在未知输入和协方差不匹配的情况下，用于电力系统分散式动态状态估计的鲁棒自适应衰落无迹卡尔曼滤波器

《IEEE Transactions on Power Systems》：Robust Adaptive Fading Unscented Kalman Filter for Decentralized Dynamic State Estimation in Power Systems Under Unknown Inputs and Covariance Mismatches

动态状态估计中不良数据处理与自适应卡尔曼滤波算法研究，提出融合自适应 fading机制与鲁棒统计扩展的AF-UKF算法，通过动态调整噪声协方差矩阵补偿模型不确定性，并设计简单追踪算法优化fading因子，有效抑制不良数据干扰，在东北电网48机140网和16机68网仿真中验证了算法在噪声协方差失配和未知输入估计方面的优越性。

　　

摘要：

同步电机的动态状态估计（DSE）对于电力系统的监控、保护和控制至关重要。由于异常值和模型不确定性导致的数据质量不佳会显著影响其准确性。本文提出了一种鲁棒的自适应衰落（AF）无迹卡尔曼滤波器（UKF）算法，用于在数据质量较差的情况下进行动态状态估计以及未知输入量的估计。该算法利用自适应衰落机制来最小化卡尔曼滤波器中状态矩阵和测量噪声协方差矩阵之间的尺度不匹配问题，从而减轻这些不确定性。文中提出了基于迹运算和最小二乘法的两种方法来估计衰落因子，并通过低阶卡尔曼滤波器或复杂度较低的递归最小二乘算法对这些衰落因子进行跟踪。此外，还开发了一种基于鲁棒统计特性的AF-UKF扩展算法，以有效检测和抑制不良数据。对所提出的鲁棒AF-UKF的稳定性进行了研究，并将其性能与传统的算法在东北电力协调委员会48机140母线和16机68母线电力系统上进行了对比。仿真结果表明，在数据质量差和噪声协方差不匹配的情况下，所提出的分散式DSE算法比传统方法具有更高的准确性，同时也能更精确地估计未知输入量。

引言

同步电机的动态状态信息（DSE）对于电力系统的实时监控、保护和控制至关重要。可靠且计算效率高的DSE算法是电力系统稳定运行的基础[1]。对于可再生能源占比较高的未来电力系统而言，这一点尤为重要。借助全球定位系统（GPS）同步的相位测量单元（PMUs），可以实时传输本地电压和电流相位测量数据至中央控制中心，通过DSE实现广域监控[2]。