基于指数分布优化器的混合光伏-温差系统最大功率点跟踪

为解决混合光伏-温差(photovoltaic thermoelectric generator,PV-TEG)系统的最大功率点跟踪(maximum power point tracking,MPPT)问题以提高能源转换效率和利用率,提出了一种基于指数分布优化器(exponential distribution optimizer,EDO)的混合PV-TEG系统MPPT技术。EDO通过模拟指数分布的随机变化来搜索潜在的解空间,由于随机性,算法可有效避免在局部遮蔽条件(partial shading condition,PSC)下陷入局部最优,并在搜索空间中广泛探索以找到最优解。算例研究包括启动测试、太阳辐照度阶跃变化、随机变化、香港地区四季实际算例4个部分,并与其他5种算法进行对比分析,以较为全面地验证所提EDO技术在混合系统MPPT应用中的可行性和有效性。仿真结果表明,采用EDO的混合PV-TEG系统在不同运行条件下均能稳定、高效地实现最优越的MPPT性能,尤其是在春季低辐照度的条件下,EDO产生的能量分别超过蜻蜓算法(dragonfly algorithm,DA)、增量电导法(incremental conductance method,INC)、扰动观测法(perturbation observation method,P&O)能量输出的68.85%、66.13%和59.69%。

Lomax分布一致渐近指数分布

若随机变量X具有密度函数■则称X服从Lomax分布,其中λ>0为尺度参数,θ>0为形状参数.本文证明了当θ→∞时,Lomax分布一致渐近指数分布■.

双定数混合截尾下双参数指数分布的统计分析

基于双定数混合截尾试验数据,研究了门限参数已知时,取逆伽玛先验分布的情况下,双参数指数分布的尺度参数和可靠度函数的极大似然估计,以及3种不同损失函数下的Bayes估计。通过随机模拟,进一步比较了双定数混合截尾试验和定数截尾试验下尺度参数和可靠度函数的Bayes估计及极大似然估计。结果表明,双定数混合截尾试验下的估计值具有更高的精度。

加权平方损失下逆指数分布参数的估计

基于E-Bayes估计和多层Bayes估计的定义,本方法在加权平方损失函数下,首先研究了逆指数分布参数θ的Bayes估计,得出所求的Bayes估计具有可容许性和最小最大性,并进一步讨论参数θ的E-Bayes估计及多层Bayes估计。其次通过研究最大后验区间估计,验证了估计的合理性。最后运用R软件进行数据模拟,并验证了逆指数分布参数估计的仿真性较高。

二阶次指数分布卷积与卷积根的封闭性

次指数分布作为一类重要的重尾分布,由于其能刻画大额理赔,在金融与精算领域有着广泛的应用.随着风险模型研究的进一步深入,2008年二阶次指数分布被首次提出,相对于一阶次指数分布,其渐近表达式更加精确,因而有关二阶次指数分布的研究近年来受到广泛关注.对于二阶次指数分布卷积与卷积根封闭性问题,给出了二阶次指数分布在成比例等价下关于二阶次指数分布族封闭,进而得到二阶次指数分布具有卷积封闭性,得到了二阶次指数分布关于卷积根封闭性的结论,拓展了二阶次指数分布的研究成果,对未来相关研究具有重要的理论意义.

反向指数分布参数的经验贝叶斯检验

在“线性损失”函数情况下,研究了一类反向指数分布参数的经验贝叶斯(EB)检验问题.基于独立同分布样本下对密度函数的递归核估计,构造了该分布的经验贝叶斯检验函数.在适当的假设下,证明了所提出的经验贝叶斯检验函数具有渐近最优性,并得到了该检验函数的收敛速度.

双边定时截尾下线性指数分布的参数估计

为了研究双边定时截尾下线性指数分布的参数估计问题,分别采用极大似然法和贝叶斯方法对未知参数进行估计,并证明了极大似然估计是唯一存在的。利用MatlabR2022b进行了随机模拟,研究结果表明:在均方误差准则下,贝叶斯方法优于极大似然方法;在贝叶斯估计中,选取伽马先验分布并在平方损失函数下,未知参数的贝叶斯估计效果最优。

双参数指数分布参数的假设检验

分别给出了单个双参数指数总体和两个双参数指数总体参数的假设检验，并且讨论了检验统计量的分布．

基于Rényi熵的q-指数分布及其可靠性分析应用

基于最大Rényi熵原理,在归一化和均值约束下,提出了一种具有封闭表达式的双参数广义指数分布,记为q-指数分布。该文研究了该分布的统计性质,指出可以分别利用极大似然法和信息似然法估计q-指数分布参数,并将该分布用于可靠性分析。利用两个已知的数据集进行了验证,实验结果表明,所提出的q-指数分布比其他常用分布,如韦伯分布和线性失效率分布,能够更好地拟合数据集。此外,锂电池剩余寿命估计实验表明,采用q-指数分布比采用传统指数分布,估计精度至少提高17.857%。

