基于无迹粒子滤波理论的发电机动态状态估计方法技术

本发明专利技术公布了一种基于无迹粒子滤波理论的发电机动态状态估计方法，首先采用发电机四阶动态方程作为发电机动态状态估计的状态方程，然后利用电力系统分析软件模拟PMU装置获取发电机的功角、角速度等量测数据，并建立发电机的量测方程。通过获取状态估计初始时刻的静态估计值作为发电机动态状态启动时刻的初值，在初值附近生成原始粒子，并利用无迹粒子滤波算法对发电机的功角、角速度等状态量进行跟踪滤波，最后得到发电机状态量的估计值。本发明专利技术提出的方法减小了对粒子的需求量，滤波精度和计算效率均优于传统的粒子滤波方法，同时本发明专利技术方法增加了粒子的分散性，使得本发明专利技术提出的方法的鲁棒性优于传统的粒子滤波方法和无迹卡尔曼滤波方法。

【技术实现步骤摘要】
基于无迹粒子滤波理论的发电机动态状态估计方法
专利技术涉及一种基于无迹粒子滤波理论的发电机动态状态估计方法，属于电力系统监测、分析和控制

技术介绍
随着电网规模的增大和电力系统复杂度增加，同时由于现有的测量设备存在测量误差，直接测量手段难以获取电力系统真实的状态信息。电力系统真实状态是电力系统分析、控制和决策的重要参考，而状态估计可以滤除电力系统量测数据的误差，得到尽可能接近系统真实状态的近似值。传统的状态估计常采用以最小二乘算法为代表的静态状态估计方法迭代求解得到电力系统某一时间断面的状态近似值。由于电力系统规模大、复杂度高，电力系统暂态故障难以避免，因此，急需寻找精度和计算效率更高的状态估计方法从而更快得到更加准确的状态信息，缩短故障发生到采取控制保护的时间。相比于静态状态估计，动态状态估计不仅可以滤除量测噪声，且具有良好的预测能力，能够为电力系统的安全评估、状态预测、预防控制等在线功能提供支撑。而广域测量系统中的PMU设备能够提供高精度、高频刷新的量测数据，也为动态状态估计的实时性提供了有力保障。建立合理的发电机动态模型和选择性能优良的滤波器是电力系统发电机动态状态估计的首要任务。针对发电机动态模型，不同学者根据研究需求选择了不同阶次的发电机动态方程建立发电机动态模型，主要分为二阶、四阶和六阶动态方程。而考虑到发电机动态模型的非线性，多位学者分别提出了基于卡尔曼估计和贝叶斯估计等框架下的滤波算法，主要代表有扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)、容积卡尔曼滤波(CKF)、粒子滤波(PF)等。EKF存在线性化截断误差大的问题，UKF及CKF采用不同的采样方式，利用采样点传播非线性方程的均值和方差，无需进行线性化。然而，UKF对初值敏感，参数无确定选取原则，CKF虽无需选择参数，但滤波提升有限。PF滤波精度高，但需要大量粒子进行运算，计算效率低，且当预测先验与似然函数重叠较少或量测模型精度较高时，可能导致滤波失效。
技术实现思路
：本专利技术所要解决的技术问题是针对现有技术存在的不足而提供一种基于无迹粒子滤波理论的发电机动态状态估计方法。本专利技术为实现上述目的，采用如下技术方案：一种基于无迹粒子滤波理论的发电机动态状态估计方法，所述方法是在计算机中依次按以下步骤实现的：1)获取所需动态状态估计的系统中发电机组的参数信息；2)利用电力系统分析软件模拟PMU设备获取状态估计所需的量测数据；3)状态估计器初始化；4)建立发电机动态状态估计模型；采用发电机的四阶动态方程建立发电机的状态方程，根据获取的PMU数据建立发电机的量测方程；5)在状态初值附近生成初始粒子，启动滤波算法；6)通过比例修正采样的UKF生成重要性密度函数及新的采样粒子；7)更新粒子权重并归一化；8)判断是否需要重采样；若是，则转到重采样步骤，若否，则继续下一步。9)输出当前时刻的状态估计结果。10)判断滤波运算是否结束，若是，则输出最后全部状态估计结果；若否，则转到步骤6)继续下一步。步骤1)中，发电机的参数信息包括发电机的机械转矩、有功和无功额定功率、同步电角速度、阻尼系数、惯性时间常数、定子励磁电压额定值以及发电机的机组总数。