基于卡爾曼濾波算法的動(dòng)態(tài)諧波狀態(tài)估計(jì)技術(shù)研究.pdf

1、近年來，隨著電力電子技術(shù)的發(fā)展以及大量的非線性負(fù)荷的投入使用，越來越多的諧波注入到電網(wǎng)中。電力系統(tǒng)諧波已經(jīng)成為影響電能質(zhì)量的一個(gè)重要方面，實(shí)際的治理需要對(duì)電網(wǎng)中的諧波狀態(tài)進(jìn)行監(jiān)測，諧波狀態(tài)估計(jì)技術(shù)計(jì)算程序根據(jù)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和選定線路的諧波電流與母線諧波電壓測量值，確定整個(gè)電網(wǎng)的諧波電壓水平，進(jìn)而確定整個(gè)網(wǎng)絡(luò)諧波的有關(guān)信息。
　　現(xiàn)代量測技術(shù)的發(fā)展為諧波狀態(tài)估計(jì)技術(shù)提供了前提條件，同時(shí)帶來了量測變量、估計(jì)模型、求解算法以及可觀性分析等

2、相關(guān)問題的改變。本文首先介紹了我國北斗衛(wèi)星導(dǎo)航系統(tǒng)的開發(fā)新進(jìn)展和諧波量測系統(tǒng)，選擇母線電壓、母線注入電流和支路電流同步量測作為量測變量，整個(gè)電網(wǎng)的母線電壓向量作為狀態(tài)變量，然后建立起動(dòng)態(tài)狀態(tài)估計(jì)的量測方程。接著介紹了基于卡爾曼濾波(Kalman Filter)算法的動(dòng)態(tài)諧波狀態(tài)估計(jì)算法及其改進(jìn)算法，通過模擬仿真和程序進(jìn)行驗(yàn)證；最后介紹了不良數(shù)據(jù)的檢測方法及其實(shí)現(xiàn)步驟。本文的主要工作及結(jié)論如下：
　　建立起基于卡爾曼濾波算法的電力系

3、統(tǒng)動(dòng)態(tài)諧波狀態(tài)估計(jì)數(shù)學(xué)模型，以估計(jì)的最小均方誤差為準(zhǔn)則，采用一系列遞推方程來實(shí)現(xiàn)最優(yōu)估計(jì)。在此基礎(chǔ)上研究自適應(yīng)卡爾曼濾波算法，自適應(yīng)算法主要有兩種實(shí)現(xiàn)方法：①系統(tǒng)協(xié)方差矩陣Q和量測協(xié)方差矩陣R的自適應(yīng)取值；②引入遺忘因子卡爾曼濾波算法。自適應(yīng)動(dòng)態(tài)諧波狀態(tài)估計(jì)的狀態(tài)變量和測量量具有維數(shù)高的特點(diǎn)，而且由于受計(jì)算機(jī)舍入誤差的影響，其收斂性受到挑戰(zhàn)，為此提出了一種基于離線確定Q、R矩陣和帶固定遺忘因子的卡爾曼濾波算法的動(dòng)態(tài)諧波狀態(tài)估計(jì)算法，通過

4、在MATLAB環(huán)境下的IEEE-14節(jié)點(diǎn)系統(tǒng)動(dòng)態(tài)諧波仿真與估計(jì)算法編程驗(yàn)證，該算法在準(zhǔn)穩(wěn)態(tài)條件下較好地跟蹤電力系統(tǒng)諧波狀態(tài)，計(jì)算精度高。
　　在電力系統(tǒng)處于準(zhǔn)穩(wěn)態(tài)和無不良數(shù)據(jù)情況下，比較了靜態(tài)估計(jì)算法和動(dòng)態(tài)估計(jì)算法的精度，二者估計(jì)精度相近，都能滿足諧波狀態(tài)估計(jì)技術(shù)的精度要求。在電力系統(tǒng)不滿足準(zhǔn)穩(wěn)態(tài)條件時(shí)，采用卡爾曼濾波算法誤差較大，采用奇異值分解算法(Singular Value Decomposition-SVD)的靜態(tài)估計(jì)算法

5、具有更好的收斂性和估計(jì)精度；在有不良數(shù)據(jù)條件時(shí)，基于卡爾曼濾波算法的動(dòng)態(tài)估計(jì)算法在不良數(shù)據(jù)檢測具有優(yōu)勢。因此提出一種結(jié)合二者長處的混合估計(jì)算法——SVD-Kalman估計(jì)算法，在算法程序運(yùn)行初始時(shí)刻和不滿足準(zhǔn)穩(wěn)態(tài)前提時(shí)啟用SVD估計(jì)算法，為卡爾曼濾波算法提供基準(zhǔn)狀態(tài)估計(jì)數(shù)據(jù)和向管理者提供諧波數(shù)據(jù)庫；在大部分時(shí)間內(nèi)，電力系統(tǒng)將處于準(zhǔn)穩(wěn)態(tài)，啟用帶固定遺忘因子的卡爾曼濾波程序，充分利用動(dòng)態(tài)估計(jì)算法的優(yōu)越性。
　　闡述了電力系統(tǒng)諧波狀態(tài)估