基于KalmanNet的交直流配电网谐波动态状态估计方法

缪可妍; 黄蔓云; 孙康; 郑玉平; 孙国强

doi:10.7500/AEPS20250422007

您当前的位置：

首页 >

文章列表页 >

基于KalmanNet的交直流配电网谐波动态状态估计方法

学术研究 | 更新时间：2026-02-28

- 基于KalmanNet的交直流配电网谐波动态状态估计方法
- Dynamic State Estimation Method for Harmonics in AC/DC Distribution Network Based on KalmanNet
- 电力系统自动化 2026年50卷第2期页码：136-145
- 作者机构：
  
  1.河海大学电气与动力工程学院，江苏省南京市 211100
  2.国网电力科学研究院有限公司（南瑞集团有限公司），江苏省南京市 211106
- 作者简介：
  
  缪可妍(2001—)，女，硕士研究生，主要研究方向：交直流配电网谐波状态估计。E-mail：miaokeyan0728@163.com
  黄蔓云(1991—)，女，博士，副教授，硕士生导师，主要研究方向：互联大电网状态估计、中低压配电网态势感知。E-mail：hmy_hhu@yeah.net
  孙康(1997—)，男，博士研究生，主要研究方向：电力系统流数据状态估计。E-mail：sunkang.real@outlook.com
  郑玉平(1964—)，男，通信作者，博士，教授级高级工程师，主要研究方向：综合能源系统优化运行、电力系统继电保护与控制。E-mail：zhengyuping@sgepri.sgcc.com.cn
- 基金信息：
  
  国家电网公司科技项目：“新型电力系统配电网保护与自愈控制关键技术研究”(5108-202218280A-2-75-XG)
- DOI：10.7500/AEPS20250422007
  中图分类号：
- 收稿：2025-04-22，
  
  修回：2025-07-07，
  
  网络首发：2025-08-21，
  
  纸质出版：2026-01-25
- 稿件说明：
移动端阅览
缪可妍,黄蔓云,孙康等.基于KalmanNet的交直流配电网谐波动态状态估计方法[J].电力系统自动化,2026,50(2):136-145.

MIAO Keyan,HUANG Manyun,SUN Kang,et al.Dynamic State Estimation Method for Harmonics in AC/DC Distribution Network Based on KalmanNet[J].Automation of Electric Power Systems,2026,50(2):136-145.
缪可妍,黄蔓云,孙康等.基于KalmanNet的交直流配电网谐波动态状态估计方法[J].电力系统自动化,2026,50(2):136-145. DOI： 10.7500/AEPS20250422007.

MIAO Keyan,HUANG Manyun,SUN Kang,et al.Dynamic State Estimation Method for Harmonics in AC/DC Distribution Network Based on KalmanNet[J].Automation of Electric Power Systems,2026,50(2):136-145. DOI： 10.7500/AEPS20250422007.

摘要

随着配电网中交直流互联形式越来越多，网络中的谐波问题日益凸显，对谐波的实时监视和动态跟踪需求愈加迫切。然而，以扩展卡尔曼滤波（EKF）为代表的传统动态状态估计算法通常以基于经验设定的状态转移模型和高斯分布的量测噪声假设为基础，在实际交直流配电网中，易出现系统模型失配的情况，导致状态估计精度下降甚至失效。为此，提出一种基于卡尔曼网络（KalmanNet）的交直流配电网谐波动态状态估计方法，该方法将EKF与循环神经网络（RNN）进行融合，在传统EKF模型框架的基础上

省去了高维协方差矩阵的计算和存储，并用RNN代替对状态估计值的显式计算。在改进的三相不平衡33节点算例所拓展的交直流混合配电网上进行了测试分析。结果表明，与传统算法相比，所提方法具有更高的谐波状态估计精度和计算效率，且在坏数据场景下具有更强的鲁棒性。

Abstract

With the increasing number of AC and DC interconnection modes in the distribution network

the issue of harmonics in the network has become increasingly prominent

making the demand for real-time monitoring and dynamic tracking of harmonics ever more urgent. However

the traditional dynamic state estimation algorithms

represented by the extended Kalman filter (EKF)

are usually based on the empirically set state transition model and the measurement noise assumption of Gaussian distribution. In practical AC/DC distribution networks

these algorithms are prone to system model mismatch

leading to a decline or even failure in state estimation accuracy. To address this

a KalmanNet-based dynamic state estimation method for harmonics in AC/DC distribution networks is proposed. This method integrates EKF with recurrent neural network (RNN). Based on the framework of traditional EKF model

it eliminates the need for calculation and storage of high-dimensional covariance matrices and replaces the explicit calculation of state estimates with RNN. Testing and analysis are conducted on an expanded AC/DC hybrid distribution network derived from an improved three-phase unbalanced 33-bus case study. The results demonstrate that

compared with traditional algorithms

the proposed method exhibits higher accuracy and computational efficiency in harmonic state estimation

along with stronger robustness in the scenarios involving bad data.

