کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
4403428 1307129 2011 6 صفحه PDF 10 صفحه WORD دانلود کنید
عنوان انگلیسی مقاله ISI
Power System Dynamic State Estimation Based on a New Particle Filter
ترجمه فارسی عنوان
تخمین حالت دینامیکی سیستم قدرت بر اساس یک فیلتر جدید ذره
فهرست مطالب مقاله
چکیده
کلیدواژه ها
1 . مقدمه
2.تخمین حالت دینامیکی فیلتر کالمن توسعه یافته (EKF)
3.تخمین حالت دینامیکی فیلتر کالمن خنثی (UKF)
4. تخمین حالت دینامیکی توسط فیلتر ترکیب ذره کالمن
5. تخمین حالت دینامیکی اندازه‌گیری ترکیبی
6. نمونه شبیه‌سازی و تحلیل
شکل1. سیستم شبیه‌سازی
جدول 1 شاخص‌های عملکردی سه روش
شکل 2 مقایسه‌ی دامنه‌ها
شکل3 مقایسه‌ی زوایا
7.نتیجه‌گیری
ترجمه چکیده
به منظور بهبود عملکرد تخمین حالت دینامیکی سیستم قدرت، یک فیلتر جدید ذره برای مسائل فیلترینگ غیرخطی (فیلتر ذره‌ی کالمن ترکیبی ، MKPF) معرفی می‌شود. این روش که مبتنی بر فیلتر کالمن توسعه یافته (EKF) و فیلتر کالمن خنثی (UKF) می‌باشد قادر است عبارت تقریبی صحیح‌تری از اختلال واقعی بدست آورد. در ترکیب با داده‌های زمان واقعی اندازه‌گیری ترکیبی (WAMS/SCADA)، یک شبیه‌سازی از تخمین حالت دینامیکی سیستم قدرت ایجاد می‌شود. در نهایت، نتایج شبیه‌سازی نشان می‌دهند که این روش می‌تواند به سرعت پس از اغتشاش سیستم، مقدار واقعی را تعقیب کرده و نسبت به روش‌های EKF و UKF قوت و صحت تخمین بهتری بدست آورد.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم محیط زیست بوم شناسی
چکیده انگلیسی
In order to improve the performance of power system dynamic state estimation, a new particle filter for nonlinear filtering problems (Mixed Kalman Particle Filter, MKPF) is introduced. The MKPF method which based on the extended Kalman filter (EKF) and the unscented Kalman filter (UKF), can obtain a more accurate approximate expression of the true distribution. Combined with the real-time data of mixed measurement (WAMS/SCADA), a simulation of power system dynamic state estimation is established. Finally, the simulation results show that the method can quickly follow to the real value after the power system is disturbed and obtain higher estimated accuracy and robustness than the EKF and UKF methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Environmental Sciences - Volume 11, Part B, 2011, Pages 655–661