基本信息
- 項目名稱：
- 電力系統(tǒng)中的分塊Kalman濾波
- 小類：
- 信息技術
- 大類：
- 自然科學類學術論文
- 簡介：
- 作品針對電力系統(tǒng)、網絡管理、自動控制、工業(yè)生產和經濟動態(tài)分析等相關領域中，存在著大量的被各類噪聲污染的且難以建立起隨時間動態(tài)變化模型的隨機過程，而開展基于輸出數(shù)據的動態(tài)變量估計方法研究。論文已開展的研究內容具有一定的理論上的意義；論文中的建模方法與相關方法相比具有強的先進性；論文中得到的估計方法若經過針對相關對象的實際改進，也可以推廣應用到許多相關領域。
- 詳細介紹：
- 本文針對一類具有周期隨機變化特點的隨機過程僅有測量模型情況下，首先，通過離散化方法建立了點點采樣的離散輸出方程、分塊形式的輸出方程為、描述點采樣與被狀態(tài)塊之間的輸出方程、及在沒有其它先驗信息的情況下，依據待估變量具有周期性變化的隨機游走特性，建立的動態(tài)模型。然后利用Kalman濾波基本方程，和強跟蹤濾波對其進行濾波處理。最后，并利用計算機仿真對三種濾波器的性能進行了分析比較。在后續(xù)研究中我們已通過引入具有較強的關于模型不確定性的魯棒性和極強的關于突變狀態(tài)的跟蹤能力的強跟蹤濾波方法，將會有效解決因實際需求的急驟增加或外界隨時間產生突變等干擾對所建動態(tài)模型的不確定性的影響。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 目的：以電力系統(tǒng)在某地每日周期性的載荷量為例，估計此載荷量是電力系統(tǒng)調度運營部門的一項重要的日常性研究工作，也是制定發(fā)電計劃和輸電方案的主要依據。思路：針對具有周期隨機變化特點的隨機過程僅有測量模型情況下，首先通過離散化方法建立了點點采樣的離散輸出方程、分塊形式的輸出方程為、描述點采樣與被狀態(tài)塊之間的輸出方程、及在無其它先驗信息情況下依據待估變量的周期性變化的隨機游走特性建立動態(tài)模型并驗證。
科學性、先進性及獨特之處
- 我們是在充分利用此類過程所具有的周期性特點基礎上，再結合這類周期隨機過程所具有的周期隨機游走性質，建立起來的動態(tài)建模更加符合實際情況。同時，在繼此文的后續(xù)的工作中，我們已通過引入具有較強的關于模型不確定性的魯棒性和極強的關于突變狀態(tài)的跟蹤能力的強跟蹤濾波方法，將會有效解決因實際需求的急驟增加或外界隨時間產生突變等干擾對所建動態(tài)模型的不確定性的影響。
應用價值和現(xiàn)實意義
- 電力系統(tǒng)、網絡管理、自動控制、經濟動態(tài)分析等領域中，存在著大量的被各類噪聲污染的且難以建立起隨時間動態(tài)變化模型的隨機過程，人們又常希望僅通過系統(tǒng)的輸出數(shù)據對這類隨機過程的狀態(tài)變量實施有效的實時估計或預測估計，從而對實際工況實施監(jiān)控、決策和調度等行為提供較準確的數(shù)據。本文以電力系統(tǒng)在某一地區(qū)中每日周期性的載荷為例，建立相應的實時估計或預測估計方法，估計結果將對制定發(fā)電計劃和輸電方案的提供有力的依據。
學術論文摘要
- 本文以一類具有周期隨機變化特點的隨機過程為對象, 在僅有測量模型情況下研究估計方法的設計. 首先, 通過離散化方法建立點點采樣的離散輸出方程、分塊形式的輸出方程以及描述點采樣與被估計的狀態(tài)塊向量之間的輸出方程; 其次, 利用待估隨機變量所具有周期性的隨機游走特性, 建立對應的狀態(tài)模型; 再者, 利用擴展Kalman濾波和強跟蹤濾波方法, 分別得到實時點估計濾波器、半實時塊估計濾波器和實時塊估計濾波器等三種未建模系統(tǒng)隨機變量基于輸出測量值的估計方法; 最后, 利用計算機仿真對三種濾波器的性能進行了分析比較.
