非高斯噪声下基于CKMC-CKF的发电机动态状态估计

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。