扩展卡尔曼滤波在动态负荷参数辨识中应用 application of extended kalman filter in parameter identification of dynamic load model.pdfVIP

第27卷第2期 电力自动化设备 v01．27No．2 2007年2月 Electricl0werAutomation Equipment Feb．2007霸珍 扩展卡尔曼滤波在动态负荷 参数辨识中应用 仲卫进．艾芊 (上海交通大学电气系，上海200030) 摘要：采用扩展卡尔曼滤波算法建立由动态负荷和静态负荷组成的综合负荷数学模型．并列出了 其转子运动方程、状态方程和输出方程，其中动态负荷由等值的异步电机表示。静态负荷由恒定导 纳并联组成。通过动模试验，取得给定负荷在系统扰动时的电压、电流数据。根据所建立数学模型 的输入、输出值，用扩展卡尔曼滤波算法辨识其中的待定参数。参数初值设置为真值的2～7倍．辨识 结果误差为2％。3％。分析结果表明，扩展卡尔曼滤波可在短时间内收敛，能正确地辨识出系统参 数，且稳定性好。结论表明扩展卡尔曼滤波可以用于电力系统参数辨识，为电力系统状态估计、负 荷建模提供了有效方法。 关键词：电力系统：系统辨识：参数估计；扩展卡尔曼滤波：动态负荷模型 中图分类号：TM714 文献标识码：A 干扰和无用信息，滤出较可靠的有用信息。它把受 O引言 扰信号看成一个动态过程。选用噪声的统计特性．把 它从受扰信号中减去，从而获得较精确的有用信号。 电力负荷是电力系统的重要组成部分．在电力系 其本质是一种信息处理方法。扩展卡尔曼滤波是建 统的设计分析中。占有非常重要的地位．正确模拟负 立在线性卡尔曼滤波的基础上．是一种非线性参数估 荷、建立完全正确的负荷模型是国内外电力科学工作 计方法。它本身也具有很多优点．如能得到无偏的最 者所关心的问题。 优估计．递推充分多的步数参数及方差阵的估计不依 到目前为止．国内外学者提出了不少负荷建模的 赖于它们的初值．具有良好的稳定性。 方法[1_引．大致可以归纳为统计综合法和总体测辨法 20世纪70年代初．卡尔曼滤波方法被引入到电 2类。前者的基本思想是将负荷看成个别用户的集 力系统作为数据处理的有力工具．开始在电力系统状 合。根据各种电器的平均特性。综合得出总的负荷模 态估计和观测器上得到应用．并作为一种系统辨识 型，这是一种传统的做法。它不依赖于现场试验，花 的方法∽]。国内很多系统辨识的著作有过介绍。但在 费的代价较小．但其统计工作不仅费时费力．还难以 电力系统领域大多只是提及．并没有作详细研究。本 统计准确，而且对负荷的动态特性不能很好地模拟。 文结合算法利用具体算例．系统地介绍卡尔曼滤波 后者的基本思想是将负荷看成一个整体．确定负荷 在电力系统负荷辨识中的应用。 模型的结构．从现场测量数据辨识出模型的参数。该 方法不需要知道各个用户的负荷组成及参数．不依 1 卡尔曼滤波算法[s．，] 赖于用户的统计资料．对负荷的动态特性[·]也可以 1．1 基本卡尔曼滤波方程 很好地模拟。 对于下面一个线性的动态方程： 总体测辨法根据系统的输入、输出数据辨识负 X(尼+1)=咖^X(|j})+