一类不完全数据下指数分布的参数估计

本文针对指数分布,依据极大似然估计方法和贝叶斯估计方法,研究了在右删失数据下指数分布密度函数中参数λ的估计问题,并通过实验数据比较了两种方法的估计效果。研究表明在样本容量相同的情况下,贝叶斯估计方法要比极大似然估计方法偏差更小,可信度更高。

指数分布抽样基本定理及在四参数二元Marshall-Olkin型指数分布参数估计中的应用

本文提出指数分布抽样基本定理,四参数二元Marshall-Olkin型指数分布的参数估计中,从参数的识别性分析着手,获得了一个用可识最小值函数表示的分布函数表达式,进而得到了二元指数分布的一个特征;以二元指数分布随机变量样本与二元可识最小值随机变量样本的等价性,获得了基于二元可识最小值随机变量样本参数的最大似然估计,并应用指数分布抽样基本定理,得到了四参数二元Marshall-Olkin型指数分布参数的一致最小方差无偏估计。

基于KL-距离的双参数指数分布的参数估计

文章考虑双参数指数分布的参数估计问题,在KL-距离最小化原则下,给出了一种参数估计的方法。得到的结果是一般情况下参数估计与矩估计相同;特别地,当位置参数为0时,通过数值模拟,并与极大似然估计进行比较,证明了这种估计的可行性。

独立同指数分布的随机变量序列的一个Laplace反演变换

在相互独立、同指数分布的随机变量序列中 ,建立了部分和函数的大数定律 ,由大数定律出发 ,运用Laplace变换中象函数的微分性质 ,得到了该序列的Laplace变换的一个反演结果 ,并证明了用该结果所表示的原象函数在 (0 ,∞ )

应力为k维指数分布强度为指数分布下结构可靠度的估计

本文在文[1]的基础上给出了应力服从k维指数分布,强度服从指数分布的应力———强度模型.

风电功率预测误差分段指数分布模型

风电预测存在较大误差,对于风电场和电网调度人员而言,预测的不确定性信息比单纯的功率预测值更有指导意义。基于对中小规模风电场短期和超短期功率预测误差分析,提出风电功率预测误差分段指数分布模型,并进行分段指数分布概率密度函数及概率分布函数推导,采用非线性最小二乘法进行参数估计。实例分析中,通过模型精度指标和曲线拟合效果对比了分段指数分布模型与传统误差分布模型,论证了分段指数误差分布模型较传统模型在精度、灵活性方面的优势。

对称熵损失下指数分布的参数估计

研究指数分布的刻度参数在对称熵损失下的最小风险同变估计及Bayes估计，并讨论（cT＋d）－1形式估计的可容许性与不可容许性．

混合指数分布的参数估计

混合指数分布是寿命数据分析中一个非常重要的统计模型．但是利用正规的统计方法如矩估计、极大似然估计等估计模型的参数往往比较困难．本文应用EM算法详细研究了混合指数分布在正常工作条件下和在进行恒加应力加速寿命实验条件下,在完全数据场合、Ⅰ-型截尾和Ⅱ-型截尾场合的参数估计问题．模拟说明利用EM算法来估计混合指数分布是一种非常有效的方法．

指数分布参数置信区间的最短化研究

从置信区间的本质意义出发,通过数值计算的方法,对于给定的置信度0 90,0 95和0 99,在样本容量从2到22的范围内,求得了指数分布参数的最短置信区间,并对通常方法求得的置信区间的长度与最短置信区间的长度进行了对比分析.结果表明:在小样本(≤11)的情形下,用最短置信区间来作未知参数的区间估计,将会使估计精度得到显著的提高.

不同选样方法下暴雨频率指数分布曲线的适用性

为了判定指数分布曲线是否适用于选取的样本系列,对不同选样样本系列的概率密度曲线和指数分布曲线之间的相似情况进行了理论分析,并结合实例采用指数分布曲线对不同选样方法下选取的样本系列概率密度直方图进行曲线拟合.结果表明:年最大值法选样从理论上不适宜选用指数分布曲线进行频率分析;年多个样法选取样本系列只有在概率密度曲线呈"捺"形时,才可以考虑采用指数分布曲线,否则不宜采用.

双参数指数分布异常数据的检验

针对双参数指数分布的异常大数据,给出了一种新的检验方法。寻找到总体参数的具有较好稳健性的估计量,并在此基础上构造出检验统计量,求出了该检验统计量精确的概率密度函数和大样本情形下的近似分布,得到了检验临界值简洁的近似表达式。