基于负荷预测和无迹粒子滤波的配电网动态状态估计

随着汽车充电成为新型重要负荷,为确保此时配电网运行与控制安全,对其进行实时准确的态势感知,提出一种基于卷积神经网络和门控循环单元的短期负荷预测与无迹粒子滤波算法自适应混合的配电网动态状态估计方法。结合使用卷积神经网络和门控循环单元进行短期负荷预测,将预测得到的有功与无功功率进行潮流计算,再与无迹粒子滤波量测估计值自适应加权得到电压幅值和相角状态估计结果。以IEEE33节点配电网为例,验证了所提状态估计方法的准确性与面对不良数据时的鲁棒性。

基于贝叶斯后验估计的桥梁动态称重算法理论与试验研究

桥梁动态称重(bridge weigh-in-motion,BWIM)利用过桥车辆对桥梁产生的动力响应快速识别车辆轴质量。由于实测的动力响应包含测量误差,在一定程度上降低了传统BWIM算法的轴质量识别精度。为了解决这一问题,提出基于贝叶斯后验估计的桥梁动态称重算法。该算法考虑了测量误差对轴质量识别精度的影响,假设测量误差和轴质量服从高斯分布,利用测量误差的标准差和轴质量标准差得到能抑制测量误差的约束因子,推导出新的轴质量求解方程。基于数值仿真和实桥试验,分别得到传统BWIM算法和贝叶斯算法的轴质量识别精度,并进行对比分析。试验结果表明:相比于传统BWIM算法,贝叶斯算法能够有效抑制测量误差的影响,明显改善轴质量识别精度。

基于Koopman算子与卡尔曼滤波的同步发电机动态状态估计

动态状态估计是监测同步发电机动态行为的重要手段,准确的动态状态估计结果对于指导电力系统安全运行与高效控制具有重要意义。从数据驱动的角度出发,提出了基于Koopman算子与卡尔曼滤波的同步发电机动态状态估计方法。该方法首先利用汉克尔动态模态分解算法从发电机动态响应数据中提取Koopman算子,进而以提取的Koopman算子为基础构建同步发电机状态空间模型,并利用卡尔曼滤波对同步发电机状态变量进行动态估计。该方法无须事先构建发电机模型及参数,实现了完全数据驱动的动态状态估计。仿真实验结果表明,在发电机模型及参数失配的情况下该方法估计精度明显高于传统以模型为基础的估计结果,具有较好的自适应性和鲁棒性。

基于静动态综合估计的无人机蜂群态势感知技术

随着军用无人机技术的快速发展,其作战体系也逐渐从无人机单机作战向蜂群作战转变。为了实现入侵无人机蜂群的反制,亟需探索面向无人机蜂群入侵场景的态势感知技术。目前,无人机蜂群态势感知领域主要在整体概念层面研究态势感知的技术与模型,缺乏具体应用场景下的态势感知技术与仿真平台。本文面向分布式作战战术场景与哈里斯鹰的合围狩猎方式,引入了无人机蜂群的进攻阵型与仿鹰群的无人机蜂群协同攻击模型,使用到达时间差定位算法与联合概率数据关联滤波器获得无人机蜂群轨迹信息,并将无人机蜂群战场态势划分为静态态势与动态态势,分别表示对战场某个时刻态势的理解与战场未来趋势的推断。在此基础上,本文提出了一种基于静动态综合估计的无人机蜂群态势感知技术,涵盖基于模糊规则评价的静态态势感知以及基于蜂群预测推断的动态态势感知。同时,搭建了三维无人机蜂群态势感知仿真平台,实现了入侵无人机蜂群的运动学建模、定位跟踪、战场态势感知以及误差分析等过程,验证了所提态势感知技术的有效性。

基于动态线损与奇异值分解的智能电表误差估计

利用远程数据分析对智能电表进行评估和异常检测,与传统的现场校准相比成本更低、效率更高,在电力行业得到了广泛的关注。基于此,提出一种基于动态线损估计与奇异值分解的智能电表在线误差估计方法。首先考虑负荷类型对线损估计的影响,建立估计误差求解方程;然后结合基于截断奇异值分解的正则化方法进行方程求解,获取智能电表误差估计结果;最后通过仿真及实际数据验证所提方法的有效性。结果表明,与其他方法相比,所提方法能够求解不适定问题,且具有更高的精度。

