×
曲博刚;王子东;沈波;董洪丽

非高斯噪声下多机电力系统分散动态状态估计：离群点检测与定位。 （英语） Zbl 1520.93555号

Automatica公司 153，文章ID 111010，10 p.（2023）.
摘要：本文研究了一类具有非高斯噪声和测量异常值的多机电力系统的分散动态状态估计问题。为了便于大规模电力系统的分散DSE，采用了模型解耦方法。为了解决非线性和非高斯噪声问题，粒子滤波技术在所开发的DSE方案中起着关键作用。为了减轻测量野值对DSE性能的负面影响，提出了一种基于滑动窗口的在线算法，基于历史测量数据检测并进一步定位可能的野值。具体来说，构造了一些准则来（i）确定新到达的测量向量是否受到测量异常值的污染，以及（ii）定位此类向量的异常分量。推导了条件后验Cramér-Rao下界，以评估所提DSE算法的估计性能。最后，在IEEE-39总线系统上进行了仿真实验，验证了所提DSE算法在非高斯噪声和测量野值下的有效性。

引用于1文件

MSC公司：

93E10型 随机控制理论中的估计与检测
93甲14 分散的系统
93E11号机组 随机控制理论中的滤波

关键词：

多机电力系统;分散状态估计;非高斯噪声;粒子过滤器;离群点检测与定位
PDF格式BibTeX公司 XML格式引用
\textit{B.Qu}等人，Automatica 153，文章ID 111010，10 p.（2023；Zbl 1520.93555）
全文： 内政部

