其他
【精彩论文】不确定量测下发电机动态状态估计性能分析
观点凝练
摘要：相量测量单元（PMU）中随机误差不可避免，在实际电网系统中PMU量测数据可能出现延时、重新排序甚至丢失等不确定情况。为准确估计电力系统机电暂态过程中的状态信息，首先建立量测丢失下的发电机动态状态估计模型；然后在某实际电网系统算例中分别采用无迹混合滤波（UMF）、粒子滤波（PF）和所提出的改进粒子滤波（IPF）3种算法对发电机动态状态估计模型进行了仿真试验。仿真结果表明：在不确定量测系统下，改进的IPF算法的滤波性能和抗差性能优于UMF与PF算法，更适用于不确定量测下发电机动态状态估计。
结论：本文详细介绍了UMF、PF、IPF滤波算法的原理及步骤，并在量测丢失时比较了基于UMF、PF和IPF的发电机动态状态估计性能。结果表明：（1）随着虚警概率增大，PF滤波性能急剧变差，UMF与IPF能适应虚警概率较大的场合，但UMF在高精度测量的发电机角速度上滤波失效。（2）随着粒子数的增加，PF与IPF的滤波精度提高，相同粒子数下，PF与IPF计算量相当，但IPF滤波精度优于PF。（3）在辨识虚警概率不准确的情况下，IPF的鲁棒性优于UMF和PF。（4）在量测丢失与坏数据并存的情况下，3种算法滤波性能有所下降，但IPF仍能保持良好的滤波性能，抗差能力强。
综上所述，本文所改进的IPF算法的滤波性能和抗差性能优于UMF与PF算法，更适用于不确定量测下发电机动态状态估计。下一步将研究同时考虑量测延时和丢失的多模型融合算法。
引文信息
赵静波, 卫志农, 王晗雯, 等. 不确定量测下发电机动态状态估计性能分析[J]. 中国电力, 2020, 53(7): 149-159.ZHAO Jingbo, WEI Zhinong, WANG Hanwen, et al. Performance analysis of generator dynamic state estimation under uncertain measurement[J]. Electric Power, 2020, 53(7): 149-159.往期回顾
◀【精彩论文】基于PMU量测信息的短线路同杆并架双回线参数辨识
◀【精彩论文】最小化用户停电损失的主动配电网黑启动分区优化策略
◀【征稿启事】“双碳目标下多能互补促进新能源消纳关键技术”征稿启事
◀【征稿启事】“面向‘双高’电力系统的电、热、氢储能应用与协同”专题征稿启事
◀【征稿启事】“交通-能源耦合互联复杂网络理论与技术”专栏征稿启事
编辑：杨彪
审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。