融合同步发电机动态状态估计的电力系统状态估计

当电力系统遭受某种较大扰动时,其安全稳定将受到威胁。为实现对整个系统受扰后机电暂态过程的完整跟踪,提出一种新的融合同步发电机动态状态估计(dynamic state estimation of synchronous generator,DSE-SG)的电力系统状态估计(state estimation of power system,SE-PS),研究该如何将DSE-SG的结果进一步应用于系统侧SE-PS中去,以实现全系统动、静态状态量的统一估计。首先,围绕全电力系统机电暂态DSE的求解方式,论述了完全联立的不可行性、解耦估计的实现条件以及复耦估计的必要性与意义;其次,在梳理DSE-SG与SE-PS概念、数学模型的基础上,厘清了所涉变量、方程组的地位、作用、关系及数据流程,为复耦媒介量的选取及接口方式的确定奠定了理论基础,形成了复耦估计的实现构思;进一步,提出两种不同的接口方式,详细给出其各自具体的实现方法及流程;最后,将所提方法在IEEE9节点系统中予以实现,结果表明该方法可良好跟踪全电力系统机电暂态过程,实现动、静态状态量的统一估计,较未融合DSE-SG结果的传统SE-PS精度更高,滤波效果更显著。

基于未知动态估计器的下肢外骨骼漏斗控制

针对下肢外骨骼在运动控制中由于不可测干扰导致的暂稳态收敛性能恶化问题,提出了一种基于未知动态估计器的下肢外骨骼漏斗控制方法。在干扰辨识与补偿方面,将摩擦干扰、外部环境干扰和参数不确定性视为总体干扰,通过对系统可测状态进行滤波操作,结合不变流形定理构造了未知动态估计器(USDE),实现了系统扰动的在线估计。在暂稳态收敛性能约束方面,通过在髋膝关节控制回路设计漏斗变量,保证了跟踪误差暂稳态收敛特性的先验调节,并利用Lyapunov理论分析了所提控制方法的稳定性。仿真对比及计算结果表明:与传统自抗扰控制方法(ADRC)相比,所提方法下髋膝关节维持着与ADRC相似的控制量消耗,但稳态跟踪精度可达0.0054、0.0072,相比ADRC下的0.0574、0.0333大幅提升,且所提方法暂态收敛时间缩短近一倍。

双循环结构高动态滚动时域自主姿态估计

为了解决基于陀螺/三轴磁强计自主姿态估计在线易受干扰、实时性较差的问题,提出了一种基于双循环结构的高动态滚动时域飞行器自主姿态估计方法以提高系统精度和抗干扰能力,并且满足高动态应用场景。首先,建立姿态估计以及三轴磁强计在线校正两个独立的单元,并通过构建残差集的方法将两者有机融合,使得每个滤波器具有不同的更新频率、较低的状态阶数,以提高整体系统实际可用性;然后,利用陀螺与三轴磁强计的异步特性,在灵敏度矩阵的基础上构建高动态滚动时域估计方法,进一步优化了系统的实时性;最后,通过仿真实验证明,所提方法提高了系统在线运行精度,减少了计算等待时间,满足高动态、高精度应用场景需求。

基于动态感知技术的故障估计器设计

为提升电网系统的安全性并确保其运行的稳定性,文中对相关故障事故与安全作业进行了分析和研究,并提出了一种基于动态感知技术的电网线路故障事故分析及安全作业操控方法。针对电网线路可能出现的偏移故障,在动态感知技术的基础上设计了一种故障估计器,以实现对母线偏移故障信号的实时观测。同时,基于故障观测信号和电网系统的实时状态,研究了具有故障补偿功能的负反馈形式容错控制器,从而消除线路故障对母线电压恢复的影响。利用Matlab软件中Simulink模块进行的仿真实验验证了在故障的影响下,所提方法可确保母线电压精准地恢复到48 V的参考电压,而无故障补偿功能的方法则难以保证母线电压维持在48 V。

非高斯噪声下基于CKMC-CKF的发电机动态状态估计

准确的动态状态估计对于电力系统实时运行状态的监测至关重要。针对同步发电机中非高斯噪声导致状态估计器性能下降的实际情况,提出一种基于基于柯西核最大相关熵(Cauchy kernel maximum correntropy, CKMC)的容积卡尔曼滤波(cubature KF,CKF)算法(简称CKMC-CKF算法)。首先,建立CKMC目标函数,采用2种加权局部相似度来更新噪声协方差矩阵,从而降低不良数据的权重;其次,利用线性化回归方程统一目标函数中的状态和测量误差,并通过定点迭代法获得最佳估计状态。最后,以IEEE 39节点系统为算例分析验证所提出方法的有效性。与CKF和最大熵CKF相比,CKMC-CKF在非高斯噪声环境下具有更好的估计精度和更强的鲁棒性。

