论文部分内容阅读
同步相量估计算法是同步相量测量技术的核心,在电力系统动态条件下如何提高算法的测量精度和改善算法的动态性能至关重要。提出基于强跟踪泰勒-卡尔曼滤波器(STKF)的动态相量估计算法。首先在考虑谐波和噪声影响以及电气信号幅值、相位时变特性的基础上,基于动态相量的泰勒级数展开项建立动态电气信号的状态空间模型;然后考虑到基于泰勒-卡尔曼滤波器(TKF)的相量估计算法在递推估计各状态变量时无法快速跟踪系统参数突变的缺陷,引入强跟踪滤波器的思想,根据理论残差和实际残差的失配程度及时自适应性地调整估计协方差矩阵,增强了算法对时变电气信号的跟踪能力。分析含噪声的数值信号及Matlab/Simulink的仿真故障电压信号,结果表明,STKF算法比泰勒-卡尔曼滤波器(TKF)算法具有更好的动态响应性能和更高的测量精度,且稳定性更好。