基于鲁棒容积卡尔曼滤波的同步机动态状态估计及其对复杂量测噪声统计的抑制
经典分析与常微分方程
2024-06-19 v4 数学物理
math.MP
可精确求解与可积系统
量子物理
摘要
容积卡尔曼滤波（CKF）在处理非线性动态状态估计时性能良好。然而，由于缺乏在线自适应量测噪声统计的能力，其在非高斯噪声与坏数据环境下表现不佳。为应对量测噪声统计偏离先验噪声统计时所导致的行为退化与发散问题，本文结合 Huber 的 M 估计理论与经典 CKF，提出了一种新型鲁棒 CKF（RCKF）算法，并据此用于同步发电机的动态状态估计。在 IEEE-9 节点系统与新英格兰 16 机 68 节点系统上的仿真结果表明：在包含不同量测噪声与坏数据的复杂量测噪声环境下，所提 RCKF 的估计精度与收敛性均优于经典 CKF，且 RCKF 能有效消除坏数据对估计效果的影响。
引用
@article{arxiv.1907.08950,
title = {Discrete orthogonality relations for multi-indexed Laguerre and Jacobi polynomials},
author = {Choon-Lin Ho and Ryu Sasaki},
journal= {arXiv preprint arXiv:1907.08950},
year = {2024}
}
备注
30 pages, no figures. Conjecture 3.1 in Version 1 has been proved and now presented as Theorem 3.1. Several new theorems, corollaries, and a new section 5 on Krein-Adler orthogonal polynomials added. A short note added after Section 6. Some notations and presentation improved. References updated