论文部分内容阅读
电力信号的频率、幅值、相角反映了电力系统各个时刻的运行状态,快速准确地获得电力信号的频率、幅值和相角,可以帮助电力部门了解电网各部分运行状况,对于维护电力系统的安全稳定运行具有重要意义。配电网的电力信号具有突变的特点,应用目前的电力信号参数估计方法对发生突变的电力信号参数估计时,在实时性和估计精度方面表现并不理想。近年来,强跟踪卡尔曼滤波算法被引入电网,并用于电力信号参数估计,由于具有计算简单、收敛性好、鲁棒性强的特点,得到了快速的发展。本文以如何快速准确跟踪发生突变后的电力信号参数为研究课题,主要内容包括:
首先详细介绍了线性卡尔曼滤波算法及其改进的扩展卡尔曼、强跟踪卡尔曼、无迹卡尔曼滤波算法,并指出了各种算法的优缺点。
然后,指出传统的强跟踪无迹卡尔曼滤波算法在计算渐消因子时,弱化因子通常按经验值选取,当电力信号参数发生突变时,可能会导致电力信号参数估计精度偏低甚至滤波发散。针对弱化因子选取问题,采用中心差分算法求解渐消因子,并作为电力信号参数突变状态检测,自适应的调整弱化因子的取值。除此之外,传统算法在计算过程中需要进行3次无损变换,计算量大,且易导致滤波发散。针对所建电力信号模型的状态方程为线性方程,量测方程为非线性方程,将计算过程中的渐消因子引入到已求解的sigma点集和输出协方差矩阵中,提出了一种改进的强跟踪无迹卡尔曼滤波算法。
最后,通过计算机仿真和由三相电能功率标准源得到的实际数据,分别验证所提算法在单次迭代计算时间、收敛速度和估计精度方面的性能,并与传统算法进行比较,验证了所提算法的有效性。
首先详细介绍了线性卡尔曼滤波算法及其改进的扩展卡尔曼、强跟踪卡尔曼、无迹卡尔曼滤波算法,并指出了各种算法的优缺点。
然后,指出传统的强跟踪无迹卡尔曼滤波算法在计算渐消因子时,弱化因子通常按经验值选取,当电力信号参数发生突变时,可能会导致电力信号参数估计精度偏低甚至滤波发散。针对弱化因子选取问题,采用中心差分算法求解渐消因子,并作为电力信号参数突变状态检测,自适应的调整弱化因子的取值。除此之外,传统算法在计算过程中需要进行3次无损变换,计算量大,且易导致滤波发散。针对所建电力信号模型的状态方程为线性方程,量测方程为非线性方程,将计算过程中的渐消因子引入到已求解的sigma点集和输出协方差矩阵中,提出了一种改进的强跟踪无迹卡尔曼滤波算法。
最后,通过计算机仿真和由三相电能功率标准源得到的实际数据,分别验证所提算法在单次迭代计算时间、收敛速度和估计精度方面的性能,并与传统算法进行比较,验证了所提算法的有效性。