• Proceedings of the KIEE Conference
• /
• 2005.11b
• /
• pp.274-276
• /
• 2005

배전계통 상태추정이란 배전계통을 운영하고 제어하기 위하여 모선전압, 선로조류, 모선부하와 같은 상태변수들의 측정된 값을 이용하여 여러가지 운영에 필요한 정보를 활용하고 배전계통으로부터 측정치에 기초하여 미지의 상태변수들을 추정하는 것이다. 변전소 제어센터에 있는 SCADA 시스템은 실시간으로 배전계통을 모니터링하고 제어하기 위하여 전력계통을 주기적으로 스캔하고 엄청난 양의 데이터를 획득하여 처리한다. 이들 측정값들은 유효전력, 무효전력, 전압, 전류, 스위치나 차단기의 상태들이다. 이들 데이터들은 중앙전력계통 제어센터나 지역제어센터로부터 산발되어 있는 정보를 대부분 RTU를 통하여 획득하게 된다. 이러한 이유로 배전계통의 상태추정은 송전계통과는 달리 배전계통 자체가 토폴로지상으로 산발되어 있을 뿐만 아니라 대규모이기 때문에 분산형으로 구성하여 처리하는 알고리즘을 필요로 한다. 본 논문에서는 배전계통에 대한 분산형 상태추정기의 알고리즘을 제안하고자 한다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.5 no.6
• /
• pp.533-538
• /
• 2004

Recently, it is increasing the concern of distributed generations(DGs) that installed small power at a site near by the customer. In deregulation environment, not only distributed generation operation but also state estimation is the key function in distribution systems. This paper process to calculate the impact of distributed generation on a distribution feeder. WLAV state estimation is performed the distribution systems with DGs and bad data test including single, multiple, interacting. Simulations with test cases are performed and the results are presented, using IEEE 34 bus radial distribution systems

• Proceedings of the KIEE Conference
• /
• 1997.07b
• /
• pp.434-436
• /
• 1997

본 연구에서는 저속에서 발생하는 측정잡음에 대한 문제를 불규칙 확률시스템으로 고려하여 Kalman 필터를 관측자로서 사용하고 고속에서뿐만 아니라 저속에서의 위치와 속도 추정성능을 향상시키고자 한다. Kalman 필터는 확률적 외란을 포함하고 있는 동적시스템에 적용되는 최적상태 추정자이다. 또한 이 Kalman 필터는 외란을 가지는 이산형 실시간 동적 처리 시스템에서 최적의 미지 상태를 추정하기 위해 선형, 불편향, 그리고 최소 오차분산 회귀형 알고리즘을 제공한다. 또한, MRAS(Model Reference Adaptive System) 방법을 이용하여 모터와 부하에 대응되는 기계적 시정수를 동정한다. 이 방법은 기계적인 시정수가 알려지지 않은 시스템에 적용하여 위치와 속도의 추정을 가능하게 하기 위해서이다. 더욱이 동정의 결과를 이용하여 Kalman 필터 알고리즘에 적용한다.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.46 no.3
• /
• pp.52-58
• /
• 2009

If a moving target has a linear characteristics, the Kalman filter can estimate relatively accurate the location of a target, but this performance depends on how the dynamic status characteristics of the target is accurately modeled. In many practical problems of tracking a maneuvering target, a simple kinematic model can fairly accurately describe the target dynamics for a wide class of maneuvers. However, since the target can exhibit a wide range of dynamic characteristics, no fixed SKF(Simple Kalman filter) can be matched to estimate, to the required accuracy, the states of the target for every specific maneuver. In this paper, a new AKF(Active Kalman filter) is proposed to solve this problem The process noise covariance level of the Kalman filter is adjusted at each time step according to the study result which uses the neural network algorithm. It is demonstrated by means of a computer simulation that the tracking capability of the proposed AKF(Active Kalman filter) is better than that of the SKF(Simple Kalman Filter).