典型文献
基于长短期记忆网络的UKF动态谐波状态估计
文献摘要：
传统动态谐波状态估计的卡尔曼滤波预测步通常以单位阵构建状态空间模型,同时将系统噪声协方差矩阵假设为常数阵,从而导致动态估计预测精度降低,影响动态状态估计模型的滤波性能.为了准确建立谐波状态的空间模型,提出一种基于长短期记忆网络(Long Short-Term Memory,LSTM)的时序预测方法.通过大量历史数据离线训练模拟复杂的状态转移过程,基于历史时刻的滤波估计值预测当前时刻的谐波状态量,有效提高无迹卡尔曼滤波(Unscented Kalman Filter,UKF)中预测模型精度.在改进IEEE34节点三相不平衡系统上进行了测试分析.与传统算法进行对比,结果证明所提出的方法在谐波状态估计精度和鲁棒性方面均表现更好.
文献关键词：
动态谐波状态估计;无迹卡尔曼滤波;长短期记忆网络;预测模型;鲁棒性
中图分类号：
作者姓名：
黄蔓云;王天昊;卫志农;孙国强
作者机构：
河海大学能源与电气学院,江苏 南京 211100
文献出处：
引用格式：
[1]黄蔓云;王天昊;卫志农;孙国强-.基于长短期记忆网络的UKF动态谐波状态估计)[J].电力系统保护与控制,2022(11):1-11
A类：
动态谐波状态估计
B类：
长短期记忆网络,UKF,常以,状态空间模型,系统噪声,协方差矩阵,数阵,动态估计,影响动态,动态状态估计,滤波性能,Long,Short,Term,Memory,时序预测,历史数据,离线训练,状态转移,滤波估计,估计值,状态量,无迹卡尔曼滤波,Unscented,Kalman,Filter,预测模型精度,IEEE34,三相不平衡,平衡系统,测试分析,传统算法,估计精度
AB值：
0.328157
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
