论文部分内容阅读
同步相量测量单元(phasor measurement unit，PMU)作为广域测量系统(wide area measurement system，WAMS)的基础和核心，其算法的测量精度直接影响到电力系统故障分析、继电保护及稳定控制等高级应用的准确性。配电网中噪声因其含量越来越大对现有的同步相量测量算法精度与可靠性产生了很大影响，在高噪声环境下快速并高精度地获得电力信号参数信息对于保证电网稳定性与可靠性具有重要意义。本文对高噪声环境下的同步相量测量算法进行研究。
首先分析了不同同步相量测量算法在高噪声环境下的性能及缺陷，对比得到高噪声环境下性能较优的算法。
针对同步相量测量算法在高噪声环境下测量静态相量存在的问题，提出了基于改进粒子群优化带自适应常值噪声统计估计器的无迹卡尔曼滤波(Improved p article swarm optimization-adaptive noise statistics estimator for Unscented Kal man filter,IPSO-ANSEUKF)同步相量测量算法。首先利用改进粒子群优化无迹卡尔曼滤波(unscented Kalman filter，UKF)算法的比例采样修正算法参数，并根据递推最小二乘法提出了自适应噪声统计估计器，提高了对非线性变换后分布以及量测噪声误差协方差的估计精度，提高了UKF算法的收敛速度及测量精度。
在此基础上，针对高噪声环境下动态相量的测量问题，提出了基于量测量误差协方差次优估计的自适应强跟踪无迹卡尔曼滤波(Adaptive strong tracking un scented kalman filter based on suboptimal estimate of measurement error covar iance，SEMEC-ASTUKF)的同步相量测量算法，分析了高噪声对强跟踪无迹卡尔曼滤波(Strong tracking unscented Kalman filter，STUKF)算法的影响，然后构建了新的渐消因子计算方法，提升了STUKF算法在系统参数突变时的跟踪速度及测量精度。最后，利用MATLAB仿真及实测数据验证了本文所提算法的有效性。
首先分析了不同同步相量测量算法在高噪声环境下的性能及缺陷，对比得到高噪声环境下性能较优的算法。
针对同步相量测量算法在高噪声环境下测量静态相量存在的问题，提出了基于改进粒子群优化带自适应常值噪声统计估计器的无迹卡尔曼滤波(Improved p article swarm optimization-adaptive noise statistics estimator for Unscented Kal man filter,IPSO-ANSEUKF)同步相量测量算法。首先利用改进粒子群优化无迹卡尔曼滤波(unscented Kalman filter，UKF)算法的比例采样修正算法参数，并根据递推最小二乘法提出了自适应噪声统计估计器，提高了对非线性变换后分布以及量测噪声误差协方差的估计精度，提高了UKF算法的收敛速度及测量精度。
在此基础上，针对高噪声环境下动态相量的测量问题，提出了基于量测量误差协方差次优估计的自适应强跟踪无迹卡尔曼滤波(Adaptive strong tracking un scented kalman filter based on suboptimal estimate of measurement error covar iance，SEMEC-ASTUKF)的同步相量测量算法，分析了高噪声对强跟踪无迹卡尔曼滤波(Strong tracking unscented Kalman filter，STUKF)算法的影响，然后构建了新的渐消因子计算方法，提升了STUKF算法在系统参数突变时的跟踪速度及测量精度。最后，利用MATLAB仿真及实测数据验证了本文所提算法的有效性。