Enhanced Dynamic State Estimation for Power Systems Using Parameter Refinement with Bacteria Foraging Optimization

Mengshi Li

doi:10.1007/s40313-026-01271-z

Enhanced Dynamic State Estimation for Power Systems Using Parameter Refinement with Bacteria Foraging Optimization

2026-08-01

0

PRE

AI

DOI：10.1007/s40313-026-01271-z

原文链接

原文求助

摘要

En 中文

动态状态估计（DSE）对于电力系统的有效运行和维护至关重要。它能够预测系统状态变量，并促进实时监控、故障诊断和电网规划等高级功能。然而，测量不准确、模型差异和初始化不精确等问题会损害DSE的性能，导致估计不准确和系统动态状态跟踪能力下降。为提升DSE精度，本研究首先构建了一个包含输电线路和发电机动态的全面动态模型，随后采用扩展卡尔曼滤波器（EKF）作为状态估计框架。为抵消系统参数不准确对估计结果的不利影响，本文提出了一种基于细菌觅食优化算法（BFOA）的创新参数优化策略。该策略利用静态状态估计的结果，并通过迭代改进利用BFOA解决黑箱优化问题的能力。通过识别最大化估计精度的参数配置，所提出的方法纠正了错误的线路参数，从而提高了动态状态估计的精度。在IEEE 39节点标准系统中的仿真验证了该方法的有效性。结果表明，校正后的参数显著提升了DSE的准确性，有效缓解了估计误差，提高了信噪比，并确保更贴近实际系统行为。因此，研究成果为增强电网运行安全性和可靠性提供了关键进展，凸显了其在能源领域的深远实践意义。

Keyword:

State estimation

Extended kalman filter

Bacterial foraging optimization algorithm

Parameter correction

Enhanced Dynamic State Estimation for Power Systems Using Parameter Refinement with Bacteria Foraging Optimization

摘要

期刊

机构

引用论文