作者：李扬; 李京; 陈亮; 李国庆动态状态估计发电机容积卡尔曼滤波量测噪声分布不良数据相量测量单元数据
摘要：容积卡尔曼滤波(CKF)在非线性动态状态估计领域有着良好的估计效果。但由于容积卡尔曼滤波缺乏对量测噪声特性的在线自适应能力,其对不良数据和非高斯白噪声的处理效果并不理想。为了解决当量测量统计特性偏离先验统计特性时,容积卡尔曼滤波算法性能下降和发散的问题,通过将抗差估计理论中的M-估计理论与容积卡尔曼滤波相结合,提出抗差容积卡尔曼滤波(RCKF)算法,并将其尝试应用于复杂噪声条件下的发电机动态状态估计中。IEEE 9节点系统和新英格兰16机68节点系统的仿真结果表明:在不同量测噪声且量测量存在不良数据的复杂噪声条件下,与传统CKF算法相比,所提抗差CKF算法均具有更好的估计精度和收敛能力,并能有效消除不良数据对估计效果的影响。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
