Constrained Dynamic State Estimation Based on Extended Kernel Risk Sensitive Loss Unscented Kalman Filter

MA Wentao; KOU Xiao; GUO Yaosong; DUAN Jiandong

doi:10.7500/AEPS20220622003

您当前的位置：

首页 >

文章列表页 >

Constrained Dynamic State Estimation Based on Extended Kernel Risk Sensitive Loss Unscented Kalman Filter

Application Research | 更新时间：2025-06-16

- Constrained Dynamic State Estimation Based on Extended Kernel Risk Sensitive Loss Unscented Kalman Filter
- Automation of Electric Power Systems Vol. 47, Issue 6, Pages: 185-196(2023)
- 作者机构：
  
  1.西安理工大学电气工程学院,陕西省西安市 710054
  2.国网陕西省电力公司西安供电公司,陕西省西安市 710032
  3.南瑞集团有限公司(国网电力科学研究院有限公司),江苏省南京市 211106
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(61976175);Joint Funds of National Natural Science Foundation of China(U21A20485)
- DOI：10.7500/AEPS20220622003
  CLC：
- Received：22 June 2022，
  
  Revised：2022-11-16，
  
  Published Online：23 February 2023，
  
  Published：25 March 2023
- 稿件说明：
移动端阅览
马文涛,寇晓,郭耀松等.基于扩展KRSL无迹卡尔曼滤波的约束动态状态估计[J].电力系统自动化,2023,47(6):185-196.

MA Wentao,KOU Xiao,GUO Yaosong,et al.Constrained Dynamic State Estimation Based on Extended Kernel Risk Sensitive Loss Unscented Kalman Filter[J].Automation of Electric Power Systems,2023,47(6):185-196.
马文涛,寇晓,郭耀松等.基于扩展KRSL无迹卡尔曼滤波的约束动态状态估计[J].电力系统自动化,2023,47(6):185-196. DOI： 10.7500/AEPS20220622003.

MA Wentao,KOU Xiao,GUO Yaosong,et al.Constrained Dynamic State Estimation Based on Extended Kernel Risk Sensitive Loss Unscented Kalman Filter[J].Automation of Electric Power Systems,2023,47(6):185-196. DOI： 10.7500/AEPS20220622003.

摘要

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。

Abstract

As an effective means for monitoring the dynamic change of the system

the dynamic state estimation is of great significance to the stable operation of the power system. However

time-varying non-Gaussian measurement noise and outliers often exist in the collected and transmitted data

which reduces the accuracy of traditional Kalman filter estimation methods based on the mean squared error criterion. To this end

the generalized kernel risk sensitive loss function is defined firstly

and it is introduced into the unscented Kalman filter framework for robust state estimation. Secondly

considering the different condition constraints of the synchronous generator and controller models

the constraints are introduced into the aforementioned estimation algorithm through the pseudo-measurement method to solve the problem that the estimated value is beyond the true value range and produces a large estimation deviation

so as to further improve the estimation accuracy. Finally

the simulation experiments are performed under different conditions to verify the effectiveness of the proposed algorithm in the New England 16-machine 68-bus network model

关键词

Keywords

references

王彩霞，时智勇，梁志峰，等 . 新能源为主体电力系统的需求侧资源利用关键技术及展望［J］. 电力系统自动化， 2021 ， 45 （ 16 ）： 37 - 48 .

WANG Caixia ， SHI Zhiyong ， LIANG Zhifeng ， et al . Key technologies and prospects of demand-side resource utilization for power systems dominated by renewable energy ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 16 ）： 37 - 48 .

张磊，朱凌志，陈宁，等 . 新能源发电模型统一化研究［J］. 电力系统自动化， 2015 ， 39 （ 24 ）： 129 - 138 .

ZHANG Lei ， ZHU Lingzhi ， CHEN Ning ， et al . Review on generic model for renewable energy generation ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 24 ）： 129 - 138 .

