基于无迹粒子滤波的电网动态谐波估计

提出一种基于无迹粒子滤波(unscented particle filter,UPF)算法的电网动态谐波估计方法.通过无迹卡尔曼滤波算法得到电网动态谐波状态量的估计值和协方差,运用这些结果改进传统粒子滤波算法的重要密度函数,采用粒子滤波算法得到电网动态谐波的最优估计值.该方法克服了无迹卡尔曼滤波算法(unscented Kalman filter,UKF)对噪声要求为高斯分布的限制和传统粒子滤波(particle filter,PF)算法易退化的缺点,保留了UKF对非线性问题的较好处理和PF强抗干扰性能力.仿真结果表明,在高斯噪声和非高斯噪声情况下,UPF算法得到的电网动态谐波幅值、相位的估计值都更接近真实值.

粒子群优化自适应最小二乘法的电网谐波估计

研究基于粒子群优化自适应最小二乘法的电网谐波估计方法,针对自适应最小二乘(Recursive Least Square, RLS)算法对初始值敏感的问题,本文利用粒子群(Particle Swarm Optimization, PSO)算法得到最优化的电网谐波参数即状态向量的权重初始值,再利用自适应最小二乘法(RLS)对电网谐波参数进行参数估计。对静态和动态的电压信号进行仿真分析,并比较了不同的噪声环境下参数估计效果,最后还应用本文所提方法对电网动态子谐波和间谐波进行了仿真分析。仿真结果表明,与可变约束最小二乘方法(VCLMS),遗传算法(GA)优化参数估计方法相比,本文所提方法估计效果更优。