容积卡尔曼滤波（CKF）在非线性动态状态估计领域有着良好的估计效果。但由于容积卡尔曼滤波缺乏对量测噪声特性的在线自适应能力,其对不良数据和非高斯白噪声的处理效果并不理想。为了解决当量测量统计特性偏离先验统计特性时,容积卡尔曼滤波算法性能下降和发散的问题,通过将抗差估计理论中的M-估计理论与容积卡尔曼滤波相结合,提出抗差容积卡尔曼滤波（RCKF）算法,并将其尝试应用于复杂噪声条件下的发电机动态状态估计中。IEEE 9节点系统和新英格兰16机68节点系统的仿真结果表明:在不同量测噪声且量测量存在不良数据的复杂噪声条件下,与传统CKF算法相比,所提抗差CKF算法均具有更好的估计精度和收敛能力,并能有效消除不良数据对估计效果的影响。
类型: 期刊论文
作者: 李扬,李京,陈亮,李国庆
关键词: 动态状态估计,发电机,容积卡尔曼滤波,估计理论,量测噪声分布,不良数据,相量测量单元数据
来源: 电工技术学报 2019年17期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 东北电力大学电气工程学院,国网河北省电力有限公司经济技术研究院
基金: 国家重点研发计划(2017YFB0902401),国家自然科学基金(51677023)资助
分类号: TM31
DOI: 10.19595/j.cnki.1000-6753.tces.181150
页码: 3651-3660
总页数: 10
文件大小: 1188K
下载量: 258
本文来源: https://www.lunwen90.cn/article/80b82aa4ec2fcd4efab75c47.html