李红霞，李尚远，李振垚，甘德强

(浙江大学 电气工程学院，浙江 杭州 310027)

0 引 言

随着我国电力系统的发展，电力系统规划调度和故障分析主要依赖于软件建模和分析，负荷模型参数的准确性对电力系统的安全稳定运行有重要意义[1]。传统负荷建模方法主要有统计综合法、故障拟合法和总体测辨法[2-3]。总体测辨法根据经验选择负荷模型，运用大扰动数据寻找最优参数，使得输入输出关系接近实际测量值，但负荷时变性，大扰动时刻辨识的负荷模型无法代表实际负荷。近年来随着广域测量系统(wide area measurement system, WAMS)的发展，其测量单元(PMU)提供了实时测量的小扰动运行数据。相对于来自系统响应信号或者人工激励信号的大扰动数据，负荷模型在小扰动环境下可以当作一种线性系统，方便进行模型选择和计算。

由于小扰动数据类型较少、信噪比较低，在具体辨识过程中应考虑减少噪声的影响。1960年美国科学家卡尔曼在系统状态空间模型基础上提出了卡尔曼滤波，在线性滤波问题上得到了考虑噪声影响的解析解[4-6]。但传统卡尔曼滤波器常因不能满足理想条件，而造成实际滤波效果不佳，甚至滤波发散[7]。因此，学者们提出了多种改进算法。Rouhani等人[8]提出了一种基于非线性观测器寻找负荷参数最优解的扩展卡尔曼滤波算法。Wang等人[9]提出了一种在线性离散系统中过程噪声完全未知时估算过程噪声协方差矩阵的算法。然而现有研究中，结合PMU实时数据，运用自适应卡尔曼滤波辨识线性负荷模型参数的研究较少。……