无迹卡尔曼滤波及其平方根形式在电力系统动态状态估计中的应用

针对扩展卡尔曼滤波(extended Kalman filter,EKF)的不足,将不需要对非线性系统函数进行线性化的无迹卡尔曼滤波(unscented Kalman filter,UKF)方法引入电力系统动态状态估计,采用生成Sigma点数量最少的比例最小偏度单形采样策略进行无迹变换.以IEEE14系统为算例,仿真结果表明引入UKF后,估计结果的精度有所提高,但算法的效率较低,且数值稳定性较差.进一步引入平方根形式的UKF(square root UKF,SRUKF)模型,IEEE 14及IEEE 30测试系统的仿真结果证明:在不需要大量牺牲计算时间的同时,算法的数值稳定性得到了改善.表明SRUKF的引入对动态状态估计方法的改进是有效的.     

基于卡尔曼滤波的电能质量分析方法综述

首先对电能质量问题及其分析检测方法进行简单介绍;然后主要综述了常规卡尔曼滤波、扩展卡尔曼滤波和无迹卡尔曼滤波这3种卡尔曼滤波的基本原理,并对其在电能质量分析中的应用进行了系统的总结,对比分析了各种方法的利弊;最后对卡尔曼滤波方法现存的问题及今后的发展趋势进行了展望。     

基于自适应无迹卡尔曼滤波的电力系统动态状态估计

无迹卡尔曼滤波(unscented Kalman filter,UKF)是种非线性滤波方法。由于假设系统噪声的方差为常数,UKF的估计结果会受到未知系统噪声的影响。为减小未知系统噪声对动态状态估计的影响,提出了种改进的自适应UKF(adaptive unscented Kalman filter,AUKF)算法。该方法通过在UKF中引入渐消记忆指数加权的Sage-Husa噪声统计估值器,能够估计时变系统噪声的均值和方差。利用IEEE57和IEEE 118测试系统,在典型日负荷条件下对AUKF方法的有效性进行仿真验证,结果表明所提出的AUKF算法与传统UKF方法相比,在不增加计算复杂度的同时,能够提高状态估计精度。     

混合量测下基于UKF的电力系统动态状态估计

针对当前电力系统动态状态估计主要采用的扩展卡尔曼滤波(EKF)法存在收敛速度慢、鲁棒性差的缺点,采用一种新的非线性方法——无迹卡尔曼滤波(UKF)法进行电力系统动态状态估计。UKF法由于使用了无迹变换,避免了线性化误差的引入和雅可比矩阵的计算,相比EKF法有更高的估计精度和稳定性。广域测量系统(WAMS)能够提供相量信息,具有精度高、全网严格同步等优点。因此,将WAMS量测数据和数据采集与监控(SCADA)系统量测数据相结合,形成应用混合量测的电力系统动态状态估计。仿真表明,UKF法相比EKF法能够更准确地估计动态系统中的状态量,WAMS信息的引入进一步提高了动态状态估计的性能。     

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。     

分岔理论在电力系统中的应用综述

简要介绍了分岔理论基本概念,论述了分岔理论在电力系统中的相关应用,包括基于分岔理论的电力系统电压失稳、电压崩溃、系统振荡机理研究;控制参数导致的电力系统分岔现象及其控制措施;以电力系统为背景的基于分岔理论的特征值求取;电力系统分岔点求取等。总结了分岔理论最新的应用成果和有待解决的问题,对分岔理论的应用前景做出一个客观的总结和展望。     

衰减记忆扩展卡尔曼滤波在目标跟踪中的应用

对衰减记忆扩展卡尔曼滤波在机动目标跟踪领域中的应用技术进行研究,给出了状态方程和衰减记忆扩展卡尔曼滤波算法,分析了衰减记忆扩展卡尔曼滤波与扩展卡尔曼滤波算法之间存在的主要差别,并通过仿真实验证明该衰减记忆滤波算法具有较好的跟踪目标动态变化效果,解决了卡尔曼滤波算法和扩展卡尔曼滤波算法在非线性系统的目标跟踪中存在的滤波发...     

