来源：期刊VIP网 时间：
作者：吉兴全;毛会总;时慧喆;张涌琛;刘小虎;张玉敏;葛广贤;
单位：山东科技大学电气与自动化工程学院;山东科技大学工程实训中心;国网山东省电力公司滨州供电公司;
摘要：为解决三相配电网量测信息异常导致数据库可靠性低，量测数据存在经验高斯噪声以及负荷突变影响估计算法的精度等问题，提出一种基于可自适应调整噪声误差的无迹卡尔曼（Sage-Husa and adaptive unscented Kalman filter,SH-AUKF）的三相配电网预测辅助状态估计方法。首先，基于量测数据具有时空图特性，提出基于谱聚类的时空图卷积网络（temporal and graph convolutional network,T-GCN）算法的量测数据重建方法，以提高分布式电源并网后的配电网状态预测精度；其次，在无迹卡尔曼（unscented Kalman filter,UKF）算法的基础上，引入自适应因子，并在状态预测和量测更新进行噪声抑制和自适应调节卡尔曼增益，提出基于SH-AUKF的三相配电网预测辅助状态估计方法；最后，在接入分布式电源的IEEE 33节点和IEEE78节点三相不平衡配电系统中进行仿真测试，结果表明在分布式电源接入条件下所提状态估计方法具有较高的估计精度和鲁棒性。
关键词：时空图卷积网络;;量测数据重建;;三相不平衡;;卡尔曼滤波;;预测辅助状态估计
基金资助：国家自然科学基金项目（52107111）~~
