[发明专利]一种基于扩展卡尔曼滤波的电力系统状态估计方法

权利要求书

1.一种基于扩展卡尔曼滤波的电力系统状态估计方法，其特征在于：包括以下步骤：

步骤1、获取多源量测数据；

步骤2、构建基于长短期记忆神经网络建立系统的状态预测模型，并判断是否达到模型的训练精度；

步骤3、采用扩展卡尔曼滤波对多源量测数据进行处理，对系统的非线性模型线型化；

步骤4、采用加权最小二乘法实现对系统的状态估计，得到电力系统的状态最优估计。

2.根据权利要求1所述的一种基于扩展卡尔曼滤波的电力系统状态估计方法，其特征在于：所述步骤2的具体方法为：

长短期记忆神经网络采用了遗忘门、输入门和输出门的三门结构；

(1)遗忘门用来控制前一时刻的记忆单元状态c_t-1中需要保存的信息，将计算值保存到当前记忆单元状态c_t中；遗忘门的计算公式如下：

fo_t＝σ(W_f·[g_t-1,u_t]+b_f) (1)

其中，fo_t表示遗忘门在时刻t下的计算结果；W_f表示遗忘门的权重矩阵；g_t-1表示隐含层在前一时刻的状态；u_t表示在时刻t下的控制状态；b_f表示遗忘门的偏置项；σ表示sigmoid激活函数，介于[0,1]之间；如果σ为0则表示上一时刻的信息全部忘记，如果σ为1则表示上一时刻的信息全部记忆；

(2)输入门控制当前状态u_t有多少信息保存至当前记忆单元状态c_t中；输入门的计算公式如下：

i_t＝σ(W_i·[g_t-1,u_t]+b_i) (2)

其中，i_t表示输入门在时刻t下的计算结果；W_i表示输入门的权重矩阵；b_i表示输入门的偏置项；g_t-1表示隐含层在前一时刻的状态；u_t表示t时刻下的状态值；若最终i_t为0，则表示对t时刻的输入信息全部忘记；如果i_t为1，则表示对t时刻的输入信息全部记忆；

(3)在得到记忆单元的当前状态c_t前，需要先计算它的候选状态值c_t’；计算c_t’的计算公式如下：

c_t'＝tanh(W_c·[g_t-1,u_t]+b_c) (3)

其中，c_t’表示t时刻输入至记忆单元的候选状态；W_c表示输入单元状态权重矩阵；b_c表示输入单元状态的偏置项；tanh表示双曲正切激活函数，其值介于[-1,1]之间；

(4)根据步骤(3)中计算得到输入单元状态c_t’，再由公式(4)计算当前的记忆单元状态c_t；

c_t＝fo_t·c_t-1+i_t·c_t' (4)

其中，c_t-1是记忆单元在前一时刻的状态，其余变量可由公式(1)-(3)计算得到的状态c_t成功将长期记忆和当前记忆整合到了一起；

(5)输出门控制当前记忆单元状态c_t有多少信息可以保存到输出状态；计算公式如下：

o_t＝σ(W_o·[g_t-1,u_t]+b_o) (5)

g_t＝o_t·tanh(c_t) (6)

其中，o_t是输出门在t时刻下的输出结果，W_o表示输出门的权重矩阵；b_o表示输出门的偏置项；g_t表示隐含层在第t时刻的状态。