本文主要研究内容
作者李扬,李京,陈亮,李国庆（2019）在《复杂噪声条件下基于抗差容积卡尔曼滤波的发电机动态状态估计》一文中研究指出：容积卡尔曼滤波(CKF)在非线性动态状态估计领域有着良好的估计效果。但由于容积卡尔曼滤波缺乏对量测噪声特性的在线自适应能力,其对不良数据和非高斯白噪声的处理效果并不理想。为了解决当量测量统计特性偏离先验统计特性时,容积卡尔曼滤波算法性能下降和发散的问题,通过将抗差估计理论中的M-估计理论与容积卡尔曼滤波相结合,提出抗差容积卡尔曼滤波(RCKF)算法,并将其尝试应用于复杂噪声条件下的发电机动态状态估计中。IEEE 9节点系统和新英格兰16机68节点系统的仿真结果表明:在不同量测噪声且量测量存在不良数据的复杂噪声条件下,与传统CKF算法相比,所提抗差CKF算法均具有更好的估计精度和收敛能力,并能有效消除不良数据对估计效果的影响。
Abstract
rong ji ka er man lv bo (CKF)zai fei xian xing dong tai zhuang tai gu ji ling yu you zhao liang hao de gu ji xiao guo 。dan you yu rong ji ka er man lv bo que fa dui liang ce zao sheng te xing de zai xian zi kuo ying neng li ,ji dui bu liang shu ju he fei gao si bai zao sheng de chu li xiao guo bing bu li xiang 。wei le jie jue dang liang ce liang tong ji te xing pian li xian yan tong ji te xing shi ,rong ji ka er man lv bo suan fa xing neng xia jiang he fa san de wen ti ,tong guo jiang kang cha gu ji li lun zhong de M-gu ji li lun yu rong ji ka er man lv bo xiang jie ge ,di chu kang cha rong ji ka er man lv bo (RCKF)suan fa ,bing jiang ji chang shi ying yong yu fu za zao sheng tiao jian xia de fa dian ji dong tai zhuang tai gu ji zhong 。IEEE 9jie dian ji tong he xin ying ge lan 16ji 68jie dian ji tong de fang zhen jie guo biao ming :zai bu tong liang ce zao sheng ju liang ce liang cun zai bu liang shu ju de fu za zao sheng tiao jian xia ,yu chuan tong CKFsuan fa xiang bi ,suo di kang cha CKFsuan fa jun ju you geng hao de gu ji jing du he shou lian neng li ,bing neng you xiao xiao chu bu liang shu ju dui gu ji xiao guo de ying xiang 。
论文参考文献
论文详细介绍
论文作者分别是来自电工技术学报的李扬,李京,陈亮,李国庆，发表于刊物电工技术学报2019年17期论文，是一篇关于动态状态估计论文,发电机论文,容积卡尔曼滤波论文,估计理论论文,量测噪声分布论文,不良数据论文,相量测量单元数据论文,电工技术学报2019年17期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电工技术学报2019年17期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：动态状态估计论文; 发电机论文; 容积卡尔曼滤波论文; 估计理论论文; 量测噪声分布论文; 不良数据论文; 相量测量单元数据论文; 电工技术学报2019年17期论文;