电力系统线性状态追踪方法

被引:2
作者
陈艳波 [1 ]
陈茜 [1 ]
马进 [2 ]
张籍 [3 ]
机构
[1] 新能源电力系统国家重点实验室(华北电力大学)
[2] 悉尼大学电气与信息学院
[3] 不详
基金
中央高校基本科研业务费专项资金资助;
关键词
电力系统; 状态估计; 状态追踪; 扩展卡尔曼滤波;
D O I
10.13335/j.1000-3673.pst.2015.02.027
中图分类号
TM73 [电力系统的调度、管理、通信];
学科分类号
摘要
传统状态追踪方法一般基于扩展卡尔曼滤波方法求解,其缺点是:由于电力系统量测方程的非线性,使得这些方法在求解的过程中必须对量测方程进行近似线性化,从而影响了估计精度,尤其是相邻断面的状态变量发生突变时,估计精度明显降低;传统方法在迭代的每一步中均需重新形成雅可比矩阵,因而计算效率较低。以上缺点影响了传统状态追踪方法的应用。提出一种基于精确线性化量测方程的线性状态追踪方法,所提方法的优点为:在估计中无量测方程的近似线性化误差,因而估计精度较高;在迭代中雅可比矩阵均为常数矩阵,从而提高了计算效率。通过在IEEE系统上的仿真算例验证了所提方法的有效性和高效性。
引用
收藏
页码:472 / 477
页数:6
相关论文
共 16 条
[1]   基于自适应无迹卡尔曼滤波的电力系统动态状态估计 [J].
赵洪山 ;
田甜 .
电网技术, 2014, 38 (01) :188-192
[2]   考虑调速器的发电机动态状态估计方法 [J].
毕天姝 ;
陈亮 ;
薛安成 ;
杨奇逊 .
电网技术, 2013, 37 (12) :3433-3438
[3]   基于混合量测的动态状态估计算法研究 [J].
卓亮 ;
陈利跃 ;
何星 .
控制工程, 2013, 20 (01) :155-157+162
[4]   无迹卡尔曼滤波及其平方根形式在电力系统动态状态估计中的应用 [J].
卫志农 ;
孙国强 ;
庞博 .
中国电机工程学报, 2011, 31 (16) :74-80
[5]   混合量测下基于UKF的电力系统动态状态估计 [J].
李大路 ;
李蕊 ;
孙元章 .
电力系统自动化, 2010, 34 (17) :17-21+92
[6]   基于WAMS的电力系统实时状态估计和预报 [J].
李虹 ;
李卫国 ;
毕天姝 ;
熊浩清 .
电力系统自动化, 2009, 33 (16) :35-39+49
[7]   基于信息融合理论的动态状态估计探讨 [J].
卫志农 ;
周奕 ;
李阳林 ;
韩宇 ;
王丹 .
电力系统自动化, 2008, (04) :103-107
[8]   基于混合量测的电力系统线性动态状态估计算法 [J].
卫志农 ;
李阳林 ;
郑玉平 .
电力系统自动化, 2007, (06) :39-43
[9]   动态状态估计中PMU配置的离散粒子群优化算法 [J].
黄姝雅 ;
刘天琪 ;
陈绩 .
电网技术, 2006, (24) :68-72
[10]   基于广域测量系统的状态估计研究综述 [J].
丁军策 ;
蔡泽祥 ;
王克英 .
电力系统自动化, 2006, (07) :98-103