非高斯噪声下基于CKMC-CKF的发电机动态状态估计 |
| |
引用本文: | 赵志雷,黄继东,王义,杨志伟.非高斯噪声下基于CKMC-CKF的发电机动态状态估计[J].广东电力,2024(3):115-122. |
| |
作者姓名: | 赵志雷 黄继东 王义 杨志伟 |
| |
作者单位: | 1. 国能神东煤炭集团有限责任公司供电中心;2. 许继电气股份有限公司;3. 郑州大学电气与信息工程学院;4. 国网三门峡供电公司 |
| |
基金项目: | 国家自然科学基金项目(62203395);;河南省博士后科研启动项目(202101011); |
| |
摘 要: | 准确的动态状态估计对于电力系统实时运行状态的监测至关重要。针对同步发电机中非高斯噪声导致状态估计器性能下降的实际情况,提出一种基于基于柯西核最大相关熵(Cauchy kernel maximum correntropy, CKMC)的容积卡尔曼滤波(cubature KF,CKF)算法(简称CKMC-CKF算法)。首先,建立CKMC目标函数,采用2种加权局部相似度来更新噪声协方差矩阵,从而降低不良数据的权重;其次,利用线性化回归方程统一目标函数中的状态和测量误差,并通过定点迭代法获得最佳估计状态。最后,以IEEE 39节点系统为算例分析验证所提出方法的有效性。与CKF和最大熵CKF相比,CKMC-CKF在非高斯噪声环境下具有更好的估计精度和更强的鲁棒性。
|
关 键 词: | 发电机 动态状态估计 容积卡尔曼滤波 柯西核最大相关熵 非高斯噪声 |
|