电力系统动态状态估计研究综述

电力系统状态估计是能量管理系统(EMS)的重要组成部分。传统的静态状态估计已经在电力系统应用很多年,随着广域测量技术的发展,动态状态估计逐渐引起人们更多的关注。它不仅能够对运行状态进行估计,还具有预报功能。通过对动态状态估计算法-Kalman滤波算法和相应的改进措施进行研究,分析了这些算法存在的主要问题。并提出了今后电力系统动态状态估计的研究了方向和发展趋势。     

基于多尺度Kalman数据融合滤波

本文通过分析基于小波变换的动态系统模型,提出一种基于小波多尺度的Kalman数据滤波方法,本文利用小波的多尺度特点,把初始估计序列多尺度分解,并在不同尺度层上进行Kalman滤波估计,再利用小波重构来融合各层的估计信息,把标准Kalman滤波只在单一尺度和时间轴上对状态估计值和误差协方差进行数据更新,改进为基于小波变换的尺度轴和时间轴上的双向数据更新,该算法将小波多尺度分解去噪和Kalman滤波相结合,对实际中含较强噪声的动态系统的状态估计效果较好.算法也可用于多分辨率多传感器数据融合.     

基于随机集理论的多目标跟踪研究进展

基于随机有限集理论的多目标跟踪方法,能够避免数据关联步骤的困扰,能够较好地解决复杂环境中目标数目未知且随时间变化的多目标跟踪问题.本文分析基于数据关联和基于随机集理论的多目标跟踪方法,阐明基于随机集理论的多目标跟踪方法的特点和优点,对目标状态提取、航迹关联、更准确的滤波算法,以及复杂条件下的PHDF算法等关键问题进行总结和评述,并指出该领域今后的研究热点.     

基于UKF的星载GPS自适应定轨方法

将UKF(Unscented Kalman Filter)方法应用于空间目标的星载GPS自主定轨中。着重介绍基于UT变换的UKF算法,针对系统噪声方差阵未知或动力学模型不精准的情况,提出在进行状态滤波的同时,利用观测数据信息,在线估计未知噪声的统计特性,构成状态噪声统计估计的自适应UKF滤波算法。结合实测CHAMP星载GPS数据进行仿真实验,对比发现滤波精度、稳定性均有所提高,证明该算法在星载GPS低轨卫星定轨中的有效性。     

未知输入干扰下异构多传感器分布式两级信息滤波与偏差联合估计

针对目标跟踪过程中受未知输入影响的多传感器网络,提出一种局部单传感器抗干扰信息滤波算法并根据此算法实现分布式一致性多传感器融合滤波估计实现目标的精确跟踪。首先,建立包含未知输入的系统模型;其次,消除未知输入影响并设计局部单传感器两级信息滤波算法实现状态和广义偏差的同时估计;最后,根据提出的单传感器两级信息滤波算法进行分布式加权数据融合。仿真结果表明,该方法及其融合算法的系统偏差、状态估计误差和均方根误差均明显降低,目标跟踪精度有所提高,并且具有较低的运算量和较高的一致性。     

一种基于UPF的轴承剩余寿命预测方法

剩余寿命预测能够确保系统的安全性、可用性与高效工作,并且能够降低维修费用,因而成为状态维修中的一个重要课题。基于模型的寿命预测方法主要包含两部分内容:退化模型构建和系统状态估计。粒子滤波算法(PF)是一种广泛用于系统状态估计的方法,已经应用于轴承剩余寿命预测中,但PF方法存在粒子退化问题。提出一种基于无迹粒子滤波算法(UPF)的轴承剩余寿命预测方法。利用随机过程模型对轴承退化过程进行建模,再利用UPF算法对轴承的退化状态进行追踪,并更新模型参数。使用试验数据对提出方法进行验证,结果表明:与PF方法相比,该方法能在一定程度上降低粒子退化程度,进而更加准确地预测轴承剩余寿命。     

拖曳阵阵形估计的自适应Kalman滤波算法

柔性拖曳阵在水下拖动时受拖船拖动及海流等的扰动,因此拖曳阵的阵形估计问题是个存在未知输入的系统状态估计问题。文中采用了一个自适应的KALMAN滤波算法来解决这一问题。自适应Kalman滤波器包括两部分:一部分是没有输入的Kalman滤波,另一部分是自适应加权的Kalman滤波用于估计快时变的余量偏差。在迭代的每一步,均利用M-估计器和Huber函数相结合构造作为更新偏差函数的遗忘因子。数值仿真与海试结果表明,该方法比传统的状态估计方法估计效果好。     