关键词

Keywords

references

国家能源局 . 新时代中国能源在高质量发展道路上奋勇前进［N］. 人民日报， 2020-12-31 （11）.

National Energy Administration . China’s energy in the new era is forging ahead on the path of high-quality development ［N］. Daily People’s ， 2020-12-31 （11）.

曾鸣，张硕 . “十四五” 电力规划的综合能源发展探析［J］. 中国电力企业管理， 2020 （ 13 ）： 26 - 28 .

ZENG Ming ， ZHANG Shuo . Analysis of comprehensive energy development in the “14th Five-Year Plan” power planning ［J］. China Power Enterprise Management ， 2020 （ 13 ）： 26 - 28 .

AHMED H M A ， SALAMA M M A . Energy management of AC-DC hybrid distribution systems considering network reconfiguration ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 6 ）： 4583 - 4594 .

赵彪，赵宇明，王一振，等 . 基于柔性中压直流配电的能源互联网系统［J］. 中国电机工程学报， 2015 ， 35 （ 19 ）： 4843 - 4851 .

ZHAO Biao ， ZHAO Yuming ， WANG Yizhen ， et al . Energy Internet based on flexible medium-voltage DC distribution ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 19 ）： 4843 - 4851 .

梁志瑞，叶慧强，赵飞 . 电力系统谐波状态估计研究综述［J］. 电力系统保护与控制， 2010 ， 38 （ 15 ）： 157 - 160 .

LIANG Zhirui ， YE Huiqiang ， ZHAO Fei . Overview on power system harmonic state estimation ［J］. Power System Protection and Control ， 2010 ， 38 （ 15 ）： 157 - 160 .

白志轩，肖先勇，张逸，等 . 计及谐波视在功率的谐波源识别方法［J］. 电力系统自动化， 2017 ， 41 （ 8 ）： 11 - 15 .

BAI Zhixuan ， XIAO Xianyong ， ZHANG Yi ， et al . Identification method of harmonic source considering harmonic apparent power ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 8 ）： 11 - 15 .

黄蔓云，郭镜玮，臧海祥，等 . 基于消息传递图神经网络的电力系统状态估计［J］. 电网技术， 2023 ， 47 （ 11 ）： 4396 - 4409 .

HUANG Manyun ， GUO Jingwei ， ZANG Haixiang ， et al . State estimation of power system based on a message passing neural network ［J］. Power System Technology ， 2023 ， 47 （ 11 ）： 4396 - 4409 .

刘灏，王紫薇，毕天姝 . 基于改进容积卡尔曼滤波的含光伏配电网动态状态估计［J］. 电力系统自动化， 2025 ， 49 （ 9 ）： 157 - 165 .

LIU Hao ， WANG Ziwei ， BI Tianshu . Dynamic state estimation for distribution network with photovoltaic based on improved cubature Kalman filter ［J］. Automation of Electric Power Systems ， 2025 ， 49 （ 9 ）： 157 - 165 .

周念成，谭桂华，何建森，等 . 基于统计方法的电网谐波状态估计误差分析［J］. 电工技术学报， 2009 ， 24 （ 6 ）： 109 - 114 .

ZHOU Niancheng ， TAN Guihua ， HE Jiansen ， et al . Error analysis in harmonic state estimation of power system based on the statistical approach ［J］. Transactions of China Electrotechnical Society ， 2009 ， 24 （ 6 ）： 109 - 114 .

刘颖 . 基于抗差最小二乘法的谐波状态估计方法研究［D］. 北京：华北电力大学， 2012 .

LIU Ying . Research on power system harmonic state estimation based on robust least squares ［D］. Beijing ： North China Electric Power University ， 2012 .

牛胜锁，张达，梁志瑞，等 . 基于抗差总体最小二乘法的电力系统谐波状态估计［J］. 电力系统保护与控制， 2014 ， 42 （ 11 ）： 106 - 111 .

NIU Shengsuo ， ZHANG Da ， LIANG Zhirui ， et al . Power system harmonic state estimation based on robust total least squares ［J］. Power System Protection and Control ， 2014 ， 42 （ 11 ）： 106 - 111 .

林晓婉，代锋，刘沈全，等 . 含LCC-HVDC的交直流混联电网统一谐波状态估计方法［J］. 电力系统自动化， 2022 ， 46 （ 13 ）： 94 - 103 .

