(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210581978.6 (22)申请日 2022.05.26 (71)申请人 河海大学 地址 210098 江苏省南京市 鼓楼区西康路1 号 申请人 浙江大学　青岛大学　郑州大学 (72)发明人 孙永辉　吴争光　车伟伟　王义　 王森　侯栋宸　王建喜　张林闯　 (74)专利代理 机构 南京合砺 专利商标代理事务 所(普通合伙) 32518 专利代理师 刘渊 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/16(2006.01) G06F 119/02(2020.01) (54)发明名称 一种计及恶性数据注入的同步发电机动态 估计方法 (57)摘要 本发明公开了一种计及恶性数据注入的同 步发电机动态估计方法， 用于实现恶性数据的有 效检测及发电机动态状态的准确估计。 该方法首 先基于统计线性化技术， 利用量测值和状态预测 值信息， 构建CKF框架下的批处理回归模型， 获得 新的量测输 出方程， 提高量测数据冗余度； 其次， 构建多维矩阵， 利用鲁棒投影统计方法进行恶性 数据检测并降低其权重； 之后， 借助GM估计器界 定恶性数据引起的状态估计误差， 采用迭代加权 最小二乘法进行求解获取状态估计值， 并更新状 态估计误差协方差矩阵。 该方法能够实现恶性数 据的有效检测并降低其对状态估计精度的影响。 本发明方法流 程清晰， 实现简单， 便 于工程实施。 权利要求书3页 说明书7页 附图3页 CN 115238448 A 2022.10.25 CN 115238448 A 1.一种计及恶性数据注入的同步发电机动态估计方法， 其特 征在于， 包 含如下步骤： (1)建立同步发电机动态状态估 模型 所述同步发电机动态状态估计模型包括状态方程和量测方程， 其表达式为： 式中f(·)表示发电机状态方程， h( ·)表示量测方程， x， u， z分别对应表示状态变量， 控制变量及量测向量； 下标k和k+1表示时刻， w表示系统噪声， v为量测噪声， 假设二者分别 满足w～N(0,Q)， v～N(0,R)的高斯分布， 其中Q与R分别表示系统噪声和量测噪声满足 的协 方差矩阵， w与v相互独立且和状态变量无关； (2)设定k ‑1时刻状态变量估计值 设定k‑1时刻的状态估计误差协方差矩阵 以 及最大估计时刻N； (3)基于k ‑1时刻 和 利用球面 ‑径向规则生成围绕状态估计值 的2n个 Cubature点 集， 其中n表示发电机状态估计 变量的维度， 具体 计算公式如下： 式中Xi,k‑1表示k‑1时刻围绕系统状态变量 的第i个Cubat ure点； ξi表示基本数据点集 的第i列， 定义 为如下形式： 式中e表示n×n维度的单位矩阵； (4)计算k时刻的状态预测值 及协方差矩阵 式中 表示k‑1时刻状态量的第i个Cubature点经发电机动态状态估计模型中系统状 态转移函数传递后对应的点 值。 (5)结合状态预测值 和量测值zk， 建立批处理 回归模型， 提升状态估计的量测冗余度， 具体形式如下： 式中I为单位矩阵 ， ηk表示k时刻发电机状态预测值与真实值之间的误差， 表示统计回归矩阵， 其中Pxz,k表示交互协方差矩阵， 计算公式为：权　利　要　求　书 1/3 页 2 CN 115238448 A 2式中 (6)构建由创新信息和量测信息组成的恶性数据检测矩阵Yk， 表达式如下： 式中下标k和k ‑1表示两个相邻的时刻， 和 分别表示k ‑1和k时刻 的创新信息； 和 分别表示 k‑1和k时刻的状态预测值； (7)采用鲁棒投影统计方法， 求取数据点l在所有可能向量u的投影值， 用以检测步骤 (6)线性回归 模型中Yk的恶性数据， 表达式如下： 式中PSj表示Yk第j行对应的投影值， 上标( ·)T表示矩阵转置， med( ·)为求取中值的运 算， 和 分别表示多维矩阵Yk的第i、 j和 κ 行， 其中下标的取值范围为i,j, κ ＝1,2, … m+n； (8)对步骤(5)中线性批处 理回归模型进行白噪化处 理， 两端同时乘以 即， 进一步整理， 表示 为如下形式： yk＝Ckxk+ζk， 式中 (9)利用迭代加权最小二乘法求解步骤(5)中的方程， 获取状态估计值， 其计算方法如 下： 式中 为k时刻第l次寻优 迭代结果， Ωj为第j次迭代的权矩阵； (10)计算 k时刻的估计误差协方差 计算公式如下： 式中 表示权矩阵； μ为待设定的参数， ( ·)‑1表示对矩阵进行求逆运 算； (11)按照(3) ‑(10)步骤依据时间序列对发电机状态动态估计， 直至k+1＞N时迭代停 止， 输出状态估计结果。 2.根据权利要求1所述的计及恶性数据注入的同步发电机动态估计方法， 其特征在于，权　利　要　求　书 2/3 页 3 CN 115238448 A 3