基于卡尔曼滤波算法的动态谐波状态估计技术研究 电气工程专业论文.docxVIP

基于卡尔曼滤波算法 的动态谐波状态估计技术研究 重庆大学硕士学位论文 学生姓名：祝石厚 导师姓名：侯世英 副教授 专 业：电气工程 学科门类：工学 重庆大学电气工程学院 二 OO 八年四月 Study on Dynamic Harmonic State EstimationTechnology Based on Kalman filter A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Degree of Master of Engineering by Zhu Shihou Supervisor:Associate Prof. Hou Shiying Major: Electrical Engineering College of Electrical Engineering of Chongqing University , Chongqing, China. April,2008 重庆大 重庆大学硕士学位论文 中文摘要 I I 摘 要 近年来，随着电力电子技术的发展以及大量的非线性负荷的投入使用，越来越 多的谐波注入到电网中。电力系统谐波已经成为影响电能质量的一个重要方面，实 际的治理需要对电网中的谐波状态进行监测，谐波状态估计技术计算程序根据网络 拓扑结构和选定线路的谐波电流与母线谐波电压测量值，确定整个电网的谐波电压 水平，进而确定整个网络谐波的有关信息。 现代量测技术的发展为谐波状态估计技术提供了前提条件，同时带来了量测变 量、估计模型、求解算法以及可观性分析等相关问题的改变。本文首先介绍了我国 北斗卫星导航系统的开发新进展和谐波量测系统，选择母线电压、母线注入电流和 支路电流同步量测作为量测变量，整个电网的母线电压向量作为状态变量，然后建 立起动态状态估计的量测方程。接着介绍了基于卡尔曼滤波(Kalman Filter)算法的动 态谐波状态估计算法及其改进算法，通过模拟仿真和程序进行验证；最后介绍了不 良数据的检测方法及其实现步骤。本文的主要工作及结论如下： 建立起基于卡尔曼滤波算法的电力系统动态谐波状态估计数学模型，以估计的 最小均方误差为准则，采用一系列递推方程来实现最优估计。在此基础上研究自适 应卡尔曼滤波算法，自适应算法主要有两种实现方法：①系统协方差矩阵 Q 和量测 协方差矩阵 R 的自适应取值；②引入遗忘因子卡尔曼滤波算法。自适应动态谐波状 态估计的状态变量和测量量具有维数高的特点，而且由于受计算机舍入误差的影响， 其收敛性受到挑战，为此提出了一种基于离线确定 Q 、 R 矩阵和带固定遗忘因子的 卡尔曼滤波算法的动态谐波状态估计算法，通过在 MATLAB 环境下的 IEEE-14 节 点系统动态谐波仿真与估计算法编程验证，该算法在准稳态条件下较好地跟踪电力 系统谐波状态，计算精度高。 在电力系统处于准稳态和无不良数据情况下，比较了静态估计算法和动态估计 算法的精度，二者估计精度相近，都能满足谐波状态估计技术的精度要求。在电力 系统不满足准稳态条件时，采用卡尔曼滤波算法误差较大，采用奇异值分解算法 (Singular Value Decomposition-SVD)的静态估计算法具有更好的收敛性和估计精度； 在有不良数据条件时，基于卡尔曼滤波算法的动态估计算法在不良数据检测具有优 势。因此提出一种结合二者长处的混合估计算法——SVD-Kalman 估计算法，在算 法程序运行初始时刻和不满足准稳态前提时启用 SVD 估计算法，为卡尔曼滤波算 法提供基准状态估计数据和向管理者提供谐波数据库；在大部分时间内，电力系统 将处于准稳态，启用带固定遗忘因子的卡尔曼滤波程序，充分利用动态估计算法的 优越性。 II II 阐述了电力系统谐波状态估计不良数据的来源和对谐波状态估计的影响，在此 基础上分析了各种不良数据检测方法的优缺点。并提出将标准残差检测和量测量突 变检测方法应用到 SVD-Kalman 估计算法，给出了其切换判据和算法步骤。 关键词：谐波状态估计，卡尔曼滤波算法，SVD 算法，不良数据检测 重庆大 重庆大学硕士学位论文 英文摘要 PAGE PAGE VI ABSTRACT In recent years, with the development of power electronics technique and the use of non-linear loads, more and more harmonics are injected into the network. Harmonic becomes an important element of