《表1 相对误差均方根误差平均值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进鲁棒自适应UKF的配电网动态状态估计方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图3和图4分别为相角和幅值的估计结果相对误差的均方根误差变化图，从图中可以看出，在1～39时刻点系统平稳运行，3种算法的估计精度都较高，但根据表1所示相对误差的均方根误差平均值，本文所提方法的自适应性消除了建模带来的误差，精度最高。在第40个时刻点负荷水平下降导致系统状态突变，由于初始设置的过程噪声参数无法满足真实的状态变化，所以UKF算法的相对误差的均方根误差急剧上升，如前所述即使在第51时刻点恢复到原来的水平，其后续估计结果相对误差的均方根误差仍然在较高的水平。同时RAUKF算法对过程噪声矩阵估计不准确，也会导致相对误差的均方根误差的升高，由表1所示，RAUKF算法的相角相对误差的均方根误差甚至较UKF算法更高，其主要原因是UKF算法对噪声统计参数准确性比较敏感，RAUKF算法在校正噪声统计参数的过程中舍弃了大部分协方差校正项，对噪声校正能力弱，导致不准确的噪声估计，从而对状态估计精度产生较大的影响。