找到 2 条结果
基于稀疏回归无迹卡尔曼滤波的光伏系统数据驱动动态状态估计
Data-Driven Dynamic State Estimation of Photovoltaic Systems via Sparse Regression Unscented Kalman Filter
Elham Jamalinia · Zhongtian Zhang · Javad Khazaei · Rick S. Blum · IEEE Transactions on Industrial Informatics · 2024年12月
本文提出了一种数据驱动的动态状态估计（DSE）方法，该方法专为受过程噪声和测量噪声影响的光伏（PV）能量转换系统（单级和两级）而设计。所提出的框架采用两阶段方法，包括“数据驱动的模型识别”和“状态估计”。在初始的模型识别阶段，利用非线性稀疏回归技术收集状态反馈，以阐明光伏系统的动态特性。在识别出光伏系统的动态特性后，将使用非线性数据驱动模型来估计光伏系统的动态，以用于监测和保护目的。为了应对不完整的测量、内在的不确定性和噪声，我们采用了“无迹卡尔曼滤波器”，该滤波器通过处理含噪输出数据来实现状态...
解读: 从阳光电源的业务视角来看，这项基于数据驱动的光伏系统动态状态估计技术具有重要的应用价值。该技术通过稀疏回归与无迹卡尔曼滤波器的结合，为光伏发电系统的实时监测和故障保护提供了新的解决方案，这与我们在逆变器智能化和系统可靠性提升方面的战略方向高度契合。 对于阳光电源的核心产品线，该技术的价值主要体现在...
用于存在未知输入和协方差失配情况下电力系统分散式动态状态估计的鲁棒自适应衰减无迹卡尔曼滤波器
Robust Adaptive Fading Unscented Kalman Filter for Decentralized Dynamic State Estimation in Power Systems Under Unknown Inputs and Covariance Mismatches
Bo Chai · S. C. Chan · Y. H. Hou · IEEE Transactions on Power Systems · 2025年5月
同步电机的动态状态估计（DSE）对电力系统的监控、保护与控制至关重要。异常值和模型不确定性导致的不良数据会显著影响估计精度。本文提出一种鲁棒自适应衰减（AF）无迹卡尔曼滤波器（UKF），用于在不良数据下进行DSE及未测输入引起的未知输入估计。该方法利用AF机制减小KF中状态与测量噪声协方差矩阵的尺度失配，抑制模型不确定性。提出基于迹运算和最小二乘法的衰减因子估计方法，并采用低阶卡尔曼滤波或递推最小二乘算法进行跟踪。进一步引入基于鲁棒统计的扩展方法以有效检测和抑制不良数据。理论分析了所提滤波器的稳...
解读: 该鲁棒自适应衰减UKF技术对阳光电源储能与新能源并网产品具有重要应用价值。在PowerTitan大型储能系统中，可用于精确估计同步机等发电设备的动态状态，提升电网侧储能系统的协调控制精度。对于构网型GFM控制的ST系列储能变流器，该算法能在测量异常和模型不确定性下保持虚拟同步机参数的准确估计，增强系...