不完全量测的变维容积卡尔曼滤波算法

针对不完全量测情况下的机动目标跟踪问题,提出一种变维容积卡尔曼滤波算法。首先,根据系统状态空间模型结构采用Kalman滤波-容积Kalman滤波(KF-CKF)为基本滤波器。其次,通过计算不完全量测的一阶矩和二阶统计矩,将不完全量测滤波问题转化为确定量测滤波问题,并导出相应的状态估计方法。最后,将其与变维滤波技术相结合,提出不完全量测下的变维CKF算法。计算机仿真实验表明:新算法具有很好的估计准确度,在机动目标跟踪应用中有着良好的应用前景。     

声呐目标跟踪关联中的模糊关联方法

声呐目标跟踪关联是为了获得精确的状态和属性估计、完全和实时的态势和威胁评估。在多台声呐系统联合探测中,根据相同目标、不同观测具有相似特征,提出了声呐目标模糊关联算法。模糊关联能够处理模糊性和不确定性信息,求解具有相似特征目标的关联值。通过将探测目标的方位数据模糊化,利用观测的模糊量和模糊隶属度函数进行数据关联,计算关联时长内两台声呐探测目标方位的关联值,仿真分析验证了上述算法的有效性并取得了较好的实验效果。     

UKF和KF两级滤波的雷达与红外配准算法

针对雷达与红外传感器的时间和空间偏差配准问题,给出时空偏差配准模型,提出了一种时空偏差实时估计算法.该算法将目标的运动状态和传感器偏差组合在同一状态方程中,构建扩维状态的系统动态方程和量测方程,并通过对量测方程的非线性分析,采用UKF和KF两级滤波的方法进行目标状态和配准偏差的联合估计.仿真结果表明,与采用UKF滤波的方法相比,该算法具有更高的估计精度,而且减小了计算量.     

一种自适应EPF算法及其在光纤水听器中的应用

基于椭圆拟合的相位生成载波(Phase Generated Carrier,PGC)解调方法是消除非线性因素对光纤水听器PGC解调结果影响的一种有效手段,椭圆曲线参数的最优估计问题是实现该方法的关键。扩展卡尔曼粒子滤波(Extended Kalman Particle Filter,EPF)是解决此类非线性估计问题的一种常用的最优估计算法。但传统的EPF算法在用于常参数过程方程的参数或状态估计问题时,过程噪声的方差通常设置为一个常量,这使得算法难以兼顾收敛速度和估计精度,一定程度上限制了算法的整体性能。为了解决这个问题,文章对现有的EPF进行了改进,提出了一种自适应扩展卡尔曼粒子滤波(Adaptive Extended Kalman Particle Filter,AEPF)算法。模拟仿真和实验结果表明,文中所提出的AEPF算法能根据基于椭圆拟合的PGC解调方法有效地解调出待测声信号,相比EKF算法和EPF算法,AEPF算法的收敛速度和估计精度都得到了提升。此外,文章所提出的AEPF算法也适用于其他具有常参数过程方程的参数或状态估计问题,具有一定的通用性。     

基于自适应因子化 H∞滤波的单站无源跟踪

针对单站无源跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于自适应因子化 H∞滤波的单站无源跟踪算法.该算法利用 sigma 点转换和鲁棒 H∞滤波能够减小观测方程的线性化误差和降低观测误差不确定性的特点,通过新息控制减小野值对滤波的干扰,利用比例因子和渐消因子自适应调整采样点到中心点的距离和状态预报误差的协方差,从而克服基于 UT 变换的 H∞滤波采样时的非局部效应问题,增强了单站无源跟踪系统对噪声的鲁棒性.仿真实验结果表明,本文方法通过对 UT 变换进行简化,在自适应因子化的同时,算法的计算量与基于 UT 变换的 H∞滤波基本持平,且跟踪精度优于基于 UT 变换的 H∞滤波算法.该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法.     