LIN Xiaowan ， DAI Feng ， LIU Shenquan ， et al . Unified harmonic state estimation method for AC/DC hybrid power grid with LCC-HVDC ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 13 ）： 94 - 103 .

廖启术 . 基于高斯过程的配电网状态估计方法研究［D］. 成都：电子科技大学， 2022 .

LIAO Qishu . Research on distribution network state estimation method based on Gaussian process ［D］. Chengdu ： University of Electronic Science and Technology of China ， 2022 .

MA H L ， GIRGIS A A . Identification and tracking of harmonic sources in a power system using a Kalman filter ［J］. IEEE Transactions on Power Delivery ， 1996 ， 11 （ 3 ）： 1659 - 1665 .

YU K K C ， WATSON N R ， ARRILLAGA J . An adaptive Kalman filter for dynamic harmonic state estimation and harmonic injection tracking ［J］. IEEE Transactions on Power Delivery ， 2005 ， 20 （ 2 ）： 1577 - 1584 .

CISNEROS-MAGANA R ， MEDINA A ， DINAVAHI V ， et al . Time-domain power quality state estimation based on Kalman filter using parallel computing on graphics processing units ［J］. IEEE Access ， 2018 ， 6 ： 21152 - 21163 .

LI Y S ， LIU J ， YANG T . Dynamic harmonic state estimation of power system based on Sage-Husa square-root unscented Kalman filter ［C］// 2019 IEEE 3rd International Electrical and Energy Conference （CIEEC）， September 7-9 ， 2019 ， Beijing， China ： 478 - 483 .

王甜婧，汤涌，王兵，等 . 传统方法与人工智能：潮流控制优化算法的现状、挑战与未来方向［J］. 中国电机工程学报， 2023 ， 43 （ 5 ）： 1799 - 1818 .

WANG Tianjing ， TANG Yong ， WANG Bing ， et al . Traditional methods and artificial intelligence： current status， challenges， and future directions of flow control optimization algorithms ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 5 ）： 1799 - 1818 .

马永硕，齐林海，肖湘宁，等 . 基于改进生成对抗网络的谐波状态估计方法［J］. 电力系统自动化， 2022 ， 46 （ 1 ）： 139 - 145 .

MA Yongshuo ， QI Linhai ， XIAO Xiangning ， et al . Harmonic state estimation method based on improved generative adversarial network ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 1 ）： 139 - 145 .

冯函宇，王红，齐林海，等 . 基于时空图卷积网络的谐波状态估计方法研究［J］. 电网技术， 2023 ， 47 （ 11 ）： 4488 - 4501 .

FENG Hanyu ， WANG Hong ， QI Linhai ， et al . Harmonic state estimation based on spatiotemporal graph convolutional network ［J］. Power System Technology ， 2023 ， 47 （ 11 ）： 4488 - 4501 .

乔骥，郭剑波，范士雄，等 . 人在回路的电网调控混合增强智能初探：基本概念与研究框架［J］. 中国电机工程学报， 2023 ， 43 （ 1 ）： 1 - 15 .

QIAO Ji ， GUO Jianbo ， FAN Shixiong ， et al . Preliminary exploration of hybrid enhanced intelligence for human in loop power grid regulation： basic concepts and research framework ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 1 ）： 1 - 15 .

杨博，陈义军，姚伟，等 . 基于新一代人工智能技术的电力系统稳定评估与决策综述［J］. 电力系统自动化， 2022 ， 46 （ 22 ）： 200 - 223 .

YANG Bo ， CHEN Yijun ， YAO Wei ， et al . Overview of power system stability assessment and decision making based on new generation artificial intelligence technology ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 22 ）： 200 - 223 .

邵振国，谢雨寒，林俊杰，等 . 机理与生成对抗网络融合的谐波状态估计方法［J/OL］. 中国电机工程学报［ 2025-01-10 ］. http：//kns.cnki.net/kcms/detail/11.2107.TM.20241010.0942.006.html http://kns.cnki.net/kcms/detail/11.2107.TM.20241010.0942.006.html .

SHAO Zhenguo ， XIE Yuhan ， LIN Junjie ， et al . Harmonic state estimation method based on mechanism and generative adversarial network fusion ［J/OL］. Proceedings of the CSEE ［ 2025-01-10 ］. http：//kns.cnki.net/kcms/detail/11.2107.TM.202410 10.0942.006.html http://kns.cnki.net/kcms/detail/11.2107.TM.20241010.0942.006.html .

蒲天骄，乔骥，赵紫璇，等 . 面向电力系统智能分析的机器学习可解释性方法研究（一）：基本概念与框架［J］. 中国电机工程学报， 2023 ， 43 （ 18 ）： 7010 - 7030 .

