基于综合预测和自适应滤波器电力系统动态状态估计.pdfVIP

维普资讯 2008年 8 月 电 工 技 术 学 报 VO1．23 NO．8 第 23卷第 8期 TRANSACT10NS0FCHINA ELECTROTECHNICAL SOCIETY Aug． 2008 基于综合预测和 自适应滤波器的 电力系统动态状态估计 韩 力 韩学山 陈 芳 (山东大学电气S-程学院 济南 250061) 摘要 对基于扩展卡尔曼滤波 (EKF)原理的动态状态估计理论进行了深入的分析，并指出 其存在的问题的此基础上，提出具有 自适应能力的动态状态估计模型和算法。该模型和算法的新 意主要体现在：在预测环节 中，建立系统节点注入功率制约作用和系统状态 自身预测融合的加权 优化综合预测模型，提高了状态预估的精度；在滤波环节中，基于最小二乘支持向量机技术，建 立了自适应的限定记忆动态滤波器，提高了模型的估计能力和计算速度。对山东500kV电网进行 的实际分析，充分表明了该方法的有效性。 关键词：电力系统 动态状态估计 支持向量机 卡尔曼滤波 自适应滤波 中图分类号：TM712 DynamicStateEstimationinPowerSystem Basedon IntegratedForecastingModelandAdaptiveFilter HanLi HanXueshan ChenFang (ShandongUniversity Jinan 250061 China) Abstract Thispaperfurtheranalyzesdynamic stateestimation theory based on the extend Kalmanfilter(EKF)andpointsouttwoexistentproblems．Thenmodelandalgorithm forself—adapting dynamic estimatorispresented here．Theirnew ideasembody two aspects．In forecasting model， considering controlaction ofnodalpowerto system statesand self—regulation ofstates，integrated modelforsystem statesisusedtoincreasepredictionaccuracy．Infilteringmodel，usingleastsquare supportvectormachines(LSSVM)technology，self-adaptingdynamicfilterisformedwithlimited memoryto increaseestimationcapabilityandcomputingspeed．Itmakesasatisfyingresultinactual applicationforpowersystem controlcenterofShandongprovince． Keywords：Powersystems，dynamicstateestimation，support vectormachines，kalmanfiltering， adaptivefilters 行的实际，因为动态估计考虑状态在过去一个时间 1 引言 段内的统计特性，兼有状态估计和预测的功能，因 电力系统状态估计是能量管理系统 (EMS)的 此动态估计一直受到国内外学术界的重视。