APP下载

考虑相位失配量的电力系统动态状态估计方法*

2015-04-28吴亚联

湘潭大学自然科学学报 2015年1期
关键词:卡尔曼滤波测量模型

吴亚联, 李 戈, 龙 辉

(湘潭大学 信息工程学院,湖南 湘潭 411105)

考虑相位失配量的电力系统动态状态估计方法*

吴亚联*, 李 戈, 龙 辉

(湘潭大学 信息工程学院,湖南 湘潭 411105)

针对当前电力系统中数据采集与监视控制系统(Supervisory Control And Date Acquisition,SCADA)和相量测量单元(Phasor Measurement Units,PMU)并存,以及不同规格的PMU之间不能实现完全同步的现状,引入了一种基于不完全同步PMU的电力系统动态状态估计模型,与SCADA组成混合量测系统,在此基础上提出了一种考虑相位失配量的线性动态状态估计算法.结合线性定常系统卡尔曼滤波原理,分别对相位失配量和系统状态进行滤波处理,实现对系统状态的估计.相比于传统方法,该算法的雅可比矩阵为常数阵,缩短了状态估计时间,减少了不必要的迭代.采用Matlab平台在IEEE 30节点系统上进行仿真实验,结果表明,在PMU不完全同步的情况下,提出的方法较传统的线性算法具有更好的性能,在很大程度上减小了状态估计产生的误差.

混合量测系统;线性动态状态估计;相量测量单元;相位失配量;卡尔曼滤波

电力系统状态估计按方式可分为静态状态估计和动态状态估计两种类型.动态状态估计能实时提供系统运行状态的预测值和估计值,为实现电网实时调度、安全评估和预测控制[1,2]等在线功能提供有效的数据保障,能更好地描述电力系统的本质,因此在近年来受到了广泛关注.但由于存在滤波过程复杂等缺点,故电力系统动态状态估计一直停留在理论阶……

登录APP查看全文

猜你喜欢

卡尔曼滤波测量模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
3D打印中的模型分割与打包
测量
基于模糊卡尔曼滤波算法的动力电池SOC估计
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于自适应卡尔曼滤波的新船舶试航系统