基于优化无迹Kalman滤波的电网动态谐波估计.pdfVIP

第32卷 第2期 深圳大学学报理工版 Vol．32 No．2 2015年3月 JOURNAL OF SHENZHEN UNIVERSITY SCIENCE AND ENGINEERING Mar． 2015 ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ 【电子与信息科学/ Electronics and Information Science】 基于优化无迹Kalman滤波的电网动态谐波估计 1 1 1 2 江　 辉 , 谢　 兴 , 王志忠 , 彭建春 1) 深圳大学光电工程学院, 深圳518060;2) 深圳大学机电与控制工程学院, 深圳518060 摘　 要: 提出一种基于粒子群优化的无迹卡尔曼滤波(particle swarm optimized unscented Kalman filter, PSOUKF)的电网动态谐波估计方法, 利用包含种群分类与动态学习因子的改进粒子群优化算法, 优化无迹 卡尔曼滤波算法(unscented Kalman filter, UKF)的状态噪声协方差和观测噪声协方差, 使系统噪声对电网动 态谐波估计结果的影响得到充分考虑, 克服了传统UKF算法将这两种方差视为常数导致的动态谐波估计精 度低的缺陷. 仿真结果表明, PSOKUF 算法比卡尔曼滤波(Kalman filter, KF)算法和传统的UKF 算法更有 效, 在没有增加计算复杂度的情况下, 能够提高动态谐波估计精度. 关键词: 电力系统; 电能质量; 动态谐波估计; 无迹卡尔曼滤波; 粒子群算法; 状态噪声协方差; 观 测噪声协方差 中图分类号: TM711; TM93　 　 　 文献标志码: A　 　 　 doi: 10.3724/ SP.J.1249.2015.02188 Dynamic harmonic estimation based on optimized unscented Kalman filter model 1† 1 1 2 Jiang Hui ,Xie Xing ,Wang Zhizhong ,and Peng Jianchun 1) College of Optoelectronic Engineering ,Shenzhen University,Shenzhen518060,P.R.China 2) College of Mechatronics and Control Engineering,Shenzhen University,Shenzhen518060,P.R.China Abstract:We proposeaparticle swarmoptimizedunscented Kalmanfilter (PSOUKF)methodto estimatethepower system dynamic harmonics. By using the improved particle swarm optimization algorithm with species classification and dynamic learning factor,we optimize the state noise covariance and the measurement noise covariance of the unscented Kalman filter (UKF) so as to sufficiently take the impacts of power system noise on dynamic harmonic estimation intoaccount.