论文摘要
近年来,随着电力电子技术的发展以及大量的非线性负荷的投入使用,越来越多的谐波注入到电网中。电力系统谐波已经成为影响电能质量的一个重要方面,实际的治理需要对电网中的谐波状态进行监测,谐波状态估计技术计算程序根据网络拓扑结构和选定线路的谐波电流与母线谐波电压测量值,确定整个电网的谐波电压水平,进而确定整个网络谐波的有关信息。现代量测技术的发展为谐波状态估计技术提供了前提条件,同时带来了量测变量、估计模型、求解算法以及可观性分析等相关问题的改变。本文首先介绍了我国北斗卫星导航系统的开发新进展和谐波量测系统,选择母线电压、母线注入电流和支路电流同步量测作为量测变量,整个电网的母线电压向量作为状态变量,然后建立起动态状态估计的量测方程。接着介绍了基于卡尔曼滤波（Kalman Filter）算法的动态谐波状态估计算法及其改进算法,通过模拟仿真和程序进行验证;最后介绍了不良数据的检测方法及其实现步骤。本文的主要工作及结论如下:建立起基于卡尔曼滤波算法的电力系统动态谐波状态估计数学模型,以估计的最小均方误差为准则,采用一系列递推方程来实现最优估计。在此基础上研究自适应卡尔曼滤波算法,自适应算法主要有两种实现方法:①系统协方差矩阵Q和量测协方差矩阵R的自适应取值;②引入遗忘因子卡尔曼滤波算法。自适应动态谐波状态估计的状态变量和测量量具有维数高的特点,而且由于受计算机舍入误差的影响,其收敛性受到挑战,为此提出了一种基于离线确定Q、R矩阵和带固定遗忘因子的卡尔曼滤波算法的动态谐波状态估计算法,通过在MATLAB环境下的IEEE-14节点系统动态谐波仿真与估计算法编程验证,该算法在准稳态条件下较好地跟踪电力系统谐波状态,计算精度高。在电力系统处于准稳态和无不良数据情况下,比较了静态估计算法和动态估计算法的精度,二者估计精度相近,都能满足谐波状态估计技术的精度要求。在电力系统不满足准稳态条件时,采用卡尔曼滤波算法误差较大,采用奇异值分解算法（Singular Value Decomposition-SVD）的静态估计算法具有更好的收敛性和估计精度;在有不良数据条件时,基于卡尔曼滤波算法的动态估计算法在不良数据检测具有优势。因此提出一种结合二者长处的混合估计算法——SVD-Kalman估计算法,在算法程序运行初始时刻和不满足准稳态前提时启用SVD估计算法,为卡尔曼滤波算法提供基准状态估计数据和向管理者提供谐波数据库;在大部分时间内,电力系统将处于准稳态,启用带固定遗忘因子的卡尔曼滤波程序,充分利用动态估计算法的优越性。阐述了电力系统谐波状态估计不良数据的来源和对谐波状态估计的影响,在此基础上分析了各种不良数据检测方法的优缺点。并提出将标准残差检测和量测量突变检测方法应用到SVD-Kalman估计算法,给出了其切换判据和算法步骤。