复杂噪声条件下基于抗差容积卡尔曼滤波的发电机动态状态估计

摘要

cqvip:容积卡尔曼滤波(CKF)在非线性动态状态估计领域有着良好的估计效果。但由于容积卡尔曼滤波缺乏对量测噪声特性的在线自适应能力,其对不良数据和非高斯白噪声的处理效果并不理想。为了解决当量测量统计特性偏离先验统计特性时,容积卡尔曼滤波算法性能下降和发散的问题,通过将抗差估计理论中的M-估计理论与容积卡尔曼滤波相结合,提出抗差容积卡尔曼滤波(RCKF)算法,并将其尝试应用于复杂噪声条件下的发电机动态状态估计中。IEEE 9节点系统和新英格兰16机68节点系统的仿真结果表明:在不同量测噪声且量测量存在不良数据的复杂噪声条件下,与传统CKF算法相比,所提抗差CKF算法均具有更好的估计精度和收敛能力,并能有效消除不良数据对估计效果的影响。