我院聂晓华副教授在电气电子类国际顶级期刊发表研究成果
2019-02-24 12:00:00
近期，国际权威顶级期刊《IEEE Transactions on Industrial Electronics》刊发了我院聂晓华副教授在电力系统电能质量动态跟踪建模及实时检测方面的最新研究成果——“Detection of Grid Voltage Fundamental and Harmonic Components Using Kalman Filter Based on Dynamic Tracking Model”，该科研成果提供了一种新的跟踪模型KF算法。
在电力系统电能质量动态跟踪及实时检测研究中，卡尔曼滤波（Kalman Filter, KF）具有零稳态误差、实时性高、较好地划分信号状态与噪声的关系、克服噪声干扰并同步给出单/三相幅值、相位和起止时刻参数等优点，是目前广泛采用的电网电能质量检测方法。然而，从1981年至今38年以来，国内外KF采用的正交向量（OV）跟踪模型和相位角向量（PAV）跟踪模型存在建模缺陷，未明确状态噪声协方差矩阵及其系数，其状态噪声系数为经验值缺乏理论推导依据，状态噪声矩阵取为单位矩阵致使估计向量之间缺乏关联；而从随机过程理论分析这种关联是必然存在的，在OV模型的测量值与其正交量之间、PAV模型中相位角正交量之间都必然存在状态噪声的关联。这个建模缺陷必然影响了电量的动态跟踪精度。
针对传统跟踪模型KF算法（OV-KF和PAV-KF）的缺陷，聂晓华副教授引入AC变化率建立状态空间模型，理论推导出状态噪声协方差矩阵及其系数，明晰了估计向量之间状态噪声之间的关联，提出基于动态跟踪模型（DTM）的KF算法（DTM-KF），进一步地再扩展状态空间，对AC基波和谐波分量进行跟踪估计。从而克服了传统KF算法的缺陷，解决了跟踪模型状态噪声协方差矩阵及其参数难以确定的问题；并且，所提方法在动态跟踪过程中获得精确和动态敏感性强的电量变化率。
基于我院智能电网实验室平台（实验室及科研团队负责人：万晓凤教授）开展了仿真和实验研究，结果表明：在复杂源荷环境下，无论是AC基波跟踪精度还是谐波含有率（HRU）估计精度都优于传统方法（OV-KF和PAV-KF算法）。通过100次蒙特卡洛均方根值（RMSE）仿真统计，基波分量的电量信号、幅值和相位跟踪RMSE比较结果如图1和表1所示，谐波分量的3、5、7和9次谐波含有率（HRU）估计RMSE比较结果如图2和表2所示。从图表可以看出，所提出的DTM-KF算法无论在基波跟踪精度还是在谐波含有率（HRU）估计精度方面都优于传统OV-KF和PAV-KF算法。实验结果进一步验证了结论的有效性和准确性.
《IEEE Transactions on Industrial Electronics》为电气电子领域国际顶级期刊，主要报道信息、控制、电气及工业电子等领域最新的研究进展，期刊影响因子7.050，属于SCI一区TOP期刊。
在电力系统电能质量动态跟踪及实时检测研究中，卡尔曼滤波（Kalman Filter, KF）具有零稳态误差、实时性高、较好地划分信号状态与噪声的关系、克服噪声干扰并同步给出单/三相幅值、相位和起止时刻参数等优点，是目前广泛采用的电网电能质量检测方法。然而，从1981年至今38年以来，国内外KF采用的正交向量（OV）跟踪模型和相位角向量（PAV）跟踪模型存在建模缺陷，未明确状态噪声协方差矩阵及其系数，其状态噪声系数为经验值缺乏理论推导依据，状态噪声矩阵取为单位矩阵致使估计向量之间缺乏关联；而从随机过程理论分析这种关联是必然存在的，在OV模型的测量值与其正交量之间、PAV模型中相位角正交量之间都必然存在状态噪声的关联。这个建模缺陷必然影响了电量的动态跟踪精度。
针对传统跟踪模型KF算法（OV-KF和PAV-KF）的缺陷，聂晓华副教授引入AC变化率建立状态空间模型，理论推导出状态噪声协方差矩阵及其系数，明晰了估计向量之间状态噪声之间的关联，提出基于动态跟踪模型（DTM）的KF算法（DTM-KF），进一步地再扩展状态空间，对AC基波和谐波分量进行跟踪估计。从而克服了传统KF算法的缺陷，解决了跟踪模型状态噪声协方差矩阵及其参数难以确定的问题；并且，所提方法在动态跟踪过程中获得精确和动态敏感性强的电量变化率。
基于我院智能电网实验室平台（实验室及科研团队负责人：万晓凤教授）开展了仿真和实验研究，结果表明：在复杂源荷环境下，无论是AC基波跟踪精度还是谐波含有率（HRU）估计精度都优于传统方法（OV-KF和PAV-KF算法）。通过100次蒙特卡洛均方根值（RMSE）仿真统计，基波分量的电量信号、幅值和相位跟踪RMSE比较结果如图1和表1所示，谐波分量的3、5、7和9次谐波含有率（HRU）估计RMSE比较结果如图2和表2所示。从图表可以看出，所提出的DTM-KF算法无论在基波跟踪精度还是在谐波含有率（HRU）估计精度方面都优于传统OV-KF和PAV-KF算法。实验结果进一步验证了结论的有效性和准确性.
《IEEE Transactions on Industrial Electronics》为电气电子领域国际顶级期刊，主要报道信息、控制、电气及工业电子等领域最新的研究进展，期刊影响因子7.050，属于SCI一区TOP期刊。
