1.一种基于H∞无迹粒子滤波的发电机机电暂态过程鲁棒动态状态估计方法,其特征在于,包括如下步骤:(1)对发电机状态估计的各个参数进行初始化;
选用同步发电机的四阶模型作为发电机动态状态估计模型;
发电机模型动态状态估计的状态方程与量测方程表示为:式中,φ(·)表示发电机状态方程,h(·)表示量测方程,x、u、z分别对应表示状态变量、控制变量及量测向量;下标k和k+1表示时刻;w表示系统噪声,v为量测噪声,设二者分别满足w~N(0,Q),v~N(0,R)的高斯分布,其中Q与R分别表示系统噪声和量测噪声满足的协方差矩阵,w与v相互独立且和状态变量无关;
发电机动态状态估计模型的形式如下:
式中,δ表示发电机转子的绝对功率角;ω和ω0分别是电角速度及其初始值;Tj表示惯性常数,KD表示阻尼系数;Tm和Te分别代表发电机的机械功率和电磁功率;e′q和e′d分别表示发电机的q轴和d轴瞬态电动势;Efd是发电机定子的励磁电压;xd和x′d分别为发电机d轴的同步电抗和瞬态电抗;T′d0和T′q0分别是发电机q轴和d轴的开路瞬态时间常数;id和iq分别表示发电机d轴和q轴上的定子电流;xq和x′q分别表示q轴上的同步电抗和瞬态电抗;
发电机动态估计的观测量设置如下:
z1=δ
z2=ω
z3=eR=(e′d+idx′q)sin(δ)+(e′q‑idx′d)cos(δ)z4=eI=(e′q‑idx′d)sin(δ)‑(e′d+iqx′q)cos(δ)在上述状态方程与量测方程中,将发电机动态状态估计的状态变量设置为xk=[δ ω T Te′q e′d] ,量测变量设置为zk=[δ ω eR eI] ,把发电机的机械功率Tm、定子的励磁电压TEfd、以及定子R轴和I轴的电流iR和iI作为已知的控制输入量,记为uk=[Tm Efd iR iI];
当k=0时,初始化状态变量 估计误差协方差 系统噪声协方差Qk‑1、量测噪声协方差Rk、初始粒子集 和粒子权重系数 =1/n,j=1,2,...,n(n为粒子数);
(2)计算k时刻的状态预测值 和状态预测误差协方差当k>0时,采用对称采样方式生成Sigma点集 计算公式如下:2
式中:λ=α·(L+kf)‑L,α表示Sigma点围绕粒子状态估计值 的波动范围,α∈[10‑4,
1];kf为第二尺度参数,通常取为0;L为状态变量维数; 和 为k时刻各个粒子的估计值和协方差;
接着,对Sigma点集进行预测,计算粒子状态预测值 和误差协方差矩阵 计算公式如下:其中,wk和Qk分别为误差与误差协方差矩阵,Wi,m和Wi,c分别为状态预测值和误差协方差的权重,计算公式如下:(3)计算k时刻的量测预测值 量测预测误差协方差 和互协方差矩阵更新Sigma点集;
k时刻,计算每个粒子的量测预测值 自协方差矩阵 和互协方差矩阵 计算公式如下:
其中,vk+1和Rk+1分别为量测误差与误差协方差矩阵;
(4)计算k+1时刻粒子的滤波增益 和状态估计值k+1时刻,每个粒子的滤波增益 和状态估计值 的计算公式如下:(5)依据H∞理论不确定性约束准则,更新估计误差协方差矩阵 计算公式如下:其中,
式中, 表示发电机观测方程在 处的雅克比矩阵,γ表示约束参数上界,I为单位矩阵;
(6)由(2)‑(5)的UKF算法得到重要性密度函数采样粒子
计算采样粒子权重 并归一化为 计算公式如下:(7)判断是否进行重采样:令 如果L>Nt,Nt表示设定的阈值,则跳过本步骤至步骤(8);否则,说明粒子退化严重,此时需要重采样;重采样时,按采样粒子权值高低复制与重排采样粒子,复制个数与其权值成正比,剔除权值较小的采样粒子,并将处理后的采样粒子映射为等权重的n个采样粒子,即(8)按照(2)‑(7)步骤进行下一时刻的迭代计算直至循环结束,输出状态估计结果。
2.一种基于H∞无迹粒子滤波的发电机机电暂态过程鲁棒动态状态估计系统,其特征在于:包括参数初始化模块;
用于计算状态预测值 和状态预测误差协方差 的第一计算模块;
用于计算量测预测值 量测预测误差协方差 和互协方差矩阵 的第二计算模块;
用于计算粒子的滤波增益 和状态估计值 的第三计算模块;
用于更新估计误差协方差矩阵 的第四计算模块;
用于计算采样粒子权重 的第五计算模块;
用于输出状态结果的输出模块;
所述参数初始化模块、第一计算模块、第二计算模块、第三计算模块、第四计算模块、第五计算模块和输出模块依次连接,用以完成权利要求1所述的基于H∞无迹粒子滤波的发电机机电暂态过程鲁棒动态状态估计方法。
3.一种发电机控制器,其特征在于:
包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,采用权利要求1所述的基于H∞无迹粒子滤波的发电机机电暂态过程鲁棒动态状态估计方法对机电暂态过程中的发电机进行动态状态估计。