基于Koopman算子与卡尔曼滤波的同步发电机动态状态估计

作     者：焦鹏悦 杨德友 蔡国伟 JIAO Pengyue;YANG Deyou;CAI Guowei

作者机构：东北电力大学电气工程学院吉林吉林132012 哈尔滨理工大学电气与电子工程学院黑龙江哈尔滨150080 

出 版 物：《电力系统保护与控制》 (Power System Protection and Control)

年 卷 期：2024年第52卷第9期

页      面：27-35页

核心收录：

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 080902[工学-电路与系统] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

基　　金：国家电网有限公司总部科技项目资助(5108-202299255A-1-0-ZB) 国家重点研发计划项目资助(2021YFB 2400800) 

主　　题：动态状态估计 模型 数据驱动 Koopman算子 卡尔曼滤波 汉克尔动态模态分解 

摘      要：动态状态估计是监测同步发电机动态行为的重要手段,准确的动态状态估计结果对于指导电力系统安全运行与高效控制具有重要意义。从数据驱动的角度出发,提出了基于Koopman算子与卡尔曼滤波的同步发电机动态状态估计方法。该方法首先利用汉克尔动态模态分解算法从发电机动态响应数据中提取Koopman算子,进而以提取的Koopman算子为基础构建同步发电机状态空间模型,并利用卡尔曼滤波对同步发电机状态变量进行动态估计。该方法无须事先构建发电机模型及参数,实现了完全数据驱动的动态状态估计。仿真实验结果表明,在发电机模型及参数失配的情况下该方法估计精度明显高于传统以模型为基础的估计结果,具有较好的自适应性和鲁棒性。