发电机的动态状态是电力系统广域控制系统的重要参考量,且已被应用到多个控制器,例如,电力系统稳定器和电压自动调节器,主要作为反馈信号,以维持电力系统的暂态和提高系统的小扰动稳定性。因此实时准确的动态状态信息对电力系统可靠而有效的工作意义重大。由于系统故障后的机电暂态过程中无法获得实时网络拓扑结构,传统的基于网络拓扑结构的状态估计已经无法适用。因此,可以通过PMU实时测量发电机机端电气量,使发电机与剩余网络解耦,从而无需考虑网络拓扑结构的影响。然后,利用故障后机电暂态过程中不会发生突变的发电机状态量,如功角和电角速度等,建立发电机动态模型,并用动态状态估计算法来实时估计和预报发电机的功角和电角速度等状态量,滤除PMU量测误差和坏数据,这就是发电机动态状态估计。论文通过对发电机动态模型和卡尔曼滤波算法的推导,阐述了传统发电机实用模型下扩展卡尔曼滤波器的工作原理和实际应用中所面临的问题,并针对这些问题,做了相应改进,提出了一种基于扩展集员滤波的发电机动态状态估计方法。该方法针对故障后机电暂态过程发电机机端电压矢量发生突变导致发电机转子角和功角不相等的问题,提出了一种考虑功角和转子角不相等的发电机动态模型。在此基础上,针对扩展卡尔曼滤波精度不足和噪声限制较多的问题,采用基于未知但有界噪声假设的扩展集员滤波算法对动态模型进行求解,虽然扩展集员滤波算法精度较高,噪声限制小,但其计算较为复杂,实时性不能令人满意。针对这一问题,将UD分解引入扩展集员滤波算法,通过误差协方差矩阵的UD分解,使算法的实时性和稳定性得到较大改善。以IEEE 9节点系统为例进行仿真分析,结果表明本方法能有效地实时估计电力系统机电暂态过程中发电机功角轨迹,且精度更高。