PU Tianjiao ， QIAO Ji ， ZHAO Zixuan ， et al . Research on interpretable methods of machine learning applied in intelligent analysis of power system（Part Ⅰ）： basic concepts and framework ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 18 ）： 7010 - 7030 .

乔骥，赵紫璇，王晓辉，等 . 面向电力系统智能分析的机器学习可解释性方法研究（二）：电网稳定分析的物理内嵌式机器学习［J］. 中国电机工程学报， 2023 ， 43 （ 23 ）： 9046 - 9059 .

QIAO Ji ， ZHAO Zixuan ， WANG Xiaohui ， et al . Research on interpretable methods of machine learning applied in intelligent analysis of power system （Part Ⅱ）： physical-embedded machine learning for power system stability analysis ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 23 ）： 9046 - 9059 .

吴笃贵，徐政 . 基于相量量测的电力系统谐波状态估计（Ⅰ）——理论、模型与求解算法［J］. 电工技术学报， 2004 ， 19 （ 2 ）： 64 - 68 .

WU Dugui ， XU Zheng . Power system harmonic state estimation based on phasor measurements （Ⅰ）—theory， model and solution algorithm ［J］. Transactions of China Electrotechnical Society ， 2004 ， 19 （ 2 ）： 64 - 68 .

梁志瑞，叶慧强，赵飞 . 电力系统谐波状态估计研究综述［J］. 电力系统保护与控制， 2010 ， 38 （ 15 ）： 157 - 160 .

LIANG Zhirui ， YE Huiqiang ， ZHAO Fei . Overview on power system harmonic state estimation ［J］. Power System Protection and Control ， 2010 ， 38 （ 15 ）： 157 - 160 .

JAIN S K ， JAIN P ， SINGH S N . A fast harmonic phasor measurement method for smart grid applications ［J］. IEEE Transactions on Smart Grid ， 2017 ， 8 （ 1 ）： 493 - 502 .

曲泽奇 . 配电网谐波状态可观性分析及其量测优化布点方法的研究［D］. 青岛：中国石油大学（华东）， 2020 .

QU Zeqi . Research on the method of harmonic state observability analysis and optimal measuring devices placement in distribution networks ［D］. Qingdao ： China University of Petroleum （East China）， 2020 .

马鑫 . 交直流配电网状态估计及日前调度模型研究［D］. 杭州：浙江大学， 2019 .

MA Xin . Research on state estimation and day-ahead dispatching model of AC/DC distribution network ［D］. Hangzhou ： Zhejiang University ， 2019 .

彭显刚，潘可达，张丹，等 . 基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测［J］. 电网技术， 2020 ， 44 （ 2 ）： 603 - 613 .

PENG Xiangang ， PAN Keda ， ZHANG Dan ， et al . Piecewise short-term load forecasting based on adaptive seasonal load category and important point segment ［J］. Power System Technology ， 2020 ， 44 （ 2 ）： 603 - 613 .

KO B ， KIM H G ， OH K J ， et al . Controlled dropout： a different approach to using dropout on deep neural network ［C］// 2017 IEEE International Conference on Big Data and Smart Computing （BigComp）， February 13-16 ， 2017 ， Jeju Island， Korea ： 358 - 362 .

ALIPPI C ， ROVERI M . Virtual k-fold cross validation： an effective method for accuracy assessment ［C］// The 2010 International Joint Conference on Neural Networks （IJCNN）， July 18-23 ， 2010 ， Barcelona， Spain ： 1 - 6 .

WONG T T ， YANG N-Y . Dependency analysis of accuracy estimates in k-fold cross validation ［J］. IEEE Transactions on Knowledge and Data Engineering ， 2017 ， 29 （ 11 ）： 2417 - 2427 .

DOS SANTOS P G M ， ARAUJO I C S ， SOUSA R S ， et al . Quantum enhanced k-fold cross-validation ［C］// 2018 7th Brazilian Conference on Intelligent Systems （BRACIS）， October 22-25 ， 2018 ， Sao Paulo ： 194 - 199 .

黄蔓云，孙国强，卫志农，等 . 基于脉冲神经网络伪量测建模的配电网三相状态估计［J］. 电力系统自动化， 2016 ， 40 （ 16 ）： 38 - 43 .

HUANG Manyun ， SUN Guoqiang ， WEI Zhinong ， et al . Three phase state estimation of distribution network based on pseudo measurement modeling using pulse neural network ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 16 ）： 38 - 43 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于轻量级梯度提升机的锂离子电池状态联合估计

考虑杠杆及强影响不良数据辨识的自适应核密度状态估计