自适应鲁棒无迹卡尔曼滤波用于电力系统动态状态估计
信号处理
2025-04-11 v1
摘要
非高斯噪声及其噪声分布不确定性是降低电力系统动态状态估计准确性的常见因素。此外，基于信息论准则的无迹卡尔曼滤波（UKF）中自由系数的最优值也是迫切需要解决的问题。本文提出一种鲁棒自适应UKF（AUKF），其基于改进Snow Goose算法（ISGA）下的广义最小混合熵负载信 fiducial点（GMMEEF）方法（ISGA-GMMEEF-AUKF），以克服上述困难。该算法的估计过程基于若干关键步骤，包括增广回归误差模型（AREM）构建、自适应状态估计和自由系数优化。具体而言，在第一步中建立由状态预测误差和测量误差组成的AREM。随后，基于GMMEEF构建GMMEEF-AUKF，通过采用广义高斯核结合混合相关性来增强灵活性，解决具有复杂属性的数据问题，并根据AREM框架更新噪声协方差矩阵。最后设计ISGA以自动计算诸如GMMEEF准则中核函数形状系数、无迹变换中系数选择sigma点以及与电力系统模型相适应的噪声协方差矩阵更新系数的最优值。在IEEE 14、30和57总线测试系统的复杂情景下进行仿真结果表明，所提算法相较于MEEF-UKF和UKF分别平均提高了26%和65%的效率。
引用
@article{arxiv.2504.07731,
title = {Adaptive Robust Unscented Kalman Filter for Dynamic State Estimation of Power System},
author = {Duc Viet Nguyen and Haiquan Zhao and Jinhui Hu and Le Ngoc Giang},
journal= {arXiv preprint arXiv:2504.07731},
year = {2025}
}
备注
11 pages, 10 figures,