参考文献：

[1] 艾哈迈德，T。；Senroy，N.，基于WAMS分析的PMU误差统计特征，IEEE电力系统交易，35，2，920-928（2020）
[2] Alessandri，A。；Awawdeh，M.，《离散线性系统和测量值受异常值影响时具有保证鲁棒性的移动时域估计》，Automatica，67，85-93（2016）·Zbl 1335.93123号
[3] 阿拉萨拉特南，I。；海金，S。；Elliott，R.J.，使用高斯-海米特求积的离散时间非线性滤波算法，IEEE学报，95，5，953-977（2007）
[4] 阿鲁兰帕兰，M。；马斯凯尔，S。；戈登，N。；Clapp，T.，在线非线性/非高斯贝叶斯跟踪粒子滤波器教程，IEEE信号处理学报，50，2，174-188（2002）
[5] 贝尔斯利，D.A。；Kuh，E。；Welsch，R.E.，《回归诊断：确定有影响力的数据和共线性来源》（1980年），威利出版社：美国纽约州威利·兹比尔0479.62056
[6] 库克，R.D.，《线性回归中影响观察的检测》，技术计量学，42，1，65-68（2000）
[7] Debs，A.S。；Larson，R.E.，电力系统状态跟踪的动态估计器，IEEE电力设备和系统汇刊，89，7，1670-1678（1970）
[8] Emami，K。；费尔南多，T。；Iu，H.H.-C。；Trinh，H。；Wong，K.P.，电力系统发电机动态状态估计的粒子滤波方法，IEEE电力系统汇刊，30，5，2665-2675（2015）
[9] 甘地，M。；Mili，L.，基于广义类极大值估计的鲁棒卡尔曼滤波器，IEEE信号处理学报，58，5，2509-2520（2010）·Zbl 1392.94216号
[10] 耿，H。；刘，H。；马，L。；Yi，X.，《受限网络环境下多传感器滤波融合满足删失测量：进展、挑战和前景》，《国际系统科学杂志》，52，16，3410-3436（2021）·Zbl 1483.93643号
[11] Ghahremani，E。；Kamwa，I.，基于本地和广域PMU的多机电力系统分散动态状态估计，IEEE电力系统汇刊，31，1，547-562（2016）
[12] 胡，J。；张，H。；刘，H。；Yu，X.，网络控制系统滑模控制综述，国际系统科学杂志，52，6，1129-1147（2021）·Zbl 1483.93059号
[13] IEEE PES TF关于稳定控制基准系统、小规模稳定分析和控制基准系统的技术报告，PES-TR18（2015），IEEE电力能源协会：美国新泽西州皮斯卡塔韦IEEE电力能量协会
[14] 李伟（Li，W.）。；王，Z。；袁，Y。；Guo，L.，带衰落测量的非高斯状态估计的两阶段粒子滤波，Automatica，115，第108882页，（2020）·Zbl 1436.93139号
[15] 刘，Q。；王，Z。；何，X。；Zhou，D.H.，关于传感器网络上随机链路故障的卡尔曼-康塞斯滤波，IEEE自动控制汇刊，63，8，2701-2708（2018）·Zbl 1423.93384号
[16] 马伊斯，C.S。；Molanes-López，E.M。；Míguez，J。；Djurić，P.M.，用于处理被异常值破坏的时间序列的粒子滤波方案，IEEE信号处理汇刊，60，94611-4627（2012）·Zbl 1393.94350号
[17] 毛，J。；孙，Y。；Yi，X。；刘，H。；丁，D.，网络非线性系统的递归滤波：综述，国际系统科学杂志，52，6，1110-1128（2021）
[18] Maronna，R.A。；马丁·R·D。；尤海，V.J.，（统计学：理论与方法。统计学：理论和方法，威利概率统计系列（2006），威利：威利奇切斯特，英国）·邮编1094.62040
[19] Qu，B。；王，Z。；Shen，B.，一类随机发生SCADA测量延迟的多速率电力系统的融合估计，Automatica，125，第109408条，pp.（2021）·Zbl 1461.93014号
[20] 萨根，A。；刘，Y。；Bernstein，A.，配电系统的去中心化低秩状态估计，IEEE智能电网汇刊，12，4，3097-3106（2021）
[21] Sauer，P.W。；Pai，M.，《电力系统动态与稳定性》（1997），普伦蒂斯·霍尔：普伦蒂斯霍尔·恩格尔伍德克利夫斯，新泽西州，美国
[22] 辛格，A.K。；Pal，B.C.，《使用仪表变压器的电力系统分散动态状态估计》，IEEE信号处理汇刊，66，6，1541-1550（2018）·Zbl 1414.94571号
[23] Song，W。；王，Z。；Wang，J。；Alsaadi，F.E。；Shan，J.，《在多重攻击下使用二进制传感器的网络物理系统的安全粒子滤波》，IEEE系统期刊，16，1，603-613（2021）
[24] 蒂查夫斯克，P。；穆拉夫奇克，C.H。；Nehorai，A.，离散时间非线性滤波的后验Cramér-Rao界，IEEE信号处理学报，46，5，1386-1396（1998）
[25] Valverde，G。；Saric，A.T。；Terzija，V.，配电网随机监测，包括相关输入变量，IEEE电力系统交易，28，1，246-255（2013）
[26] 王，S。；赵，J。；黄，Z。；Diao，R.，使用现场数据评估PMU测量误差的高斯假设，IEEE电力传输汇刊，33，6，3233-3236（2018）
[27] 张，S。；曹，H。；Yang，S。；Zhang，Y。；Hei，X.，在线自适应滤波稀疏化的序列异常值标准，IEEE神经网络和学习系统汇刊，29，11，5277-5291（2018）
[28] 赵，J。；Gomez-Exposio，A。；内托，M。；Mili，L。；阿布尔，A。；Terzija，V.，《电力系统动态状态估计：动机、定义、方法和未来工作》，IEEE电力系统汇刊，34，4，3188-3198（2019）
[29] 赵，J。；Mili，L.，基于多假设检验的电力系统分散动态状态估计，IEEE电力系统交易，33，4，4553-4562（2018）
[30] 郑毅。；Ozdemir，O。；纽·R。；Varshney，P.K.，非线性序贯贝叶斯估计的新条件后验Cramér-Rao下限，IEEE信号处理学报，60，10，5549-5556（2012）·Zbl 1393.94663号
[31] 周，N。；孟，D。；黄，Z。；Welch，G.，《使用PMU数据进行同步机动态状态估计：比较研究》，IEEE智能电网交易，6，1，450-460（2015）
[32] 邹，L。；王，Z。；胡，J。；Dong，H.，脉冲测量离群值下的最终有界滤波，IEEE自动控制汇刊，67，1，304-319（2022）·兹伯利07488073
[33] 左，L。；纽·R。；Varshney，P.K.，非线性序贯贝叶斯估计的条件后验Cramér-Rao下界，IEEE信号处理学报，59，1，1-14（2011）·兹比尔1392.94578
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。