基于分解协调及外网浓缩等值的多代理状态估计
传统分布式状态估计中,各分区子网独立估计时未考虑相邻子网的网络模型及运行状态,而只在协调时才弥补之前忽略的信息。针对此问题,文中结合多代理理论,提出一种基于分解协调及外网浓缩等值的状态估计方法。采用搭接式分区方法实现系统分解,构建了适用于分布式状态估计的二维联盟多智能体架构;通过建立外网浓缩等值模型,各子系统能够计及相邻系统影响,即使未经外层协调,独立估计结果也能满足一定的精度要求;构建了基于黑板模型的启发式协调修正机制,加快了信息融合速度,且使得相邻系统受到来自非边界节点的影响;并根据节点状态量对注入功率的灵敏度分析实现外层迭代,避免了重复估计。IEEE 14节点、30节点及118节点系统的仿真结果验证了所述算法的正确性及有效性。
状态估计、分解协调、外网等值、多代理、黑板模型
36
U463.6(汽车工程)
国家自然科学基金资助项目61071201~~
2012-09-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
23-29