基于RAHEKF的主动配电网动态估计方法研究

由于传统的扩展卡尔曼滤波(extended kalman fileter,EKF)存在线性化误差和易受不良数据影响,噪声会随着时间动态变化,难以准确获取。针对此,基于主动配电网下,提出了一种基于鲁棒自适应H∞扩展卡尔曼滤波(robust adaptive H∞extended Kalman filtering,RAHEKF)的方法。在原有自适应EKF的基础上,采用量测不确定性理论,引入测点评价函数,来降低不良数据的影响;将EKF量测函数的泰勒展开保留到二阶项,来降低线性化带来的误差,增强算法在系统突变下的预测能力。同时采用渐消记忆时变噪声,来模拟噪声的变化,增强算法对噪声动态变化的鲁棒性。在改进的IEEE 33节点系统分别对不良数据、系统负荷突变和分布式电源功率连续大范围变化的情景下,比较EKF和AHEKF,实验结果表明,RAFEKF具有更高的精度性和鲁棒性,能够很好地适应主动配电网灵活的运行场景。