[发明专利]一种基于卡尔曼滤波的VSC微小故障诊断方法

权利要求书

1.一种基于卡尔曼滤波的VSC微小故障诊断方法，其特征在于，包括以下步骤；

Step1：建立主电路模型；

根据VSC的结构、电路结构及KVL定理，可得：

Step2：利用前向欧拉公式，得到电流的预测模型；

式中i是VSC模型交流测滤波电感电流、E是交流侧电压、u是直流侧电压、L是滤波电感，T_s是采样间隔；

Step3：基于卡尔曼滤波算法和模型方程建立VSC的状态方程和量测方程；

v_f(k)和w_f(k)是相互独立的模型噪声矩阵，式中H为单位阵；

Step4：计算系统模型当前时刻的电流残差；

由卡尔曼滤波算法得VSC系统模型电流的状态预测、量测预测方程：

由模型得测量残差：

由卡尔曼滤波算法得卡尔曼增益：

W(k+1)＝P(k+1|k)R^-1(k+1)

式中P(k+1|k)是VSC系统模型协方差：P(k+1|k)＝P(k|k)+Q(k)

式中Q(k)和R(k)是VSC系统方程定义的误差统计量；

卡尔曼滤波算法得模型预测电流：

上式是在下一刻对下一刻模型电流的测量预测值，即在当前时刻对模型电流测量预测值：

VSC系统模型中已知实际的电流测量值i(k)，卡尔曼滤波算法得到系统电流在当前时刻的测量预测值分析实际测量值和预测测量值，其残差为：

Step5：设计决策函数；

计算一段时间内n个时间点残差的加权平方和：

式中X_m是m时刻的故障指示信号，ω_m是m时刻的权重值，R_m是m时刻噪声矩阵；

设定故障指示信号为：

故障指示信号与决策函数比较，判断VSC系统模型是否出现故障；

所设置决策函数为其中e为所设定阈值；

Step6：判断系统是否故障；

如故障指示信号大于所设定阈值e则系统出现故障，相反则系统无故障发生。