电力系统状态估计研究综述

电力系统状态估计是能量管理系统(EMS)的重要组成部分,其结果直接影响电网调度的智能化分析与决策。综述了电力系统状态估计的研究现状。首先,简要分析了电力系统经典静态状态估计和动态状态估计的基本功能及其发展;然后,介绍了几种目前新出现的状态估计方法,即新息图状态估计、谐波状态估计、配电网状态估计等,指出各个方法的优缺点。最后,对状态估计方法中值得研究的方面进行了展望。     

一种智能状态估计方法及应用

为提高机理复杂工况变化较大的一类生产过程状态估计的精度 ,提出一种基于多模型和专家知识的智能状态估计方法 ,并给出了用于青霉素发酵过程状态估计的结果。这种方法采用多个状态估计模型进行估计 ,然后由优选专家系统选择一个最优的作为最终结果。给出了状态估计系统的结构及优选专家系统的结构和设计。优选专家系统采用改进的 Bayes方法进行不确定性推理。这一估计方法可以应用于类似于青霉素发酵这类机理复杂过程的状态估计。     

带等式状态约束的集合卡尔曼滤波算法

对含等式状态约束的非线性系统状态估计问题,本文考虑将集合卡尔曼滤波算法与估计投影方法结合,分别对每个状态粒子和加权平均后的状态估计向量使用估计投影方法,得到两种新的带约束的状态估计算法. 实验表明,与粒子滤波和不带约束的集合卡尔曼滤波相比,新算法的估计精度有所提高     

基于扩展卡尔曼滤波器的液压驱动器状态估计

本文的液压驱动器属于不可观测的非线性系统,普通的状态观测器难以胜任系统的状态估计,故采用扩展卡尔曼滤波器对液压缸活塞腔和杆腔压力进行估计.建立了液压系统的4阶非线性状态空间模型,用高斯-牛顿法拟合模型参数,用关节角度信号通过扩展卡尔曼滤波器估计液压驱动器状态.仿真结果表明该方法可以精确估计液压缸压力,实验结果显示该方法估计的关节扭矩接近测量值;从而验证了扩展卡尔曼滤波器估计液压系统状态的有效性,为基于状态的故障诊断和液压驱动器控制提供了一定的借鉴.     

具有未知输入干扰的状态估计器的设计

研究了系统含有未知扰动时的状态估计问题,提出了一种新的状态估计方法,它能消除未知输入干扰,给出了新型状态估计器存在的条件。仿真结果证明了本文的正确性。     

配电网集成负荷估计和状态估计

负荷估计和状态估计对于配电网的管理和控制非常重要．文中提出了一种集成的负荷估计和状态估计框架．一方面提出了一种基于连接机制的事例推理新方法(CBCBR)用于解决配电网节点负荷估计问题,分别介绍了CBCBR的原理、结构、混合学习算法和实际应用,CBCBR具有快速、增量式、自适应学习能力；另一方面提出了一种抗差状态估计方法,同时实现了结构空间和量测空间的抗差．抗差状态估计器使用CBCBR的输出作为输入的伪量测量,同时CBCBR可使用抗差估计器的输出改善其自身性能．所提集成的负荷估计和状态估计框架能有效抵御坏数据的影响,并可实现自适应性调节．使用33节点系统测试所提方法,所用节点数据来自实际系统,算例结果证明了读方法的有效性．     

基于深度神经网络-近似线性网络混合模型的电力系统状态估计方法

为提高电力系统实时状态估计的精度和计算效率,解决电网电压波动频发、潮流分布的不确定性剧增等问题,通过提出一种基于深度神经网络和近似线性网络模型的电力系统状态估计方法,研究了其在电网的应用。该方法将混合系统量测数据通过粒子滤波算法得到样本集,利用训练样本训练所提出的混合神经网络模型,最后将测试样本输入已建立的模型中获得系统状态的估计结果。通过IEEE118节点系统进行的负载数据仿真实验表明：基于混合神经网络模型的电力系统状态估计方法不仅能快速进行海量数据训练,还能有效避免过拟合;在实时状态估计的精度和计算效率方面,相较于高斯-牛顿法均有提高。可见所提方法在电力系统实时状态估计方面具有一定的应用价值。     

基于动力系统模型的四旋翼推力估计方法

为解决四旋翼飞行器的精确控制需要使用动力系统推力,而该飞行器推力不可直接测量的问题,提出了一种悬停状态下的四旋翼推力估计方法.对四旋翼动力系统建模,并建立了悬停状态下用于推力估计的线性系统,以动力系统输入控制值和四旋翼姿态及高度输出测量值作为新系统输入,使用状态观测器对四旋翼推力进行估计.结果表明,基于动力系统模型的四旋翼推力估计方法可有效估计悬停状态下四旋翼动力系统所产生的推力.      

欺骗攻击下基于集员估计的网络化系统跟踪控制

针对在统计特性未知欺骗攻击下,线性时变参数网络化控制系统（NCS）容易出现跟踪偏差的问题,提出了一种基于集员估计的控制策略,实现了系统状态对参考状态的有效跟踪.与卡尔曼估计等方法相比,无需提前知道攻击的统计特性,利用一种新型的集员估计方法,将传感器到控制器通道和控制器到执行器通道遭受的欺骗攻击建模为未知但有界（UBB）的信号,其中系统真实状态和估计状态都存在于估计集中.该方法提高了估计的准确性,并扩大了适用范围.采用Lyapunov函数,给出了误差闭环系统稳定的充分条件和基于线性矩阵不等式的估计器和控制器的求解算法,并使用凸优化方法获得最佳的估计集.用数值仿真验证所提出方法的可行性.     