诸葛桥忠 . 规模化电动汽车充电对电力系统的影响［J］. 黑龙江科学， 2020 ， 11 （ 16 ）： 152 - 153 .

ZHUGE Qiaozhong . Influence of large-scale electromobile discharge on electrical power system ［J］. Heilongjiang Science ， 2020 ， 11 （ 16 ）： 152 - 153 .

肖先勇，郑子萱 . “双碳”目标下新能源为主体的新型电力系统：贡献、关键技术与挑战［J］. 工程科学与技术， 2022 ， 54 （ 1 ）： 47 - 59 .

XIAO Xianyong ， ZHENG Zixuan . New power systems dominated by renewable energy towards the goal of emission peak & carbon neutrality： contribution， key techniques， and challenges ［J］. Advanced Engineering Sciences ， 2022 ， 54 （ 1 ）： 47 - 59 .

陈艳波，高瑜珑，赵俊博，等 . 综合能源系统状态估计研究综述［J］. 高电压技术， 2021 ， 47 （ 7 ）： 2281 - 2292 .

CHEN Yanbo ， GAO Yulong ， ZHAO Junbo ， et al . Review on integrated energy system state estimation ［J］. High Voltage Engineering ， 2021 ， 47 （ 7 ）： 2281 - 2292 .

GHAHREMANI E ， KAMWA I . Simultaneous state and input estimation of a synchronous machine using the extended Kalman filter with unknown inputs ［C］// IEEE International Electric Machines & Drives Conference （IEMDC）， May 15-18 ， 2011 ， Niagara Falls， Canada ： 1468 - 1473 .

GHAHREMANI E ， KAMWA I . Online state estimation of a synchronous generator using unscented Kalman filter from phasor measurements units ［J］. IEEE Transactions on Energy Conversion ， 2011 ， 26 （ 4 ）： 1099 - 1108 .

CUI Y N ， KAVASSERI R . A particle filter for dynamic state estimation in multi-machine systems with detailed models ［J］. IEEE Transactions on Power Systems ， 2015 ， 30 （ 6 ）： 3377 - 3385 .

SHARMA A ， SRIVASTAVA S C ， CHAKRABARTI S . A cubature Kalman filter based power system dynamic state estimator ［J］. IEEE Transactions on Instrumentation and Measurement ， 2017 ， 66 （ 8 ）： 2036 - 2045 .

WANG S B ， ZHAO J B ， HUANG Z Y ， et al . Assessing Gaussian assumption of PMU measurement error using field data ［J］. IEEE Transactions on Power Delivery ， 2018 ， 33 （ 6 ）： 3233 - 3236 .

TIAN J W ， WANG B H ， LI T Y ， et al . TOTAL： optimal protection strategy against perfect and imperfect false data injection attacks on power grid cyber-physical systems ［J］. IEEE Internet of Things Journal ， 2021 ， 8 （ 2 ）： 1001 - 1015 .

KOSTEREV D N ， TAYLOR C W ， MITTELSTADT W A . Model validation for the August 10， 1996 WSCC system outage ［J］. IEEE Transactions on Power Systems ， 1999 ， 14 （ 3 ）： 967 - 979 .

LIU X ， QU H ， ZHAO J H ， et al . Extended Kalman filter under maximum correntropy criterion ［C］// International Joint Conference on Neural Networks （IJCNN）， July 24-29 ， 2016 ， Vancouver， Canada ： 1733 - 1737 .

CHANG L ， HU B ， CHANG G ， et al . Huber-based novel robust unscented Kalman filter ［J］. IET Science ， Measurement & Technology， 2012 ， 6 （ 6 ）： 502 .

GANDHI M A ， MILI L . Robust Kalman filter based on a generalized maximum-likelihood-type estimator ［J］. IEEE Transactions on Signal Processing ， 2010 ， 58 （ 5 ）： 2509 - 2520 .

ROUHANI A ， ABUR A . Linear phasor estimator assisted dynamic state estimation ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 1 ）： 211 - 219 .

