计及量测数据丢失的主动配电网电流保护自适应整定方法

随着逆变型分布式电源大量接入配电网,配电网运行方式灵活多变,给基于定值的三段式电流保护带来了挑战。同时,因配电终端和局域通信易受影响,基于局域通信协作的保护获取的量测数据可能存在缺失及错误问题,影响保护的动作性能。为此,提出了计及量测数据缺失及错误的配电网电流保护自适应整定方法。首先,通过多点量测信息实时感知配电网运行状态,并生成含实时拓扑信息的关联阻抗矩阵,经迭代计算后自适应调整保护定值,从而使得所提保护能够自动适应配电网运行方式的动态变化;然后,提出改进的基于Wasserstein距离生成式对抗网络的缺失数据重构与异常数据修正算法,解决了基于局域通信的配电网自适应电流保护存在的量测数据丢失及错误;最后,通过仿真验证了所提方法的正确性及有效性。

带有量测数据丢失的虚观测鲁棒卡尔曼滤波算法

针对传感器量测数据丢失的卡尔曼(Kalman)滤波问题进行了研究,提出了一种基于虚观测值的鲁棒卡尔曼滤波算法,针对伯努利(Bernoulli)分布描述的量测数据丢失的模型,充分利用当前时刻的先验信息,应用趋势移动平均法来预估构造丢失数据时刻的虚观测值,建立了等效的传感器量测模型.利用鲁棒卡尔曼滤波方法来消除预测偏差较大的虚观测值对目标跟踪的影响,从而达到对目标的稳健跟踪.仿真实例说明了该算法能在量测数据丢失的情况下对目标进行有效的跟踪,跟踪精度高于跳变线性系统的卡尔曼滤波算法.

基于状态估计的高速受电弓鲁棒预测控制

受电弓-接触网系统在高速列车获取电能的过程中起着至关重要的作用,受电弓与接触网之间连续、平稳的接触状态是保证高速列车高质量获取电能的关键因素。随着列车运行速度提高,弓网之间的振动更加剧烈,受流质量变差。为减小弓网振动,提高受流质量,提出一种基于状态估计的受电弓鲁棒预测控制策略。首先,为获得复杂电磁环境下的受电弓状态,给出一种基于鲁棒卡尔曼滤波器的受电弓状态估计方法;然后,将接触力跟踪误差的积分增广至受电弓-接触网系统状态空间方程中,并在考虑控制变量和输出变量约束的基础上,设计鲁棒预测控制器;最后在非线性受电弓-接触网模型中,验证控制器在不同工况下的有效性和鲁棒性。仿真结果表明,所提的状态估计方法能精确获得受电弓状态,控制器能在受电弓参数摄动的情况下,减小受电弓-接触网接触力的标准差,提高高速列车受电弓-接触网受流质量。

压制干扰环境下目标跟踪的改进粒子滤波算法

针对压制干扰环境下传统粒子滤波算法跟踪效果不佳的问题,在传统粒子滤波算法的基础之上,融合压制干扰条件下的有用量测信息,构造了一种新的粒子滤波算法。在算法的实现过程中,通过采用伯努利(Bernoulli)分布重新构造了压制干扰环境下发生量测数据丢失的传感器模型,在此基础上通过充分考虑有效量测值以及量测丢失时的一些有用量测信息,推导出了闪烁噪声条件下的似然函数,直接用于粒子权重更新的计算,并且通过纯方位跟踪以及协同转弯机动模型,仿真验证了该算法极大改善了标准粒子滤波算法的稳定性和提升了粒子滤波算法的估计精度。