李少华，金 涛

(福州大学电气工程与自动化学院，福建福州350108)

式中，f是非线性状态转移函数，g是代数方程组，表示电力系统无源网络。计算步骤如下:

①按照式(2)，用mk-1作为状态均值获取sigma点，并且计算状态估计均值m*k:

0 引言

电力系统状态估计作为能量管理系统(EMS)的重要组成部分，发挥着重要的作用［1］。至今，世界上绝大部分电网已经在正常运行中使用了状态估计程序，其在电力系统中所得到的效果已被充分肯定。它能够利用网络接线信息和实时量测信息估计出完整、一致和可信的系统状态。从理论上讲，它就是根据数据采集和监控系统(SCADA或PMU)采集的信息，以求解非线性方程组的迭代方法求得系统状态变量(母线电压的幅值和相角)的最佳估计值。

电力系统状态估计问题已经得到了广泛的重视，国内外研究人员提出了大量算法。当然，由于一些实际原因，这些算法存在着一定的缺陷［2］，如占用内存大、估计精度不高等。近年来，由于扩展卡尔曼滤波(EKF)算法简单、容易实现、快速收敛等优点，电力系统动态状态估计主要以EKF理论为基础［3］。文献［4］将EKF算法应用到了电力系统动态状态估计中。但EKF算法在实际使用中存在明显的缺陷:一是线性化有可能产生极不稳定的滤波;二是EKF需计算雅克比矩阵的导数，这在多数情况下不是一件容易的事［5］。近年来，无迹卡尔曼滤波(UKF)算法在导航、测轨、卫星定位、导弹状态估计、语音识别等领域得到了广泛应用［6］。此算法能有效地克服EKF的不足，取得比EKF更高的估计精度，而且不用求取雅克比矩阵，计算复杂度也小于EKF法，在电力系统状态估计中应用容易实现。……