獲獎情況
- 1）作者：第一作者.題目：未建模系統(tǒng)基于觀測值的實時分塊Kalman濾波估計方法研究。雜志：《電子學報》（一級核心期刊，已錄用）； 2）作者：第一作者. 題目：BLOCK KALMAN FILTERING FOR POWER SYSTEM. 會議：IEEE 2011 International Conference on Information Systems and Computational Intelligence (ICISCI 2011)——(EI收錄). 地點：Harbin,China. 18-20, January,2011 （作為正文的一部分內容，發(fā)表在國際會議上，“EI”待收錄）。 3) 本作品在2011年5月份舉行的某省第十二屆“挑戰(zhàn)杯”大學生課外學術科技競賽中榮獲一等獎。
鑒定結果
- 未見對具有周期變化的隨機過程動態(tài)建模及狀態(tài)估計研究；對待估變量給定周期為單位分塊狀態(tài)的建模預估方法研究相同；利用卡爾曼濾波建立對待估變量給定周期為點狀態(tài)的建模預估方法研究相同文獻，具體請參見查新報告。
參考文獻
- [1]Ienkaran Arasaratnam, Simon Haykin. “Cubature Kalman Filters”, IEEE transactions on automatic control, pp.1254-1269, 2009 [2] 余立文. 一個非平穩(wěn)隨機過程基于強跟蹤濾波的估計方法研究. 杭州電子科技大學. [3] 李捷，候秀紅，韓志杰.基于卡爾曼濾波和小波的網絡流量預測算法研究[J].電子與信息學報, 2007，29（3）：725-728. [4] 李捷，呂冰，韓志杰.居于混合預測模型的VBR流擁塞控制機制[J].計算機工程,2008，34（24）：34-36. [5] 高雷，任慧玉，文成林. 掌握股市[M]. 北京：中國科學技術出版社，2005. [6] Tongxin Zheng，Adly A. Girgis, Elham B. Makram. A hybrid wavelet-Kalman filter method for load forecasting[J]. Electric Power Systems Research. 54(2000):11-17. [7] Bonivento C,Tonielli. A detection estimation multifilter approach with nuclear application.In:IFAC Proc.Series,1984.1771-1776 [8] 周東華，葉銀重. 現(xiàn)代故障診斷與容錯控制[M]. 北京：清華大學出版社，2001：61-68. [9] 周東華，席裕庚，張鐘俊. 一種帶多重次優(yōu)漸消因子的擴展卡爾曼濾波器. 自動化學報，1991，17（6）：689-695. [10] 任慧玉. 最優(yōu)估計與小波分析理論在經濟分析中的應用研究[D]. 開封：河南大學，2004.
同類課題研究水平概述
- 在針對目標的狀態(tài)估計方面，傳統(tǒng)的方法大都是基于對目標狀態(tài)建立隨時間變化的動態(tài)的模型，并利用對各類傳感器建立的測量模型和測量值，然后再基于相應的估計理論或方法建立相應的估計方法。近些年來，隨著科學技術、特別是信息科學技術的發(fā)展，國內外在電力系統(tǒng)、網絡管理、自動控制、工業(yè)生產和經濟動態(tài)分析等系統(tǒng)或過程都越來越復雜，這樣就必然導致傳統(tǒng)基于在對系統(tǒng)機理分析基礎上要建立對應的精確數(shù)學模型也就越來越困難。由于信息采集、存儲和處理技術的普遍利用和不斷發(fā)展，上述系統(tǒng)每天都會產生并存儲大量的生產、設備和過程數(shù)據。而在未能對系統(tǒng)建立起動態(tài)模型情況下，基于輸出觀測值并利用系統(tǒng)動態(tài)變量的相關特性，對過程或系統(tǒng)進行優(yōu)化控制、決策、調度和故障診斷等，已成為上述相關領域及制造、交通運輸和物流等領域迫切解決的問題，其中對系統(tǒng)過程進行估計是其中重要研究內容之一。對未建模系統(tǒng)隨機變量并基于輸出觀測值建立基于Kalman濾波的系統(tǒng)狀態(tài)變量估計方法的研究，在國內外范圍內都是新的研究課題，公開發(fā)表的成果不多。在已有研究成果，大多數(shù)是將待估計的隨機變量視為具有隨機游走性質，并簡單地將其作為隨時間變化的動態(tài)模型，然后利用Kalman濾波算法對被估變量實施估計。這些工作都沒有充分地利用這類隨機過程所具有的周期性特點，因此常會因建立的狀態(tài)建模不準確而造成估計結果與實際情況偏差較大的結果。而當因實際需求的急驟增加或外界隨時間產生突變的情況下，由于所建動態(tài)模型的不確定性，常導致所以建立的估計算法不具備跟蹤能力，從而導致估計不準確甚至發(fā)散的問題。在本論文中的我們是在充分利用此類過程所具有的周期性特點基礎上，再結合這類周期隨機過程所具有的周期隨機游走性質，建立起來的動態(tài)建模更加符合實際情況。同時，在繼此文的后續(xù)完成的工作中，我們擬通過引入具有較強的關于模型不確定性的魯棒性和極強的關于突變狀態(tài)的跟蹤能力的強跟蹤濾波方法，將會有效解決因實際需求的急驟增加或外界隨時間產生突變等干擾對所建動態(tài)模型的不確定性的影響。因此，本論文研究成果具有先進性。
