[发明专利]一种基于UKF的配电网抗差动态状态估计方法

说明书

技术领域

本发明涉及一种状态估计，具体涉及一种基于UKF的配电网抗差动态状态估计方法。

背景技术

随着欧美国家开展对智能电网的建设，中国相应地依据自己的国情，分别以特高压为骨干的输电网、构建自动化程度高的配电网作为建设方向。对配电网自动化的研究和发展，影响着智能配电网建设进度，研究高精度实时的动态状态估计对于配网管理系统尤其重要。

大量分布式电源以及负荷特性变化大的电动汽车接入配电网，使配网的动态性更强。电网要求配电管理系统提高监测与控制能力，为此，需要状态估计提供实时可靠完整的系统运行数据。配电网三相不平衡、大量短支路的存在以及量测配置较少等特征，使在输电网应用成熟的状态估计算法不能应用在配电网中，如PQ解耦法，故研究适用于配电网状态估计的算法。

目前对配电网状态估计研究主要分为两类，一类基于最小二乘法的静态状态估计算法，以一个时间断面的量测数据进行状态估计，常使用的有基于节点电压、支路电流、支路功率作为状态变量，使系统量测信息和量测估计值误差最小为收敛原则，要求量测严格服从正太分布，条件苛刻。用牛顿迭代法对状态模型求解。

另一类则是以卡尔曼滤波为基础的动态状态估计算法，考虑多个时间量测断面的量测数据进行状态估计，滤波效果好，计算速度快，而且还能预测下一时刻的系统状态。在配电网量测量较少的情况下，基于两参数指数平滑法可以一步预测，补充系统的伪量测。

无迹卡尔曼滤波(Unscented Kalman Filter，UKF)是以线性卡尔曼滤波理论为框架，采样无迹变换技术对非线性函数线性处理，近似程度达到四阶及以上，适用性好。而且该算法采用sigma点采样，不用计算雅克比矩阵，减少了扩展卡尔曼滤波算法的线性化误差，但也存在量测有粗差或负荷突变时，滤波性能下降，还有可能发散等缺点。

发明内容

为了解决上述UKF算法存在的不足，本发明提供了一种基于UKF的配电网抗差动态状态估计方法，以配电网三相电压幅值和相角作为状态变量，通过对称比例采样方法计算sigma点及其权值，然后利用两参数指数平滑法进行参数识别并进行一步预测，通过量测方程利用预测的状态量求取量测预测，对实时量测与量测预测值形成的新息矩阵，采用所提出的指数权函数动态修正，及时调整不良数据的权重，求取卡尔曼滤波增益，最后更新状态变量以及协方差。实验结果表明，当系统正常运行时，基于指数权函数UKF算法与传统UKF算法滤波效果和时间相差不大；在系统负荷突变或存在粗差时，UKF算法滤波效果极具下降且有发散的趋势，而指数权函数UKF法则不受此影响，估计精度较高，验证了改进算法的抗差性以及数值稳定性。

为了实现上述发明目的，本发明采取如下的技术方案：

提供一种基于UKF的配电网抗差动态状态估计方法，所述方法包括以下步骤：

步骤(1)输入配电网三相网络参数，包括支路参数，变压器参数，负荷参数，计算系统节点导纳矩阵Y。

步骤(2)在K＝0时刻，初始化状态变量节点电压的均值和协方差。

步骤(3)根据K时刻的状态估计值和协方差进行sigma点采样并计算采样点对应的权值。

步骤(4)采用Holt's两参数指数平滑法进行参数识别，得到状态变量在K时刻的预测值并利用量测方程计算得到量测预测值。

步骤(5)由K时刻量测预测值计算系统的协方差及互协方差。

步骤(6)根据新息矩阵利用指数权函数对他平滑，动态修正K时刻量测值的量测权重，及时更新量测误差协方差矩阵。

步骤(7)计算卡尔曼滤波增益并更新系统的状态和协方差。

步骤(8)判断系统采样是否结束，若结束，执行步骤(7)，若不结束，返回执行步骤(2)。

步骤(9)输出K+1时刻的状态变量估计值。

所述步骤(1)对配电网可观性进行分析，生成系统的节点导纳矩阵Y。

所述步骤(2)配电网状态变量的均值和协方差作为UKF算法的初始值，其中p＝abc。

所述步骤(3)在进行sigma点采样时，方法主要有单行采样、球形采样、对称比例采样。采样方式影响状态估计算法的计算效率和数值稳定性。单行采样速度最快，数值稳定性最差，球形采样的所有权系数都相同则会受状态初值影响，比例对称采样方法近似精度高。对于n维的配电系统，采用对称比例采样方法，计算2n+1个sigma点和相对应的权值；选取对称采样法具有较好的数值稳定性，通过无迹变换得到2n+1个sigma采样点集及相应的权值：