基于粒子滤波的多枚声呐浮标联合跟踪定位算法

由于被动声呐浮标目标测量源的不确定性以及位置解算方程的非线性,声呐浮标联合跟踪定位面临着非线性非高斯问题,提出一种基于粒子滤波的多枚声呐浮标联合跟踪定位算法。该算法将最优贝叶斯滤波与蒙特卡洛随机采样方法相结合,在更广义的条件下实现了目标最优状态估计。算法仿真结果表明,可以较大程度的提高目标位置估计精度。     

MAPSAC与EKF结合的单目相机鲁棒定位估计算法与实验验证

由于RANSAC数据关联存在随机选取样本、主模型先验假设、内点不做区分的问题,导致相机鲁棒定位估计效率不高、环境适应性受约束、准确性受到影响.本文结合EKF滤波器和MAPSAC数据关联方法,提出一种单目相机鲁棒定位估计算法.EKF滤波器预测和更新初步估计可提高定位估计效率,增强环境适应性;MAPSAC数据关联采用对内点加权的最小化损失函数剔除误关联数据,提高了单目相机定位估计的准确性.通过实验,验证了所设计单目相机鲁棒定位估计算法的有效性,研究结果为单目相机定位估计提供参考.     

粒子滤波技术研究和分析

非线性非高斯状态空间模型的最优估计问题在信号处理、自动控制、金融、无线通讯等领域具有重要的应用,粒子滤波技术通过非参数化的蒙特卡罗模拟方法来实现递推贝叶斯滤波,适用于任何能用状态空间模型表示的非线性系统,滤波精度可以逼近最优估计,其有效性已经得到各领域研究人员的极大认可,基本粒子滤波算法存在的最大问题是粒子退化,针对这一问题,对权值退化、重要性函数选取、重采样等影响粒子滤波器性能的关键技术进行深入研究。     

粒子滤波和独立分量分析的含噪信号盲分离算法研究

研究了两阶段含噪独立分量分析算法来解决含噪信号盲分离问题。第一阶段,通过粒子滤波实现对不含噪混合信号的估计,将含噪独立分量分析转化为不含噪的独立分量分析;第二阶段用现有的FastICA算法从估计的不含噪混合信号中提取出源信号。不含噪混合信号的时变自回归模型和含噪与不含噪混合信号之间的关系构造了动态的状态．空间方程。该方程的特点是多变量、过程和观测噪声不限于高斯分布,粒子滤波是解决该问题的有效方法。提出了解决含噪独立分量分析的PF＋FastICA算法,仿真试验表明所提出的算法性能优于相关文献的结果。     

噪声方差自适应修正的混合系统故障诊断方法

针对混合系统故障诊断问题,提出了一种模型噪声方差自适应修正的多模态故障诊断方法。首先,在粒子滤波的框架内将混合系统故障诊断建模为最优状态估计与跟踪问题,利用实时观察信息和各个模态先验的转移概率,估计最优的故障模态,并针对估计结果进行单独的建模分析;接着,根据平滑估计值和当前观测信息之间的相关性,建立噪声方差在线自适应检测机制,对模态噪声方差进行自适应更新,有效克服了模型噪声统计特性时变对滤波精度的影响,提升了算法的鲁棒性。最后,针对多种模态估计跟踪进行了充分的仿真分析,验证了本文方法的有效性和鲁棒性。     

基于奇异值的联邦滤波器信息分配新方法

针对有状态重置结构的联邦滤波器,在分析以往信息分配和重置方法的基础上,提出了一种基于估计协方差阵奇异值动态确定信息分配系数的算法.结合INS/GPS/DVS/APS组合导航系统的Monte-Carlo数字仿真结果表明:与以往算法和无重置联邦滤波比较,该算法在联邦滤波器的主滤波器信息融合周期长于局部滤波周期时,可有效提高系统状态估计误差精度.     

基于水洞实验的超空泡形态的动态估计研究

针对超空泡航行体运动控制中的超空泡形态的估计问题。该文以超空泡航行体模型的水洞实验数据为依据,获得了空化器在运动过程中的超空泡的内、外压力和形态数据,然后使用强跟踪滤波算法对这些数据进行处理,得到了超空泡形态的动态估计算法。结果表明,得到的超空泡形态的估计值与测量值之间的误差满足超空泡航行体的稳定控制的要求,证明了该文得到的超空泡形态估计算法的正确性。     

时频域滤波及在飞机颤振试飞试验中的应用

针对飞机颤振试飞试验信号噪声过大的问题，提出了一种时频域滤波算法。采用Modet小波对扫频激励及其响应进行时频分析，利用该类信号聚焦于时频域特定区域的特性，有效地提取真实响应信号，达到信噪分离的目的。给出了具体的滤波算法，并研究了信号的重构问题。最后将上述方法应用于仿真算例和实际试飞数据，结果表明该方法显著的提高了频响函数的估计精度。