ZHAO J B ， NETTO M ， MILI L . A robust iterated extended Kalman filter for power system dynamic state estimation ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 4 ）： 3205 - 3216 .

ZHAO J B ， MILI L . A robust generalized-maximum likelihood unscented Kalman filter for power system dynamic state estimation ［J］. IEEE Journal of Selected Topics in Signal Processing ， 2018 ， 12 （ 4 ）： 578 - 592 .

ZHAO J B ， MILI L . A theoretical framework of robust H-infinity unscented Kalman filter and its application to power system dynamic state estimation ［J］. IEEE Transactions on Signal Processing ， 2019 ， 67 （ 10 ）： 2734 - 2746 .

朱茂林，刘灏，毕天姝，等 . 考虑输入量不良数据的发电机动态状态估计方法［J］. 电力系统自动化， 2022 ， 46 （ 7 ）： 94 - 103 .

ZHU Maolin ， LIU Hao ， BI Tianshu ， et al . Dynamic state estimation method for generators considering bad data in input ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 7 ）： 94 - 103 .

刘朋成，项中明，江全元，等 . 基于鲁棒容积卡尔曼滤波的同步发电机实时动态状态估计方法［J］. 电网技术， 2019 ， 43 （ 8 ）： 2860 - 2868 .

LIU Pengcheng ， XIANG Zhongming ， JIANG Quanyuan ， et al . Real-time dynamic state estimation for synchronous machines based on robust CKF ［J］. Power System Technology ， 2019 ， 43 （ 8 ）： 2860 - 2868 .

CHEN B D ， XING L ， ZHAO H Q ， et al . Generalized correntropy for robust adaptive filtering ［J］. IEEE Transactions on Signal Processing ， 2016 ， 64 （ 13 ）： 3376 - 3387 .

CHEN B D ， PRINCIPE J C ， HU J C ， et al . Stochastic information gradient algorithm with generalized Gaussian distribution model ［J］. Journal of Circuits， Systems and Computers ， 2012 ， 21 （ 1 ）： 1250006 .

CHEN B D ， XING L ， XU B ， et al . Kernel risk-sensitive loss： definition， properties and application to robust adaptive filtering ［J］. IEEE Transactions on Signal Processing ， 2017 ， 65 （ 11 ）： 2888 - 2901 .

CHEN B D ， LIU X ， ZHAO H Q ， et al . Maximum correntropy Kalman filter ［J］. Automatica ， 2017 ， 76 ： 70 - 77 .

SHIH K R ， HUANG S J . Application of a robust algorithm for dynamic state estimation of a power system ［J］. IEEE Transactions on Power Systems ， 2002 ， 17 （ 1 ）： 141 - 147 .

JULIER S ， UHLMANN J ， DURRANT-WHYTE H F . A new method for the nonlinear transformation of means and covariances in filters and estimators ［J］. IEEE Transactions on Automatic Control ， 2000 ， 45 （ 3 ）： 477 - 482 .

ZHAO J B ， MILI L ， GÓMEZ-EXPÓSITO A . Constrained robust unscented Kalman filter for generalized dynamic state estimation ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 5 ）： 3637 - 3646 .

LIU W F ， POKHAREL P P ， PRINCIPE J C . Correntropy： properties and applications in non-Gaussian signal processing ［J］. IEEE Transactions on Signal Processing ， 2007 ， 55 （ 11 ）： 5286 - 5298 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

考虑量测坏数据的发电机动态状态估计方法

混合量测下基于UKF的电力系统动态状态估计

Dynamic State Estimation for Distribution Network with Photovoltaic Based on Improved Cubature Kalman Filter

Protection for Modular Multilevel Converter Based on Twin Model

Related Author

MA Anan

LI Dalu

LI Rui

SUN Yuanzhang

BI Tianshu

WANG Ziwei

LIU Hao

DENG Nan

Related Institution

College of Electrical Engineering, Zhejiang University

Wuhan University

State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University)

School of Electrical Engineering, Beijing Jiaotong University

State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University)

⁰