典型文献
基于RAHEKF的主动配电网动态估计方法研究
文献摘要：
由于传统的扩展卡尔曼滤波(extended kalman fileter,EKF)存在线性化误差和易受不良数据影响,噪声会随着时间动态变化,难以准确获取.针对此,基于主动配电网下,提出了一种基于鲁棒自适应H ∞ 扩展卡尔曼滤波(robust adaptive H∞ extended Kalman filtering,RAHEKF)的方法.在原有自适应EKF 的基础上,采用量测不确定性理论,引入测点评价函数,来降低不良数据的影响;将EKF量测函数的泰勒展开保留到二阶项,来降低线性化带来的误差,增强算法在系统突变下的预测能力.同时采用渐消记忆时变噪声,来模拟噪声的变化,增强算法对噪声动态变化的鲁棒性.在改进的IEEE 33 节点系统分别对不良数据、系统负荷突变和分布式电源功率连续大范围变化的情景下,比较EKF 和AHEKF,实验结果表明,RAFEKF具有更高的精度性和鲁棒性,能够很好地适应主动配电网灵活的运行场景.
文献关键词：
主动配电网;动态估计;抗差性;RAHEKF;EKF
中图分类号：
作者姓名：
蔡锦健;王志平;冯锡根
作者机构：
东莞理工学院电子工程与智能化学院,广东东莞523808;广东工业大学自动化学院,广州510006;江门市电力工程输变电有限公司,广东江门529030
文献出处：
引用格式：
[1]蔡锦健;王志平;冯锡根-.基于RAHEKF的主动配电网动态估计方法研究)[J].黑龙江电力,2022(03):189-197,204
A类：
RAHEKF,fileter,AHEKF,RAFEKF
B类：
主动配电网,动态估计,估计方法,扩展卡尔曼滤波,extended,kalman,线性化,和易,不良数据,时间动态,网下,鲁棒自适应,robust,adaptive,Kalman,filtering,不确定性理论,点评,评价函数,来降,泰勒展开,留到,增强算法,变下,预测能力,渐消记忆,时变噪声,IEEE,节点系统,系统负荷,负荷突变,分布式电源,电源功率,运行场景,抗差性
AB值：
0.356139
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。