步骤2)中的量测数据包括：发电机的绝对功角、角速度变化值、端口电压相量的幅值和相角、端口电磁功率和机械转矩。步骤3)中的初始化包括输入参数和量测数据，设置状态初值，设置过程噪声和量测噪声协方差阵，设置预测协方差初值，设置UPF粒子数和滤波参数以及采样间隔和采样周期；步骤4)中发电机的状态方程形式为：式中，δ为dq0坐标系下发电机转子的绝对功角(弧度)，ω0为额定同步转速(电弧度/秒)，Δω为发电机角速度变化量(标幺值)，TJ为发电机时间惯性常数,D为发电机阻尼系数，Ef为定子励磁电压，Tm为发电机的机械转矩(标幺值)，Te(Te＝Pe/ω)为发电机的电磁转矩(标幺值)，忽略定子阻抗并假设ω≈1，得Te≈Pe(Pe为发电机的电磁功率)，E′d和E′q分别为发电机的d轴和q轴暂态电动势，U和为发电机端口电压的幅值和相角，Xd和Xq分别为发电机d轴和q轴的同步电抗，X′d和X′q分别为发电机d轴和q轴的暂态电抗，T′d0和T′q0分别为发电机d轴和q轴的暂态开路时间常数；发电机量测量分别为发电机绝对功角、角速度、电磁功率，由PMU设备直接获得，即：y＝[δz,ωz,Pez]T＝[y1,y2,y3]T，发电机量测方程形式为：步骤6)中利用比例采样的UKF生成重要性密度函数包括:比例修正采样的权值满足：式中：λ＝α2(L+κ)-L是微调参数，用来控制点到均值的距离，其中L是状态变量个数，κ是次级采样因子，取为3-L；α是比例修正因子，取为0.12；β是待选参数，调节β提高方差精度，取β＝2。由UKF生成重要性密度函数的步骤包括：由上一时刻每个粒子的状态滤波值和滤波协方差矩阵生成新的采样点，代入发电机的状态方程，获取每个粒子在UKF中的第一步状态预测均值和第一步预测协方差矩阵；由每个粒子的第一步预测值生成新的采样点，利用量测方程和当前时刻的量测信息修正每个粒子在UKF中的第二步状态预测均值和第二步预测协方差矩阵；根据第二步状态预测均值和第二步预测协方差矩阵生成PF中的重要性密度函数并生成新的采样粒子；步骤8)中的判断重采样的有效粒子阈值选为总粒子数的三分之一，重采样方法选为计算量较小，性能良好的残差重采样。有益效果：本专利技术与现有技术相比：能够对机电暂态过程中的发电机状态量提供更准确的估计，提高了对发电机状态量滤波的准确度。本专利技术提出的方法减小了对粒子的需求量，计算效率优于传统的PF估计器，同时增加了粒子的分散性，使得本专利技术提出的方法的鲁棒性也优于传统的PF估计器，且本专利技术提出的方法可根据粒子数调整滤波精度，滤波精度和灵活性均优于UKF估计器。附图说明：图1为本专利技术的方法流程图；图2为WSCC三机九节点系统示意图；图3为以WSCC三机九节点系统为基础测试系统，本专利技术方法下发电机1的功角估计曲线与BPA仿真软件真实值曲线的对比图；图4为以WSCC三机九节点系统为基础测试系统，本专利技术方法下发电机1的角速度估计曲线与BPA仿真软件真实值曲线的对比图；图5为以WSCC三机九节点系统为基础测试系统，本专利技术方法下发电机1的q轴暂态电动势估计曲线与BPA仿真软件真实值曲线的对比图；图6为以WSCC三机九节点系统为基础测试系统，本专利技术方法下发电机1的d轴暂态电动势估计曲线与BPA仿真软件真实值曲线的对比图；图7为以WSCC三机九节点系统为基础测试系统，本专利技术方法下发电机2的功角估计曲线与BPA仿真软件真实值曲线的对比图；图8为以WSCC三机九节点系统为基础测试系统，本专利技术方法下发电机2的角速度估计曲线与BPA仿真软件真实值曲线的对比图；图9为以WSCC三机九节点系统为基础测试系统，本专利技术方法下发电机2的q轴暂态电动势估计曲线与BPA仿真软件真实值曲线的对比图；图10为以WSCC三机九节点系统为基础测试系统，本专利技术方法下发电机2的d轴暂态电动势估计曲线与BPA仿真软件真实值曲线的对比图；图11为以WSCC三机九节点系统为基础测试系统，本专利技术方法下发电机3的功角估计曲线与BPA仿真软件真实值曲线的对比图；图12为以WSCC三本文档来自技高网...