基于PMU量测的电力系统k阶隐式离散动态状态估计

随着电力系统的快速发展,对系统状态的实时准确估计提出了更高要求。近年来,动态状态估计技术已成为监测电力系统实时运行状态的重要手段。提出了一种基于相量测量单元(phasor measurement unit,PMU)的电力系统动态状态估计(dynamic state estimation,DSE)方法,采用隐式离散化技术处理电力系统的非线性微分代数方程(nonlinear differential algebraic equations,NDAE)模型。建立了包含发电机动态、电网代数方程和潮流方程在内的电力系统NDAE模型,并结合PMU测量信息,对NDAE模型进行了线性化处理;基于隐式离散的方法提出了用于电力系统DSE的求解模型,实现对系统未知的动态和代数状态的有效地估计。基于WECC-9节点电力测试系统进行仿真实验,仿真结果表明,提出的基于PMU的动态状态估计方法,通过隐式离散化技术和NDAE模型的线性化处理,实现了对电力系统状态的准确估计,在实时监测电力系统状态方面具有显著的有效性和可靠性。

基于二分插值的动态谐波参数估计方法

随着交直流配电网规模的不断扩大,低压配电技术得到广泛重视和发展,但谐波含量更高以及谐波幅值与频率呈现时变性等电能质量问题也越发凸显,使得快速傅里叶变换加窗插值方法取较长的序列导致谐波测量响应慢,无法适用于继电保护等快速响应类应用。针对此问题,提出了基于二分插值的谐波参数估计方法。首先,采用泰勒级数建立动态信号模型;其次,利用FFT对1个周波的数据进行扫频获得粗估频率,采用二分法迭代插值的方法,经系数修正得到估计频率;然后,基于估计频率和动态信号模型,利用最小二乘拟合方法求解信号参数;最后,在不同工况下验证算法的性能。仿真结果表明,所提方法仅用1个周波数据实现了动态信号参数的精准测量,总矢量误差均低于0.1%,为快速响应类应用数据分析提供有效方法。

基于自适应插值强跟踪扩展卡尔曼滤波的电力系统动态状态估计研究

针对扩展卡尔曼滤波(extended Kalman filter,EKF)算法在电力系统状态估计时存在鲁棒性差,精度被非线性系统的非线性程度制约大等缺点,提出一种自适应插值强跟踪扩展卡尔曼滤波(adaptive interpolation strong tracking extended Kalman filter,AISTEKF)算法,用于电力系统的动态状态估计。新算法利用自适应插值在两个连续采样点之间增加伪量测值,减小了EKF的线性化误差,有效提高了算法估计的精度;此外,该方法在EKF算法基础上引入强跟踪理论,增强了算法估计的鲁棒性。为验证所提出方法的有效性,分别运用EKF算法、自适应插值扩展卡尔曼滤波(adaptive interpolation extended Kalman filter,AIEKF)算法和AISTEKF算法对IEEE-5节点系统和IEEE-30节点系统进行动态状态估计。实验结果表明,与EKF和AIEKF算法相比,无论在高斯噪声环境下还是3种有偏噪声环境下,AISTEKF算法的电压幅值估计精度和电压相角估计精度都有显著性提高。所提出的新算法是一种鲁棒性好且估计精度高的电力系统状态估计方法。

基于扩展KRSL无迹卡尔曼滤波的约束动态状态估计

动态状态估计作为监测系统动态变化的有效手段,对电力系统稳定运行具有重要意义。然而,采集和传输的数据中往往存在时变非高斯量测噪声和离群值,使得基于均方误差准则的传统卡尔曼滤波估计方法的精度不高。为此,首先定义广义核风险敏感损失函数,将其引入无迹卡尔曼滤波框架以实现鲁棒状态估计。然后,考虑同步发电机和控制器模型存在不同条件约束,通过伪量测法将约束条件引入上述估计算法中,以解决估计值超出真值变化范围而产生较大估计偏差的问题,从而进一步提升估计精度。最后,应用新英格兰16机68节点网络模型在不同条件下进行仿真实验,以验证算法的有效性。

基于AMI全量测点分区的配电网动态状态估计方法

针对传统配电网三相不平衡动态状态估计存在计算速度较慢且估计精度较低的问题,提出了一种基于高级量测体系(AMI)全量测点分区的配电网的动态状态估计方法。以AMI全量测点作为配电网分区节点,提出综合3个指标的分区目标函数对配电网进行分区,可对子区域进行完全解耦,缩小系统规模;并通过所提数据融合框架进行多尺度量测数据的融合,以远程终端单元量测周期为基准,融合量测周期较长的AMI量测数据,对非AMI量测时刻的系统状态进行跟随。提出一种基于子区域数据融合方法的高精度集合卡尔曼滤波算法,采用协方差膨胀法改进滤波发散的问题。算例仿真结果表明所提方法有效地提高了配电网动态状态估计的计算速度和估计精度。