基于无迹卡尔曼滤波的电力系统抗差动态估计

为解决电力系统动态状态估计准确性易受量测不良数据影响的问题,提出基于无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的电力系统抗差动态估计方法。在预测过程中引入时变噪声估计器处理未知系统噪声;利用新息向量判断量测是否存在异常,并使用基于测点正常率最大的静态估计方法辨识不良数据;然后构建更新因子矩阵降低不良数据在动态估计更新过程中的影响。将算法运用于IEEE 14节点标准系统中,仿真结果表明该方法估计结果准确且抗差效果良好。     

模糊集理论在电力系统中的应用综述及文献述评

近年来，有关模糊集理论在电力系统中应用的文献不断增加，作为一个较新的研究课题，还需要对于该理论的基本原理，适于用该方法解决的问题等方面给予更多的关注。概述了近年来模糊集理论在电力系统中应用的有关文献，介绍了用模糊方法解决电力系统具体问题的基本程序，并用简单的例子对上述问题作了说明。     

模糊集理论在电力系统中的应用综述及文献述评

近年来，有关模糊集理论在电力系统中应用的文献不断增加，作为一个较新的研究课题，还需要对于该理论的基本原理、适于用该方法解决的问题等方面给予更多的关注。概述了近年来模糊集理论在电力系统中应用的有关文献，介绍了用模糊集方法解决电力系统具体问题的基本程序，并用简单的例子对上述问题作了说明。     

基于Kalman滤波原理的电力系统动态状态估计的研究综述

状态估计是现代EMS的重要组成部分,特别是动态状态估计,能实现实时运行状态的估计和预报功能。通过对动态估计算法Kalman滤波算法和国内外学者的一些改进算法的现状研究,分析了这些算法目前存在的主要问题。并基于此提出了Kalman滤波算法的新的改进措施,研究了方向和发展趋势。     

基于卡尔曼滤波的电力系统短期负荷预测

介绍了卡尔曼滤波的算法,给出了一套递推计算公式,将此算法应用于短期负荷预测,并针对负荷预测本身的特点对算法进行了改进,用两种算法进行了实际的负荷预测计算,取得了比较准确的预测结果。     

大规模风电接入的电网发电调度研究综述

由于风电出力具有随机性和间歇性,大规模风电接入给传统的电力系统调度运行带来新的挑战。风功率预测精度一定程度上不能满足实际要求,因此文章归纳国内外相关研究成果,并分别从两个方面展开论述,首先论述风电场与常规机组联合调度的模型,包括风电确定性模型和风电不确定性模型,概述了当前的建模方法,并对常用的算法进行总结,然后介绍储能技术及其发展状况,对风电场与储能设备协调配合抑制风电场出力波动的研究进行详细介绍。文章最后为考虑大规模并网风电场的发电调度进一步研究提出了意见和建议。     

基于扩展卡尔曼滤波的电网畸变信号正序分量和频率估计

根据离散的电网三相电压信号,利用基本对称分量分析方法对三相电力系统的电压信号进行变换,获得系统信号瞬时值正序对称分量表达式。通过对该方程的变换得到系统信号的非线性状态方程和量测方程,在存在系统噪声和信号严重畸变的状态下,利用扩展卡尔曼滤波方法实现基本正序对称分量和频率的正确估计。仿真结果表明了方法的有效性。     

永磁同步电动机系统参数和状态的推广卡尔曼滤波估计

永磁同步电动机系统具有力矩系数大、力矩波动小以及控制灵活等优点，在许多精密伺服控制系统中得到广泛应用。本文在得到系统模型的基础上，利用推广的卡尔曼滤波器对非线性的永磁同步电动机系统参数和状态进行了估计，仿真结果验证了估计方法在数学上的可行性。     

双UKF算法及其在感应电机矢量控制中的应用

在无轨迹卡尔曼滤波器(UKF)算法的基础上,建立应用于感应电机矢量控制系统的双UKF算法,实现电机状态和参数的同时观测.电机模型选择以定、转子磁链为状态变量的降阶方程,从而有效避免了数值计算的不稳定性.利用Simulink建立感应电机矢量控制系统,通过仿真比较了双UKF与扩展卡尔曼滤波器(EKF)两种算法的性能.实验结果表明,双UKF算法能有效提高状态估计和参数辨识的精度和收敛速度.     

含风电场的电力系统最优潮流算法综述

风机出力的随机性,计算含风电的最优潮流算法应能够实时反应对系统潮流影响;计算速度快、收敛性更好、鲁棒性更强,精度高,算法要充分利用分布式处理和并行计算等现代计算机技术是改善算法性能提高效率的有效手段。     

基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型

为提高风电场风速的预测精度,解决时序模型预测延时的问题,文章提出了一种时间序列分析和卡尔曼滤波相结合的混合算法。基本思路为：首先利用时间序列分析理论,对风电场风速信号进行非平稳建模,得到符合其变化规律的模型方程;其次通过得到的模型方程推导出卡尔曼滤波法的状态方程和观测方程;然后依靠卡尔曼预测递推方程进行预测;最后对某实测风速信号进行预测。实例分析表明：采用该混合算法可以提高预测精度,而且较好地解决了预测延时问题。