狀態(tài)估計(jì)中最小二乘支持向量機(jī)與無(wú)跡卡爾曼濾波的應(yīng)用研究.pdf

1、電力系統(tǒng)狀態(tài)估計(jì)是電力系統(tǒng)調(diào)度、控制、安全評(píng)估等方面的基礎(chǔ)，也是能量管理系統(tǒng)的核心組成部分。隨著電網(wǎng)結(jié)構(gòu)和運(yùn)行方式的日趨復(fù)雜，現(xiàn)代化的電力系統(tǒng)要求能迅速、準(zhǔn)確、全面地掌握全網(wǎng)的實(shí)際運(yùn)行狀況，預(yù)測(cè)和分析系統(tǒng)的運(yùn)行趨勢(shì)，對(duì)運(yùn)行中發(fā)生的各種問(wèn)題提出對(duì)策。狀態(tài)估計(jì)分為靜態(tài)狀態(tài)估計(jì)和動(dòng)態(tài)狀態(tài)估計(jì)兩個(gè)方向，針對(duì)不同的功能要求和應(yīng)用范圍它們各具優(yōu)勢(shì)。因此，本文在靜態(tài)狀態(tài)估計(jì)和動(dòng)態(tài)狀態(tài)估計(jì)這兩個(gè)方面分別展開(kāi)研究，主要研究重點(diǎn)如下：
　?、凫o態(tài)狀態(tài)

2、估計(jì)
　　1)對(duì)靜態(tài)狀態(tài)估計(jì)中已有的定參數(shù)最小二乘支持向量機(jī)回歸估計(jì)模型進(jìn)行深入研究，在繼承原模型優(yōu)勢(shì)的基礎(chǔ)之上，加入了參數(shù)優(yōu)化的內(nèi)容，本文提出一種基于變參數(shù)最小二乘支持向量機(jī)的狀態(tài)估計(jì)方法，采用以均方誤差最小化為準(zhǔn)則的兩層網(wǎng)格搜索尋優(yōu)方法，對(duì)決定著模型學(xué)習(xí)能力優(yōu)劣的相關(guān)參數(shù)進(jìn)行優(yōu)化選擇，來(lái)保證狀態(tài)估計(jì)模型結(jié)構(gòu)風(fēng)險(xiǎn)的最小及訓(xùn)練所用樣本分布特性的合理,從而提高狀態(tài)估計(jì)結(jié)果的精度。
　　2)為抑制樣本中多個(gè)量測(cè)壞數(shù)據(jù)的出現(xiàn)對(duì)估計(jì)

3、結(jié)果的影響，根據(jù)樣本在回歸估計(jì)模型中擬合誤差的大小，提出一種魯棒優(yōu)化方法對(duì)反映樣本分布特性的核參數(shù)進(jìn)行二次調(diào)整，形成了基于最小二乘支持向量機(jī)的魯棒回歸估計(jì)模型，從而使模型對(duì)不良數(shù)據(jù)更為免疫，增強(qiáng)了狀態(tài)估計(jì)模型的魯棒性。
　?、趧?dòng)態(tài)狀態(tài)估計(jì)
　　針對(duì)動(dòng)態(tài)狀態(tài)估計(jì)中傳統(tǒng)的擴(kuò)展卡爾曼濾波類(lèi)算法在處理電力系統(tǒng)不正常事件時(shí)跟蹤能力弱、魯棒性差的特點(diǎn)，提出一種基于無(wú)跡變換理論的自適應(yīng)卡爾曼濾波方法對(duì)電力系統(tǒng)的狀態(tài)進(jìn)行動(dòng)態(tài)估計(jì)，避免了線性