【技术保护点】
一种基于无迹粒子滤波理论的发电机动态状态估计方法，其特征在于：1)获取所需动态状态估计的系统中发电机组的参数信息；2)利用电力系统分析软件模拟PMU设备获取状态估计所需的量测数据；3)状态估计器初始化；4)建立发电机动态状态估计模型；采用发电机的四阶动态方程建立发电机的状态方程，根据获取的PMU数据建立发电机的量测方程；5)在状态初值附近生成初始粒子，启动滤波算法；6)通过比例修正采样的UKF生成重要性密度函数及新的采样粒子；7)更新粒子权重并归一化；8)判断是否需要重采样；若是，则转到重采样步骤，若否，则继续下一步；9)输出当前时刻的状态估计结果；10)判断滤波运算是否结束，若是，则输出最后全部状态估计结果；若否，则转到步骤6)继续下一步。

【技术特征摘要】
1.一种基于无迹粒子滤波理论的发电机动态状态估计方法，其特征在于：1)获取所需动态状态估计的系统中发电机组的参数信息；2)利用电力系统分析软件模拟PMU设备获取状态估计所需的量测数据；3)状态估计器初始化；4)建立发电机动态状态估计模型；采用发电机的四阶动态方程建立发电机的状态方程，根据获取的PMU数据建立发电机的量测方程；5)在状态初值附近生成初始粒子，启动滤波算法；6)通过比例修正采样的UKF生成重要性密度函数及新的采样粒子；7)更新粒子权重并归一化；8)判断是否需要重采样；若是，则转到重采样步骤，若否，则继续下一步；9)输出当前时刻的状态估计结果；10)判断滤波运算是否结束，若是，则输出最后全部状态估计结果；若否，则转到步骤6)继续下一步。2.根据权利要求1所述的基于无迹粒子滤波理论的发电机动态状态估计方法，其特征在于：步骤1)中，发电机的参数信息包括发电机的机械转矩、有功和无功额定功率、同步电角速度、阻尼系数、惯性时间常数、定子励磁电压额定值以及发电机的机组总数。3.根据权利要求1所述的基于无迹粒子滤波理论的发电机动态状态估计方法，其特征在于：步骤2)中的量测数据包括：发电机的绝对功角、角速度变化值、端口电压相量的幅值和相角、端口电磁功率和机械转矩。4.根据权利要求1所述的基于无迹粒子滤波理论的发电机动态状态估计方法，其特征在于：步骤3)中的状态估计器初始化包括输入参数初始化和量测数据初始化，设置状态初值，设置过程噪声和量测噪声协方差阵，设置预测协方差初值，设置UPF粒子数和滤波参数以及采样间隔和采样周期；5.根据权利要求1所述的基于无迹粒子滤波理论的发电机动态状态估计方法，其特征在于：步骤4)中发电机的状态方程形式为：式中，δ为dq0坐标系下发电机转子的绝对功角，ω0为额定同步转速，Δω为发电机角速度变化量，TJ为发电机时间惯性常数,D为发电机阻尼系数，Ef为定子励磁电压，Tm为发电机的机械转矩，Te(Te＝Pe/ω)为发电机的电磁转矩，忽略定子阻抗并假设ω≈1...

【专利技术属性】
技术研发人员：孙国强，王晗雯，卫志农，黄蔓云，陈胜，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32