一种发电机动态状态估计方法
【技术领域】
[0001] 本发明设及电力系统动态状态估计技术领域，尤其设及一种发电机动态状态估计 方法。
【背景技术】
[000引 同步相量测量单元（phasormeasurementunit,PMU)的出现为电力系统暂态稳 定分析与控制提供了新的技术手段。然而，在干扰、测量设备故障、同步信号丢失等情况下， 往往导致坏数据的出现。坏数据可能使得PMU在应用过程中导致错误的分析结果和控制策 略。状态估计能够剔除量测量中存在的坏数据，因此，研究基于PMU的电力系统机电暂态过 程中动态状态估计至关重要。
[0003] 近年来，基于PMU的机电暂态过程发电机动态状态估计问题是电力系统动态状态 估计领域的热点。针对具有非线性的发电机动态方程，其动态状态估计问题是一个典型的 非线性问题，采用W卡尔曼滤波算法为基础方案的是一种普遍的解决思路，如基于扩展卡 尔曼滤波巧KF)、无迹卡尔曼滤波0JK巧的动态状态估计。EKF的线性化过程导致截断误差 过大，UKF需要确定参数值，灵活性差，应用不便。针对该问题，加拿大学者Simon化ykin 于2009年提出容积卡尔曼滤波（CK巧算法。然而，无论UKF还是CKF，当量测量存在坏数据 时，估计精度都会在一定程度上受到影响，甚至导致估计结果严重偏离实际值，动态状态估 计失败。
【发明内容】
[0004] 本发明的目的是提供一种发电机动态状态估计方法，该方法使其能够在PMU量测 量含有坏数据的情况下对发电机状态量预报值进行准确修正，得到准确的状态量估计值。
[0005] 本发明的目的是通过W下技术方案实现的：
[0006] -种发电机动态状态估计方法，包括：
[0007] 根据系统方程对k-1时刻的发电机动态状态估计结果进行计算，获得第k时刻发 电机动态状态估计结果；
[0008] 利用CKF滤波算法对第k时刻发电机动态状态估计结果进行预报与滤波处理；其 中，通过预报处理获得k+1时刻的发电机动态状态预报结果；在滤波处理时，引入时变多维 观测噪声尺度因子并结合PMU的实时量测值对k+1时刻的发电机动态状态预报结果进行滤 波，从而实现发电机动态状态结果的准确估计。
[0009] 进一步的，所述系统方程为：
[0010]
[0011] 式中，下标k+1与k均相应的表示k+1时刻与k时刻；F和Η分别为状态方程函数 和量测方程函数，X、U和Ζ分别为状态量、控制量和量测量；V和W分别为系统噪声和量测 噪声，误差方差阵分别为Q和R的正态分布；
[0012] 其中，状态量X= [δωΕ'qE'd]T，控制量二[7；,,与.[/>,]' ·状态方程的具体形式 为：
[0013]
[0014] 式中，δ和ω分别为发电机转子绝对功角和电角速度标么值；安和点是对时间微 分的简化写法，字母上方的?表示dMt微分算子；Tj为发电机惯性时间常数；Tm为机械转 矩；11,和@分别为发电机出口电压相量的幅值和相角；X'q和X'd分别为q轴和d轴瞬变 电抗；E'q和E'd分别为q轴和d轴瞬态电动势；D为阻尼系数；τ'。。和Τ'd。分别为Q 轴和d轴开路瞬变时间常数；Ef为定子励磁电动势；Xq和Xd分别为q轴和d轴同步电抗； [001引量测量Z= [δZω,PJT，量测方程的具体形式为：
[0016]
[0017] 式中，δ,、ω,和Pe分别为转子绝对功角、电角速度和输出电磁功率的PMU量测 值；
[0018] 根据上述状态方程与量测方程的具体形式，W及k时刻系统噪声方差矩阵Qk和 k+1时刻量测噪声方差阵Rw，则能够实现发电机动态状态估计；
[001引其中的k+1时刻量测噪声方差阵Rw根据PMU实际量测误差进行取值，k时刻系统 噪声方差矩阵Qk表示为：
[0020]
[0021] 式中，泌、σ,心和记分别为k时刻δ、ω、Ε'q和E'd的系统噪声 方差；
[0022] 通过误差传递公式进行计算：
[0023]
[0024] 式中：0为噪声方差；0。和分别为发电机出口电压相量的幅值和相角PMU量 测误差标准差；
[002引则有：