激光陀螺仪敏感轴动态偏移系统级估计与补偿

针对激光陀螺仪敏感轴动态偏移造成惯导系统导航精度下降的问题,提出了一种系统级估计与补偿方法。首先分析了激光陀螺仪敏感轴动态偏移的产生机理,建立了敏感轴动态偏移误差模型,通过对惯性测量单元施加惯性力,激励激光陀螺仪敏感轴动态偏移误差。然后设计了敏感轴动态偏移参数系统级估计方法,以速度误差为观测量,采用卡尔曼滤波器估计敏感轴动态偏移参数。实验结果表明,激光陀螺仪敏感轴动态偏移参数估计精度优于0.2″/g。

计及噪声和模型参数不确定的发电机动态状态估计

针对发电机动态状态估计过程中通信噪声以及模型参数不确定时估计精度降低和鲁棒性差的缺陷,提出了一种具有鲁棒性的发电机动态状态估计方法——H∞无迹粒子滤波(HUPF)。首先,建立四阶发电机的状态空间模型,利用无迹变换法计算粒子滤波的重要密度分布,提高了滤波精度和计算效率,增加了算法的灵活性;其次,根据H∞滤波理论建立发电机模型不确定性的边界约束准则,并在此基础上结合无迹粒子滤波(UPF),设计了一种可以根据模型不确定性动态调整估计误差协方差的更新策略,进一步提升了发电机的估计精度和抗差性能。通过IEEE 39节点系统中的仿真算例验证了所提方法的有效性,测试结果表明:所提HUPF方法的均方根误差最低为0.006,最高为0.0458,相比于UKF、UPF和AUKF方法,HUPF方法的均方根误差最小,能够显著提高模型不确定情形下发电机的状态估计精度,并且具有更强的鲁棒性。

空间动态面板非线性Logistic模型的QML估计

空间动态面板非线性Logistic平滑转移模型(SDPD-LSTAR)是一个灵活性较好、应用广泛的新模型,刻画了变量的空间交互、时间依赖、时空协变和非线性空间区制平滑转换特征。不过,如果不考虑时间依赖、时空协变或非线性特征而直接建立空间模型,会影响估计精度和有效性。本文对双向固定效应SDPD-LSTAR模型,提出拟极大似然(QML)转换和直接估计法,证明参数估计量的一致性,并进一步推导修正估计量,证明修正估计量具有更好的有限样本性质。同时,本文通过Monte Carlo模拟和实例应用检验估计效果。模拟结果表明:QML转换和直接估计量偏差均较小,随着N和T不断增大,估计准确性增加;修正QML比未修正QML估计量更精确,转换估计的准确性优于直接估计。实例应用不仅重新评估了城市碳排放与经济发展水平的空间动态非线性关系,也很好地验证和展示了理论结论和实践性。

基于降阶动态相量模型的电感耦合式励磁系统间接励磁电流估计

电励磁同步电机(EESM)具有稀土永磁材料依赖性低、励磁磁场可控、调速范围广的优点,在新能源汽车驱动领域拥有良好的应用前景。利用电感耦合式无刷励磁技术可以有效降低传统有刷EESM的摩擦损耗和维护成本。但是,无刷励磁技术的引入导致励磁电流无法直接测量,因此提出一种基于降阶动态相量模型的间接式励磁电流估计方法。首先利用电感耦合关系将励磁电流的直接估计转换为间接估计,有效地提高了算法的鲁棒性;然后推导出励磁电流降阶动态相量估计模型,进一步提高间接估计方法的精度;接着考虑电流谐波影响,提出变系数改进方法;最后通过仿真和实验验证了估计方法的有效性。

基于Transformer的三维人体姿态估计及其动作达成度评估

针对人机交互、医疗康复等领域存在的人体姿态分析与评估问题,本文提出了一种基于Transformer的三维人体姿态估计及其动作达成度评估方法。首先,本文定义了人体姿态的关键点及关节角,并在深度位姿估计网络(DPEN)的基础上,提出并构建了一个基于Transformer的三维人体姿态估计模型(TPEM),Transformer的引入能够更好的提取人体姿态的长时序特征;其次,利用TPEM模型对三维人体姿态估计结果,设计了基于加权3D关节角的动态时间规整算法,在时序上对不同人物同一动作的姿态进行姿态关键帧的规整匹配,并据此提出了动作达成度评估方法,用于给出动作的达成度分数;最后,通过在不同数据集上进行实验验证,TPEM在Human3.6 M数据集上实现了平均关节点误差为37.3 mm,而基于加权3D关节角的动态时间规整算法在Fit3D数据集上的平均误差帧数为5.08,展现了本文所提方法在三维人体姿态估计与动作达成度评估方面的可行性和有效性。