《表B1 3种算法动态估计性能对比》

  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

《伪量测建模与AUKF在配电网虚假数据注入攻击辨识中的应用》

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

由图7可知，伪量测模型输出用于状态估计器有较好的估计效果，且AUKF与UKF在整体上的估计效果要优于EKF。同时，AUKF随着时间的推移能自适应修正系统误差，逐渐提高了滤波估计效果。此外，各算法在采样时刻501～1000内电压幅值与相角估计结果的RMSE指标的平均值与最大值如附录表B1所示。可以看出，AUKF与UKF的估计精度比EKF要高，尤其是电压相角的估计效果。同时，AUKF在系统模型误差自适应调整过程稳定后，其RMSE-U平均值降至UKF估计结果的53.8%；RMSE-?平均值降至UKF估计结果的59.8%，且2个指标的最大值均降至UKF估计结果的75%以下。这说明AUKF有效抵消建模误差的噪声影响，改善了UKF的估计性能，拥有更好的动态估计稳定性，有助于为所提FDIAs辨识方法提供可靠数据。