使用鲁棒容积卡尔曼滤波应对复杂测量噪声统计的同步电机动态状态估计
系统与控制
2019-10-08 v1 系统与控制
信号处理
摘要
容积卡尔曼滤波(CKF)在处理非线性动态状态估计时具有良好的性能。然而，由于缺乏在线自适应测量噪声统计的能力，它在非高斯噪声和不良数据环境下无法良好工作。为了解决当测量噪声统计偏离先验噪声统计时的性能下降和发散问题，通过将Huber的M估计理论与经典CKF相结合，开发了一种新的鲁棒CKF(RCKF)算法，并因此提出用于处理同步发电机的动态状态估计。在IEEE-9节点系统和New England 16机68节点系统上的仿真结果表明，在包括不同测量噪声和不良数据的复杂测量噪声环境下，所提出的RCKF的估计精度和收敛性优于经典CKF，并且RCKF能够有效消除不良数据对估计效果的影响。
引用
@article{arxiv.1907.08951,
title = {Dynamic State Estimation of Synchronous Machines Using Robust Cubature Kalman Filter Against Complex Measurement Noise Statistics},
author = {Yang Li and Jing Li and Liang Chen and Junjian Qi and Guoqing Li},
journal= {arXiv preprint arXiv:1907.08951},
year = {2019}
}
备注
Accepted by Transactions of China Electrotechnical Society, in Chinese