Primjena estimacije stanja u distributivnom sistemu s fotonaponskim sistemima u MATLAB-u može

uključivati procjenu stanja elemenata sistema, praćenje proizvodnje električne energije i slično.
Estimacija stanja obično uključuje upotrebu mjerenja, modela sistema i optimizacijskih tehnika kako
bi se dobila najbolja procjena stanja sistema.
U okviru seminarskog rada, implementiran je Kalmanov filter za estimaciju stanja distributivnog
sistema s fotonaponskim sistemom, s naglaskom na praćenje napona na distributivnoj liniji.
Parametri sistema u Kalmanovom filtru, kao što su R (varijansa mjerenja), Q (varijansa procesa), A
(matrica sistema), B (matrica upravljanja) itd., obično se biraju ili procjenjuju na temelju karakteristika
stvarnog sistema koji se modelira.
Svaki od ovih parametara ima specifičnu ulogu u Kalmanovom filtru:

 R (varijansa mjerenja): Ova varijabla pokazuje koliko su pouzdani mjerni podaci. Ako je
mjerni uređaj vrlo precizan, varijansa će biti mala, a ako je uređaj manje precizan, varijansa
će biti veća.
 Q (varijansa procesa): Ova varijabla pokazuje koliko dobro model sistema prezentuje stvarno
ponašanje sistema. Ako je model vrlo precizan, varijansa će biti mala, a ako model ima neke
nepoznate ili varijabilne elemente, varijansa će biti veća.
 A (matrica sistema): Ovo je matrica koja opisuje kako se stanje sistema razvija tokom
vremena. Može se odrediti iz fizikalnih zakona koji opisuju ponašanje sistema.
 B (matrica upravljanja): Ako sistem može biti pod utjecajem nekog vanjskog upravljanja,
matrica B će odražavati kako to vanjsko upravljanje utiče na stanje sistema.
Svi ovi parametri ovise o stvarnim karakteristikama sistema koji se modelira Kalmanovim filtrom. Pri
postavljanju ovih parametara važno je provesti neko inicijalno ispitivanje ili analizu sistema kako bi se
procijenile njihove stvarne vrijednosti. Osim toga, moguće je koristiti postupke optimizacije ili
identifikacije sistema kako bi se automatski prilagodili ovi parametri tijekom rada sistema.
Programska implementacija je izvedena u MATLAB-u, popularnom okruženju za numeričke
simulacije i analize sistema. Odabrana je ova platforma zbog svoje široke primjene u inženjerskim
disciplinama te mogućnosti jednostavnog vizualnog prikaza rezultata. Tokom simulacije, generirane
su stvarne vrijednosti napona distributivnog sistema, simulirana su mjerenja s dodanim šumom kako bi
se modelirala stvarna mjerenja u stvarnom okruženju, te je primijenjen Kalmanov filter za procjenu
stanja. Rezultati mjerenja, stvarne vrijednosti i estimacije prikazani su grafom kako bi se omogućila
vizualna analiza.
Analiza rezultata ukazuje na efikasnost Kalmanovog filtera u praćenju stvarnog stanja distributivnog
sistema unatoč mjernom šumu. Brza konvergencija estimacije prema stvarnoj vrijednosti ukazuje na
dobru prilagodbu filtera sistemu. Također, vizualno praćenje omogućuje procjenu performansi
Kalmanovog filtra tijekom vremena.
(DIJAGRAM)

ZAKLJUCAK

Na temelju rezultata i vizualizacije Kalmanovog filtra za estimaciju napona u distributivnom sistemu

s fotonaponskim sistemom, može se izvući nekoliko zaključaka:
1. Efikasnost Kalmanovog filtra: Ako procjena (crvena linija na grafu) prati stvarnu vrijednost
napona (plava linija) unatoč šumovitim mjerenjima (zelena linija), to ukazuje na efikasnost
Kalmanovog filtra u filtriranju mjernog šuma i preciznom praćenju stvarnih promjena u
distributivnom sistemu.
2. Brza konvergencija: Ako je estimacija brzo konvergirala prema stvarnoj vrijednosti nakon
početnih iteracija, to može ukazivati na dobru postavku početnih uvjeta i matrica kovarijanse u
Kalmanovom filtru.
3. Osjetljivost na parametre: Ukoliko estimacija odstupa od stvarne vrijednosti ili oscilira, to
može ukazivati na potrebu prilagodbe parametara Kalmanovog filtra, poput varijanse mjerenja
(R) ili varijanse procesa (Q).
4. Pratnja promjena: Ako estimacija u stanju prati brze promjene u stvarnom napona, to ukazuje
na sposobnost Kalmanovog filtra da se prilagodi dinamičkim promjenama u distributivnom
sistemu.
Zaključno, Kalmanov filter je moćan alat za estimaciju stanja u distributivnim sistemima, posebno
s fotonaponskim sistemom gdje su mjerenja često podložna šumovima. Pravilno kalibriran i
postavljen Kalmanov filter može značajno poboljšati pouzdanost i tačnost procjena u stvarnom
vremenu.