狀態(tài)估計(jì)是能量管理系統(tǒng)（EMS）中的核心部分,尤其是在現(xiàn)如今這個(gè)越來越龐大的電網(wǎng)之中。狀態(tài)估計(jì)濾波器的主要功能是為EMS提供準(zhǔn)確的信息（如網(wǎng)絡(luò)中所有總線的電壓幅值和角度等）,但由于電力系統(tǒng)中存在量測噪聲、不良數(shù)據(jù)、負(fù)荷突變等各種異常情況,狀態(tài)估計(jì)的結(jié)果會(huì)受到干擾從而可能會(huì)因此誤導(dǎo)調(diào)度人員,對電網(wǎng)運(yùn)行的穩(wěn)定性造成難以估計(jì)的危害,因此提高狀態(tài)估計(jì)算法的魯棒性以及抑制不良數(shù)據(jù)的能力,對保證電力系統(tǒng)安全穩(wěn)定運(yùn)行有重要意義。本文在常用的擴(kuò)展卡爾曼濾波算法基礎(chǔ)上改進(jìn)了兩種預(yù)測輔助狀態(tài)估計(jì)算法,并探究不同非高斯量測噪聲對估計(jì)精度的影響,其主要內(nèi)容如下:首先,基于數(shù)據(jù)采集與監(jiān)視控制（SCADA）量測系統(tǒng),建立了電力系統(tǒng)輔助預(yù)測狀態(tài)估計(jì)的數(shù)學(xué)模型,通過狀態(tài)方程和測量方程來描述系統(tǒng)的準(zhǔn)穩(wěn)態(tài)過程,并介紹了一種輔助預(yù)測狀態(tài)估計(jì)的基本算法。然后,在擴(kuò)展卡爾曼濾波的基礎(chǔ)上,提出了一種最大互相關(guān)熵的自適應(yīng)擴(kuò)展卡爾曼濾波算法,并將其應(yīng)用在輔助預(yù)測狀態(tài)估計(jì)之中,首先本文用最大互相熵準(zhǔn)則（MCC）代替?zhèn)鹘y(tǒng)擴(kuò)展卡爾曼濾波中的最小均方誤差準(zhǔn)則,通過指數(shù)加權(quán)的形式增加算法的魯棒性,使得提出算法在面對非高斯噪聲時(shí)保持良好的估計(jì)精... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 引言
    1.2 研究背景與意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 靜態(tài)狀態(tài)估計(jì)發(fā)展現(xiàn)狀
        1.3.2 輔助預(yù)測狀態(tài)估計(jì)發(fā)展現(xiàn)狀
    1.4 本文主要研究內(nèi)容
2 電力系統(tǒng)輔助預(yù)測狀態(tài)估計(jì)模型與基礎(chǔ)算法
    2.1 引言
    2.2 電力系統(tǒng)輔助預(yù)測狀態(tài)估計(jì)數(shù)學(xué)模型
        2.2.1 電力系統(tǒng)輔助預(yù)測狀態(tài)估計(jì)的狀態(tài)方程
        2.2.2 電力系統(tǒng)輔助預(yù)測狀態(tài)估計(jì)的測量方程
    2.3 輔助預(yù)測狀態(tài)估計(jì)基本算法
        2.3.1 卡爾曼濾波算法簡介
        2.3.2 擴(kuò)展卡爾曼濾波算法
    2.4 本章小結(jié)
3 基于自適應(yīng)最大互相關(guān)熵?cái)U(kuò)展卡爾曼濾波的輔助預(yù)測狀態(tài)估計(jì)
    3.1 引言
    3.2 自適應(yīng)最大互相關(guān)熵?cái)U(kuò)展卡爾曼濾波算法
        3.2.1 最大互相關(guān)熵準(zhǔn)則
        3.2.2 最大互相關(guān)熵?cái)U(kuò)展卡爾曼濾波算法的推導(dǎo)
        3.2.3 自適應(yīng)更新機(jī)制
    3.3 基于最大互相關(guān)熵?cái)U(kuò)展卡爾曼濾波的輔助預(yù)測狀態(tài)估計(jì)
    3.4 仿真驗(yàn)證
        3.4.1 性能指標(biāo)
        3.4.2 算例概述
        3.4.3 仿真結(jié)果與分析
    3.5 本章小結(jié)
4 基于廣義互相關(guān)熵?zé)o跡卡爾曼濾波的電力系統(tǒng)輔助預(yù)測狀態(tài)估計(jì)
    4.1 引言
    4.2 廣義互相關(guān)熵?zé)o跡卡爾曼濾波算法
        4.2.1 廣義互相關(guān)熵準(zhǔn)則
        4.2.2 廣義互相關(guān)熵?zé)o跡卡爾曼濾波算法的推導(dǎo)
        4.2.3 增強(qiáng)的廣義互相關(guān)熵?zé)o跡卡爾曼濾波算法
    4.3 基于增強(qiáng)廣義互相關(guān)熵?zé)o跡卡爾曼濾波的電力系統(tǒng)輔助預(yù)測狀態(tài)估計(jì)
    4.4 仿真驗(yàn)證
        4.4.1 算例概述
        4.4.2 仿真結(jié)果與分析
    4.5 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
致謝
攻讀學(xué)位期間主要研究成果
參考文獻(xiàn)



本文編號：2903272