[发明专利]可处理非高斯噪声和不良数据的同步发电机状态估计方法

权利要求书

1.可处理非高斯噪声和不良数据的同步发电机状态估计方法，其特征在于，包括如下步骤：

1)初始化估计器参数值，包括初始状态向量系统噪声和量测噪声的协方差矩阵W₀和G₀，初始状态估计协方差矩阵Φ_0|0；

2)利用无迹卡尔曼滤波方法的预测步，计算k时刻的状态预测值和状态预测误差协方差矩阵

3)根据量测函数h，计算k时刻的量测预测值和量测预测误差协方差矩阵

4)计算k时刻的状态预测和量测预测之间的交互协方差矩阵结合状态预测值和量测值，建立线性批处理回归模型并进行白噪化处理；

5)利用基于指数绝对值的改进算法求解白噪化处理后的线性批处理回归模型得到状态估计结果

6)重复2)-5)直至满足时迭代停止，为第u次迭代的状态估计解；

7)输出动态状态估计结果，利用影响函数计算k时刻的估计误差协方差并更新误差协方差。

2.如权利要求1所述的可处理非高斯噪声和不良数据的同步发电机状态估计方法，其特征在于：所述估计器设有同步发电机的过程模型和量测模型，分别表示为：

x_k＝f(x_k-1,u_k)+w_k

z_k＝h(x_k,u_k)+v_k

其中x_k＝[δ ω E_q′ E_d′]^T分别表示同步发电机的状态向量，δ代表相角，ω代表角速度，E_q′E_d′代表q轴和d轴的暂态电动势，u_k＝[E_fd T_m]^T表示控制变量，E_fd代表励磁电压，T_m代表发电机机械转矩，z_k＝[V θ]^T表示量测向量，V、θ代表节点电压幅值和相角，f和h分别表示同步发电机状态方程和量测方程，k和k-1表示时刻，w_k和v_k分别表示系统噪声和量测噪声且两者相互独立。

3.如权利要求2所述的可处理非高斯噪声和不良数据的同步发电机状态估计方法，其特征在于：步骤2)具体为：

先根据无迹卡尔曼滤波方法，产生2n+1个sigma状态采样点计算公式如下

其中n表示状态变量的个数，表示k-1时刻的状态值，表示状态预测误差协方差矩阵，代表从i＝n+1到i＝2n时sigma点的计算方法；

再计算k时刻的状态预测值和状态预测误差协方差矩阵计算公式如下

其中，ω_i代表权重。

4.如权利要求3所述的可处理非高斯噪声和不良数据的同步发电机状态估计方法，其特征在于：步骤3)中，具体计算方法如下：

其中，代表第i个sigma点通过非线性过程方程得到的转换后的样本值，G_k代表k时刻量测模型的误差协方差矩阵。

5.如权利要求4所述的可处理非高斯噪声和不良数据的同步发电机状态估计方法，其特征在于：步骤4)中，所述k时刻的状态预测和量测预测之间的交互协方差矩阵公式如下：

6.如权利要求1所述的可处理非高斯噪声和不良数据的同步发电机状态估计方法，其特征在于：步骤4)中，所述线性批处理回归模型表达式如下：

x_k表示同步发电机的状态量也即k时刻状态真实值，是这个模型的量测值，是系数矩阵，是这个模型的误差。