狀態估計演算法

1. 電力系統抗差狀態估計的演算法包括

電力系統抗差狀態估計的演算法包括：M估計、GM估計、高崩潰污染率估計等，這些方法可稱虛斗寬為電力系統抗差狀態估計經典方法。

電力系統：電力系統是由發電廠、送變電線路、供配電所和用電等環節組成的電能生產與消費系統。它的功能是將自然界的一次能源通過發電動力裝置轉化成電能，再經輸電、變電和配電將電能供應到各用戶。

為實現這一功能，電力系統在各個環節和不同層次還具有相應的信息與控制系統，對電能的生產過程進行測量、調節、控制、保護、通信和調度，以保證用戶獲得安全、優質的電能。

電力系統狀態估計按方式可分為靜態狀態估計和動態狀態估計兩種類型。

動態狀態估計能實時提供系統運行狀態的預測值和估計值，為實現電網實時調度、安全評估和預測控制等在線功能提供有效的數據保障，能更好地描述電力系統 的本質，因此在近年來受到了廣泛關注。但由於電力系統動態狀態估計一直停留在理論階段，其工程價值還有待考究。

獲取電壓和角度只是潮流計算的功能之一，除此之外，還有如下常用功能：

1、運行方式校核。通常需要對日前的發電計劃，根據預測負荷進行潮流計算，核驗是否有安全越限。與此類似的電網規劃和網路重構等，也都需要潮流計算進行校核。

2、合環電流計算。部分電力公差亮司要求潮流計算還應具備合環電流計算的功銷悔能，以便於進行合環操作指導。

因此可以看出，這2個功能是狀態估計無法完成的。

2. 開源人形機器人SimpleMan5-狀態估計演算法

開源人形機器人SimpleMan5的狀態估計演算法是控制的關鍵，尤其在高度控制和實時性上。狀態估計不僅對無人機，也對四足機器人和人形機器人至關重要。無人機高度控制中的難點在於處理氣壓計測量的滯後和融合加速度計，通過精確標定感測器和使用如Pixhawk的EKF或UKF方法，可以實現更穩定、實時的高度估計。對於四足機器人，如SimpleMan5，狀態估計依賴加速度計、陀螺儀和足端運動學數據，其中姿態解算和誤差建模是關鍵。對於雙足機器人，如SimpleMan5採用的虛擬腿技術簡化了狀態估計，但需要注意質心位置的不同以及姿態變化對測量的影響。總的來說，核心問題在於加速度分解的准確性、接觸狀態判斷和對機器人運動特性的理解。

3. 概率圖模型-有向圖：貝葉斯濾波（Bayesian Filtering）

貝葉斯濾波在概率圖模型有向圖中是一種基於貝葉斯定理進行狀態估計的經典演算法。其核心內容和特點如下：

• 起源與關聯：貝葉斯濾波的起源雖難以精確追溯，但它與Joseph L. Doob的隨機過程理論有一定的關聯。在1960年，R. E. Kalman提出了卡爾曼濾波，這是貝葉斯濾波在線性假設和正態分布下的一個特例。

• 核心目標：貝葉斯濾波的核心目標是計算後驗概率分布，即在給定歷史觀測信息的情況下，預測當前狀態的概率分布。

• 核心步驟：

  • 預測步：使用狀態轉移方程來預測下一時刻的狀態分布，這一步基於系統的動態模型。
  • 測量更新步：利用新的觀測信息來更新預測後的狀態分布，得到更精確的後驗概率分布。

• 演算法推導：貝葉斯濾波的演算法推導涉及對預測步和更新步的詳細數學處理，包括積分運算以得到歸一化常數。

• 實際應用：貝葉斯濾波在機器人導航等動態環境信息處理問題中有廣泛應用。在這些應用中，預測和更新步驟考慮了時間推移對隱狀態的影響，即使沒有控制動作，環境變化也會改變隱狀態，從而使演算法能夠適應動態環境的變化。

• 總結：貝葉斯濾波是一種根據已知觀測結果計算隱狀態後驗分布的統計方法，它適用於處理動態環境中的信息處理問題，如機器人導航等。