多目标函数预抗差估计

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (235 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要对于电力系统中出现在杠杆量测上的不良数据,传统含不良数据辨识的最小二乘法状态估计不能很好排除不良数据对系统估计结果的影响。本文提出了多目标函数预抗差状态估计,利用可变窗宽算法平衡了指数目标函数状态估计的精度与速度矛盾,同时利用加权最小二乘估计与之相结合,在不同的迭代周期中使用不同的目标函数,使得估计既可以具有结构抗差估计的优秀抗差性能,又使得估计具有最小二乘法相对优秀的收敛性,避免了迭代震荡浪费计算资源的情况。将本文所提方法与传统算法进行比较,结果表明本文所提出的算法在性能上具有明显优势。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	李骁
	高宗和
	龚成明
	王毅
	邹德虎

关键词 ：电力系统, 状态估计, 多目标函数预抗差, 迭代变权法, 抗差估计

Abstract：Traditional weighted least square state estimation method with bad data identification progress cannot eliminate the influence of bad leverage data on the result of estimation. The multi objective function pre-treatment robust state estimation was proposed. This estimation use variable window wide algorithm choose the best parameter for maximum exponential square object function , and combined weighted least square estimation to get advantages of both estimator.It was robust and had good convergence. The result of estimation of test systems proved the proposed algorithm have obvious better performance.

Key words： power system state estimation multi objective function pre-treatment variable weight iterate robust estimation

出版日期: 2016-04-20

作者简介: 李骁（1990-）,男,国家电网电力科学研究院在读硕士研究生,研究方向为电力系状态估计。

引用本文:

李骁, 高宗和, 龚成明, 王毅, 邹德虎. 多目标函数预抗差估计[J]. 电气技术, 2016, 17(4): 59-62. Li Xiao, Gao Zonghe, Gong Chengming, Wang Yi, Zou Dehu. Multi Objective Function Pre-treatment Robust State Estimation. Electrical Engineering, 2016, 17(4): 59-62.

链接本文:

https://dqjs.cesmedia.cn/CN/Y2016/V17/I4/59

[1] 于尔铿. 电力系统状态估计[M]. 北京: 水利电力出版社, 1985: 1-8.
[2] 诸骏伟. 电力系统分析[M]. 北京: 中国电力出版社, 1995: 74-84.
[3] 相年德, 王世缨, 于尔铿. 电力系统状态估计中的不良数据估计识别法（第一部分）：理论与方法[J]. 电力技术通讯, 1979, 19(8): 1-27.
[4] Monticelli A. Multiple bad data identification for state estimation by combinatorial optimization[J]. IEEE Trans. on Power Delivery, 1986, PWRD-1(3): 361-369.
[5] 赵海天, 相年德, 王世缨, 等. 多不良数据的相关量测检测方法[J]. 中国电机工程学报, 1990, 10(6): 26-32.
[6] 亓俊健, 何光宇, 梅生伟, 等. 电力系统抗差状态估计研究综述[J]. 电工电能新技术, 2011, 30(3): 59-64.
[7] 吴文传, 郭烨, 张伯明. 指数型目标函数电力系统抗差状态估计[J]. 中国电机工程学报, 2011, 31(4): 67-71.
[8] 郭烨, 张伯明, 吴文传. 指数型目标函数电力系统抗差状态估计的解法与性能分析[J]. 中国电机工程学报, 2011, 31(7): 89-95.
[9] 姚诸香, 郭烨, 郭玉金, 等. 含指数型目标函数的电力系统抗差状态估计方法在江西电网中的应用[J]. 电网技术, 2012, 36(4): 155-159.
[10] 付艳兰, 陈艳波, 姚锐, 等. 基于最大指数绝对值目标函数的抗差状态估计方法[J]. 电网技术, 2013, 37(11): 3166-3171.
[11] David W S. On optimal and Data-Based histograms[J]. Biometrika, 1979, 66(3): 605-610.
[12] Chen Badong, Xing Lei, Zhao Haiquan, et al. Generalized Correntropy for Robust Adaptive Filtering[J]. Eprint Arxiv, 2015
[13] Liu Weifeng, Pokharel P P, Principe J C. Correntropy: properties and applications in Non-Gaussian signal processing[J]. IEEE Transactions on Signal Processing, 2007, 55(11): 5286-5297.
[14] Han Seungju, Rao Sudhir, Deniz, et al. An improved minimum error entropy criterion with self adjusting step-size[C]. IEEE Workshop on Machine Learning for Signal Processing, 2005.
[15] Bernard Silverman. Density estimation for statistics and data analysis[M].1986.
[16] Larry Wasserman. All of nonparametric statistics[M]. 2006, 125-130.
[17] 何晓群. 多元统计分析[M]. 北京: 中国人民大学出版社, 2004.
[18] 盛骤, 谢式千, 潘承毅. 概率论与数理统计[M]. 北京: 高等教育出版社, 2008.