電力システム動的状態推定のための堅牢な反復拡張カルマンフィルター

本論文では、外乱にさらされた際の電力システムの状態動力学を推定するために、一般化最大尤度アプローチ（GM-IEKFと呼ばれる）に基づく堅牢な反復拡張カルマンフィルター（EKF）を開発した。提案するGM-IEKF動的状態推定器は、従来のEKFやUnscented Kalman Filter (UKF)よりも、バッチモード回帰形式と革新および観測外れ値に対する堅牢性により、システムの過渡応答をより迅速かつ信頼性高く追跡できる。革新外れ値は動的状態モデルにおける衝撃ノイズに起因する場合があり、一方、観測外れ値は大きなバイアス、サイバー攻撃、またはPMUの通信リンクの一時的な喪失による可能性がある。ガウスノイズ下での良好な堅牢性と高い統計効率は、標準残差のHuber凸コスト関数の最小化を通じて達成される。後者は、予測状態ベクトルと革新ベクトルの二つの時系列の堅牢な距離の関数を介して重み付けされ、射影統計を用いて計算される。状態推定誤差共分散行列は全影響関数を用いて導出され、次の時間ステップにおける堅牢な状態予測をもたらす。IEEE 39バス試験システムにおけるシミュレーション結果は、ガウスおよび非ガウスのプロセスと観測ノイズ下でのGM-IEKFの優れた性能を示している。