期刊名称：IEEE Transactions on Industrial Informatics

影响因子：9.112

作者：马文涛，邱进哲，刘兴华，肖高喜，段建东，陈霸东

论文介绍：

现阶段关于电力系统预测辅助状态估计的研究大多假设测量噪声服从高斯分布，然而实际电力系统环境中的测量噪声往往具有非高斯特性， 基于传统KF的估计算法存在噪声统计特性难以获取导致估计精度存在偏差，抑制异常数据鲁棒性差等问题。针对于此，作者提出了基于广义互相关熵的无迹卡尔曼滤波算法。首先建立电力系统动态模型，基于传统无迹卡尔曼滤波的优势，利用采样的方法近似非线性函数的统计特性，根据状态量的统计特性，形成一组确定的Sigma采样点，对该组采样点进行非线性变换，再对变换后的采样点进行加权求平均。之后用广义大互相熵准则代替传统无迹卡尔曼滤波中的加权最小二乘法准则，优化求解获得最优估计结果。由于广义高斯核函数在选择不同参数下对不同类型的非高斯噪声均具有鲁棒性，使得提出算法在面对不同类型非高斯噪声时保持良好的估计精度。此项研究对于以应用为目的非高斯噪声干扰环境下电力系统辅助预测状态估计具有重要的参考意义，发表在1区期刊IEEE Transactions on Industrial Informatics上。