本文選題：無跡粒子濾波　切入點：相量測量單元　出處：《電力系統(tǒng)自動化》2017年14期 　論文類型：期刊論文

【摘要】：同步相量測量單元(PMU)能夠直接獲取發(fā)電機動態(tài)過程中的功角等量測數(shù)據(jù),由于實際的量測數(shù)據(jù)中含有隨機噪聲,為了得到更精確的發(fā)電機狀態(tài)信息,有必要對量測數(shù)據(jù)進行濾波處理。提出一種基于無跡粒子濾波(UPF)的發(fā)電機動態(tài)狀態(tài)估計新方法。首先,該方法基于發(fā)電機四階動態(tài)方程建立了發(fā)電機動態(tài)狀態(tài)估計模型,其次,在粒子濾波(PF)的框架下,該方法采用無跡卡爾曼濾波(UKF)求解PF的重要性密度函數(shù),且在生成預測粒子的過程中使用了最新的量測信息,使得粒子的分布更加接近真實狀態(tài)的后驗概率分布。最后,通過美國西部系統(tǒng)協(xié)調委員會(WSCC)3機9節(jié)點系統(tǒng)和某實際電網(wǎng)系統(tǒng)的算例測試,將所提算法與UKF及PF的性能進行了對比。仿真結果表明,UPF在估計精度及對噪聲的魯棒性方面均優(yōu)于PF與UKF。
[Abstract]:The synchronous phasor measurement unit (PMU) can directly obtain the power angle isometric data in the dynamic process of the generator. Because of the random noise in the actual measurement data, in order to obtain more accurate generator state information, It is necessary to filter the measured data. A new method of generator dynamic state estimation based on unscented particle filter (UPF) is proposed. Firstly, the generator dynamic state estimation model is established based on the fourth order dynamic equation of generator. In the framework of particle filter (PFV), the unscented Kalman filter UKF is used to solve the importance density function of PF, and the latest measurement information is used in the process of generating predicted particles. The particle distribution is closer to the posteriori probability distribution of the real state. Finally, a numerical example of the WSCC 3-bus system and a real power grid system is given. The proposed algorithm is compared with the performance of UKF and PF. The simulation results show that the proposed algorithm is superior to PF and UKF in estimation accuracy and robustness to noise.
【作者單位】： 河海大學能源與電氣學院;國網(wǎng)江蘇省電力公司電力科學研究院;
【基金】：國家自然科學基金資助項目(51277052) 國家電網(wǎng)公司科技項目(521001160038)~~
【分類號】：TM31

【相似文獻】

相關期刊論文 前9條

1 朱晟;葛敏輝;畢曉亮;;動態(tài)狀態(tài)估計在華東高級調度中心的應用[J];華東電力;2009年06期

2 卓亮;陳利躍;何星;;基于混合量測的動態(tài)狀態(tài)估計算法研究[J];控制工程;2013年01期

3 陳亮;畢天姝;李勁松;薛安成;李強;楊奇遜;;基于容積卡爾曼濾波的發(fā)電機動態(tài)狀態(tài)估計[J];中國電機工程學報;2014年16期

4 黃姝雅;劉天琪;陳績;;動態(tài)狀態(tài)估計中PMU配置的離散粒子群優(yōu)化算法[J];電網(wǎng)技術;2006年24期

5 李虹;李衛(wèi)國;熊浩清;;WAMS中計及量測函數(shù)非線性項的電力系統(tǒng)自適應動態(tài)狀態(tài)估計[J];電工技術學報;2010年05期

6 李虹;趙書強;;基于WAMS/SCADA混合量測的電力系統(tǒng)強跟蹤濾波動態(tài)狀態(tài)估計[J];電力自動化設備;2012年09期

7 鐘志堅;洪彬倬;;基于遺傳算法的電力系統(tǒng)自適應卡爾曼濾波動態(tài)狀態(tài)估計[J];廣東電力;2014年07期

8 秦曉輝;畢天姝;楊奇遜;;基于WAMS的電力系統(tǒng)機電暫態(tài)過程動態(tài)狀態(tài)估計[J];中國電機工程學報;2008年07期

9 ;[J];;年期

相關重要報紙文章 前1條

1 廣東 廖年旺;讓網(wǎng)頁狀態(tài)欄“動”起來[N];中國計算機報;2000年

相關博士學位論文 前1條

1 陳亮;電力系統(tǒng)分布式動態(tài)狀態(tài)估計研究[D];華北電力大學;2014年

相關碩士學位論文 前3條

1 鄭維榮;基于擴展集員濾波的發(fā)電機動態(tài)狀態(tài)估計[D];長沙理工大學;2015年

2 康福;基于新息圖的動態(tài)狀態(tài)估計研究[D];哈爾濱工業(yè)大學;2006年

3 劉輝樂;基于PMU的分布式動態(tài)狀態(tài)估計的研究[D];四川大學;2005年

，

本文編號：1592911