摘要:广域测量系统(Wide Area Measurement System,WAMS)作为一种测量手段,不可避免的存在测量误差.为了获得更优的控制策略和分析结果,有必要对实际量测数据进行滤波处理以后再应用.本文提出了一种对实际量测数据进行动态滤波估计的新方法,在发电机二阶动态方程的基础上,建立了发电机动态状态估计模型.考虑到模型的非线性,本文应用在处理非线性、非高斯随机系统估计问题方面具有独到的优势的粒子滤波(Particle Filtering,PF)算法.为解决计算占用空间和计算量较大、样本退化的问题,本文在基本PF算法的基础上引入序列重要性重采样方法(Sequential Importance Resampling,SIR).同时,本文还用扩展卡尔曼滤波(Extended Kalman Filter,EKF)进行了状态估计并将结果与本文提出的方法进行了对比分析.为了定量度量估计效果,本文建立了基于估计路径相似性的评价指标.最后,通过对IEEE7节点系统的仿真计算,表明基于PF的估计结果与实际结果相关性较高、与真实值的均方根误差小,优于EKF的估计结果,有效减小了误差数据的影响.