随机2-D系统的集员状态估计

本文研究了噪声在有界椭球集的2-D FMII模型的状态向量的递推估计问题.从提高计算的有效性和可实现性出发,通过在不同的更新阶段采用优化定界椭球(OBE)算法,对该系统提出了一种新的状态估计方法.所得状态估计是状态空间里一个集合而不是单个向量.其中的最优估计是包含系统未知状态的最小容积椭球.     

发输配全局状态估计

为了弥补传统状态估计中发输电系统和配电系统相互独立的局限性,提出了发输配全局状态估计这一新课题。它以全局电力系统为研究对象,能估计出一体化的发输配全局电力系统状态。建立了数学模型,构造了全局状态估计主从分裂法,自然地将规模庞大的全局状态估计问题分解成发输电估计和一系列小规模的配电估计子问题,发输电和配电可以采用不同的估计算法,能支持在线分布式计算。理论分析和数值试验结果均表明新方法具有良好的计算性能,能满足全局状态估计的要求。     

配电系统状态估计分析研究

状态估计对于配电系统的管理和控制非常重要,针对配电系统与输电系统的不同,重点研究了常用的3种经典配电系统状态估计算法,分析比较了这些算法各自的优缺点,并对配电系统状态估计的新算法进行了阐述和展望。     

分布式不敏卡尔曼滤波状态估计技术

在许多实际的分布式多传感器系统中,系统的动态或传感器的观测方程是非线性的.解决分布式多传感器非线性系统的状态估计问题,通常采用的一种方法是分布式扩展卡尔曼滤波.但由于模型的线性化误差,EKF的滤波效果在很多情况下并不能令人满意.另外,在许多实际应用中,模型的线性化过程比较繁杂,而且也不容易得到.为了有效解决分布式多传感器非线性系统的状态估计问题,提出了一种基于不敏卡尔曼滤波的状态估计技术.不敏卡尔曼滤波是最近提出的一种新的非线性滤波方法.由于不需要对非线性系统进行线性化,不敏卡尔曼滤波可以很容易地应用于非线性系统的状态估计,并且其性能也要优于扩展卡尔曼滤波.仿真结果说明分布式不敏卡尔曼滤波方法的性能要优于分布式扩展卡尔曼滤波方法.     

基于zonotope的离散时间Markov跳变系统的状态区间估计

为了有效地处理鲁棒估计产生的误差,为系统提供可靠的估计信息,针对一类具有未知输入的线性离散时间马尔科夫跳变系统(Markov jump systems, MJS),提出了一种新的状态区间估计方法。设计一个降维未知输入观测器,实现系统状态的观测,并以线性矩阵不等式的形式给出了观测器存在的充分条件,确保误差系统随机稳定,且具有较好的H∞干扰抑制性能。基于设计的降维未知输入观测器,提出了一种利用中心对称多胞体(zonotope)的方法来近似状态边界,从而获得系统状态的区间估计,使所获得的系统的状态值更加准确。通过一个数值仿真验证了所提方法的有效性。     

一种新型机动目标跟踪算法——VDQ算法

目的 研究机动目标跟踪算法。方法 利用广义似然比技术对机动目标进行检测,既确保检测的可靠性,又满足系统实时性的要求。采用变维和估计系统状态相结合的方法,对机动目标进行跟踪,当目标机动较弱时,对系统状态用噪声方差进行估计,避免由于变维法带来的暂态误差。当目标机动较强时,则采用变维法。结果与结论 计算机仿真结果表明,这种新型机动目标跟踪算法具有良好的跟踪性能。     

电动汽车蓄电池荷电状态的卡尔曼滤波估计

对电动汽车剩余里程的预测需要一个准确的蓄电池荷电状态(SOC)值，但目前任何方法都不能精确地测量蓄电池的剩余电量，以计算电动汽车蓄电池的荷电状态(SOC)，在对目前常用的剩余电量计量方法分析的基础上，提出了一种基于电流的测量，然后利用卡尔曼滤波估计递推算法对蓄电池SOC进行实时估计，并在MATLB下进行了仿真。     

固定区间平滑器的最优分解

本文提出了一种建立反向马尔可夫模型的新方法.并用点估计理论证明了离散时间系统的固定区间平滑状态估计可以分解为两个最优估计的线性组合.     

基于电化学模型的锂离子电池健康状态估算

针对电动汽车锂离子电池健康状态在线估算问题,提出了一种基于伪二维模型参数的估算方法. 该方法通过拆解同类估算目标电池,以扫描电镜测量电池结构参数,利用遗传算法辨识其他未知电化学模型参数,建立一种新的基于化学计量比的电池正极容量计算法则,估算电池健康状态. 同时考虑老化对电池正极化学计量比的影响,进一步提高健康状态估算精度. 采用电池老化数据集验证该方法的有效性,结果表明所提出的估算方法能在短时动态工况下实现电池健康状态的准确在线估算.      

外推式高温测量的一种新方法

针对两点法、三点法、微分法、多点温度法、对点的对数法等［４］在动态高温测量中存在的不足,如：测量误差大、抗干拢能力弱、模型演算复杂、热惯性系数慢变性等对推算结果影响大,提出了一种在简化模型的基础上,利用最小二乘原则估计稳态温度值的方法．该方法由于引用了最小二乘估计理论,其算法使热惯性系数的慢变性原则上不影响估计精度;同时该算法模型简单,使用的数据量也不大,比较适合在实际中应用．仿真研究结果表明,在一定条件下,该方法估计精度较高．