[0030] 式中，At为步长。
[0031] 进一步的，所述通过预报处理获得k+1时刻的发电机动态状态预报结果的步骤包 括：
[0032] 所述的第k时刻发电机动态状态估计结果包括：第k时刻发电机动态状态量的估 计值而《与估计误差方差阵Pklk;
[003引对Pki进行化olesky分解，得到k时刻估计误差方差阵的平方根矩阵Skik:
[0034]
[0035] 利用下式对第k时刻发电机动态状态量的估计值生成一组等权值的容积点 Xi,k|k:
[0036]
[0037]式中，参数苗=，/=1，2，...，2? :，η为状态量维数；
[0038] 利用下式对每一个容积点进行变换，得到所有容积点的预报值
[0039]
[0040] 对所有发电机状态量容积点的预报值进行加权求和，得到状态量预报值兩+1'5
[0041]
[0042] 并通过下式获得预报误差协方差阵PwIk:
[0043]
[0044] 进一步的，所述在滤波处理时，引入时变多维观测噪声尺度因子并结合PMU的实 时量测值对k+1时刻的发电机动态状态预报结果进行滤波，从而实现发电机动态状态结果 的准确估计包括：
[0045] 所述的k+1时刻的发电机动态状态预报结果包括：k+1时刻的发电机动态状态量 预报值而+?μ与发电机状态量预报误差协方差阵Pwik;
[0046] 对预报误差协方差阵Pwik进行化olesky分解，得到k+1时刻发电机状态量预报 误差协方差阵的平方根矩阵SwIk:
[0047]
[004引利用下式对k+1时刻的发电机动态状态量预报值兩-+!μ生成一组等权值的状态量预 报值容积点Xi,w|k:
[0049]
[0050] 利用下式对每一个状态量预报值容积点进行变换，得到PMU量测量预报值的容积 点Z;,k+1Ik:
[0051] Zi,k+i|k=Η狂i,k+i|k,Uk);
[0052] 对所有PMU量测量预报值的容积点进行加权求和，进而得到PMU量测量预报值 ^aiA·
[0053]
[0054] 计算PMU量测量预报误差方差阵Pvv,w:
[00巧]
[005引利用得到PMU的实时量测值Zk4= [δ心1 "心1PekJT计算新息向量eW，进而得 到时变多维观测噪声尺度因子丫
[0057]
[0059] 式中，Μ为开窗估计法的窗长；
[0060] 再利用下式计算对角阵丫 '
[006" 丫 'w=diag(丫' 1，丫 ' 2,…，丫 'm);
[006引式中，对角元素丫 '1的取值为：丫'i=max{l, 丫化ii}，i= 1，2,…，η; 丫k+i,ii为Tw的第i个对角元素；
[0063] 根据下式计算发电机状态量预报值和PMU量测量预报值之间的互协方差矩阵 Pjiz,k+l|k:
[0064]
[0065] 再计算卡尔曼滤波增益Ww:
[006引 Ww=Pxz到k(Pvv,w+丫 'wRw) 1;
[0067] 利用k+1时刻新息向量ew，并通过卡尔曼滤波增益Wk+i对k+1时刻的发电机动态 状态量预报值而1￥-进行滤波，获得k+1时刻发电机动态状态量的估计值而;
[0068]
[0069] 并通过下式计算获得发电机动态状态量估计误差方差阵Pwiw:
[0070]
[0071] 由上述本发明提供的技术方案可W看出，该估计方法针对PMU量测量中坏数据导 致发电机动态状态估计结果偏离真实值的问题，将时变多维观测噪声尺度因子引入到CKF 滤波算法中，不仅提高了该方法的鲁棒性，还可得到准确的状态量估计值。
【附图说明】
[0072] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用 的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本 领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可W根据运些附图获得其他 附图。
[0073] 图1为本发明实施例提供的一种发电机动态状态估计方法的简要流程图；