流分量。同时,控制系统将超级电容器的电压稳定在预设范围内。基于扩展卡尔曼滤波(Extended Kalman Filter, EKF)对蓄电池的荷电状态(State of Charge, SOC)进行控制,使其SOC值稳定在安全范围内并延长了蓄电池的使用寿命。通过仿真实验,验证了控制方法的有效性。     

基于强跟踪容积卡尔曼滤波的永磁同步电机转子位置估计

对于电动汽车内置式永磁同步电机(IPMSM)驱动系统,转子位置的精度在高性能无传感器矢量控制中起到极其重要的作用。当电机在运行过程中受到外界干扰和系统状态突变时,传统的容积卡尔曼滤波(CKF)算法的动态响应较差,导致对转子位置的跟踪能力下降,估计精度降低,甚至引起滤波器发散。因此,本文采用强跟踪容积卡尔曼滤波(STCKF)算法,在传统的容积卡尔曼滤波的基础上引入了强跟踪滤波器(STF),进而动态改善容积卡尔曼滤波算法的估计精度和跟踪能力。在Matlab/Simulink中对改进的转子位置估计算法进行仿真分析,并且进行测功机台架实验。实验结果表明:强跟踪容积卡尔曼滤波算法响应快,跟踪能力强,估计精度相比于传统的容积卡尔曼滤波算法提高19%。     

基于动态工况下电池SOC估算的研究分析

锂离子电池作为电动汽车常用的动力源,电池荷电状态(State of Charge,SOC)直接反映了电动汽车的运行安全状态,因此准确估算电池SOC具有重要意义。通过采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法原理,建立戴维宁(Thevenin)等效电路模型,并结合Matlab算法程序的方法对动态工况下的电池SOC进行估算分析,验证了该EKF算法程序的准确性和可行性。估算结果表明,采用该方法对动态工况下的SOC估算具有很好的估算效果,估算精度平均可达97%。     

基于扩展集员滤波的发电机动态状态估计

为了提高电力系统机电暂态过程中发电机动态状态估计的精确性,提出了一种考虑转子角功角不等关系的发电机动态模型。在此基础上,进一步提出采用适合非线性滤波问题的扩展集员滤波（Extended Set Membership filter,ESMF）算法对动态模型进行求解。以IEEE 9节点系统为例,对基于ESMF和扩展卡尔曼滤波（Extended Kalman filter,EKF）的状态估计方法进行仿真比较,仿真结果表明,ESMF方法能有效地实时估计电力系统机电暂态过程中发电机功角轨迹,且精度更高。     

扩展卡尔曼滤波在动态负荷参数辨识中应用

采用扩展卡尔曼滤波算法建立由动态负荷和静态负荷组成的综合负荷数学模型,并列出了其转子运动方程、状态方程和输出方程,其中动态负荷由等值的异步电机表示,静态负荷由恒定导纳并联组成。通过动模试验,取得给定负荷在系统扰动时的电压、电流数据。根据所建立数学模型的输入、输出值,用扩展卡尔曼滤波算法辨识其中的待定参数。参数初值设置为真值的2～7倍,辨识结果误差为2%～3%。分析结果表明,扩展卡尔曼滤波可在短时间内收敛,能正确地辨识出系统参数,且稳定性好。结论表明扩展卡尔曼滤波可以用于电力系统参数辨识,为电力系统状态估计、负荷建模提供了有效方法。     

基于扩展卡尔曼滤波算法的锂离子电池的SOC估算

为了精确估算锂离子动力电池的电池荷电状态(State Of Charge,SOC),在分析影响SOC估算精度的主要因素以及传统SOC估算方法的优缺点的基础上,提出一种改进的安时积分法,对影响SOC估算的主要因素进行参数修正.该算法采用基于简单电化学模型的组合电池模型,结合扩展的卡尔曼滤波(Extended Karlman Filter,EKF)算法对SOC进行估算.对比结果表明,在SOC的估算过程中能够保持很好的精度.     

基于改进的 AEKF 铅酸电池 SOC 在线估计

为了提高铅酸电池在随机工况下荷电状态(SOC)估计精度,减小误差变化对估计精度的影响。针对自适应扩展卡尔曼滤波中误差新息序列长度固定选取的局限性,本文提出一种改进的自适应扩展卡尔曼滤波算法估计SOC。通过似然估计来监测协方差匹配算法中的误差新息序列分布变化时刻,根据误差新息的分布变化来自适应调整新息序列长度,进而降低估计SOC时的误差。首先通过带遗忘因子的递推最小二乘法(FFRLS)辨识获得等效模型参数,其模型平均误差电压为13.63 mV,然后在随机工况实验下发现,改进后的算法在估计SOC时的RMSE和MAE性能上精度分别提高了14.44%和17.26%,结果表明改进后的算法拥有更好的稳定性和精度。     

基于误差补偿的UKF动态状态估计

当前广域测量系统(Wide Area Measurement System,WAMS)和数据监控及采集系统(Supervisory Control and Data Acquisition,SCADA)组成了状态估计数据采集的混合量测系统,使得基于混合量测数据兼容方案的电力系统实时在线估计成为可能。传统无迹卡尔曼滤波(Unscented Kalman Filter,UKF)动态状态估计由于预测步精度不足和后验校正步纠偏能力有限,已不能满足电力系统对状态估计精度的要求。为此,文章从误差补偿思想出发,引入基于布雷顿秩1的拟牛顿算法作为UKF估计后验校正步的误差补偿,提出了基于误差补偿的UKF新算法应用于动态状态估计。通过IEEE 30节点系统上的仿真分析,验证了该算法在控制估计误差上的有效性和具有良好的抗差性能。