基于等效电路与数据驱动模型的锂离子动力电池SOC估计技术

该文以二阶等效电路模型作为电池工作特性描述模型,分别利用无迹卡尔曼滤波算法、基于Sage-Husa自适应滤波思想的SR-AUKF算法估算锂电池的SOC值,对不同初始值条件下、不同噪声方差下2种算法的SOC估计及绝对误差曲线进行对比分析。而后在数据驱动模型下,在单独利用门控循环单元神经网络算法估算SOC后,再将之与无迹卡尔曼滤波算法组合应用,对不同工况及温度条件下2种算法的SOC估计结果及绝对误差进行比对,得到等效电路模型、数据驱动模型下锂离子动力电池SOC估计的最佳算法。

基于数据驱动模型的反窃电行为精准取证系统

反窃电行为现场蹲守取证的时效性与准确性均较差,导致取证工作效率下降,且取得的证据不完整,设计基于数据驱动模型的反窃电行为精准取证系统。在现场布设反窃电稽查仪、红外摄像头,在采集层获取用户相关用电数据以及视频图像,并通过通信层的集中器将数据传输到主站层。主站层借助数据驱动模型从用电数据以及视频图像中挖掘证据,对获取的证据进行实时整理和归纳,完成反窃电行为精准取证。实验结果表明,利用所设计系统对窃电用户进行检测与识别后所得F1值均大于9,且接近于10,能够实现反窃电行为精准取证。

基于数据驱动模型的智能风机失速故障辨识方法

智能风机失速状态变化难以捕捉,导致故障辨识结果不精准,提出了基于数据驱动模型的智能风机失速故障辨识方法。分析智能风机压力-流量特征,计算固定流量系数和压力系数,通过不同故障模式空间映射分析风机失速状态变化。引入小波阈值除噪方法对重构信号进行小波包分解,结合小波包能量分析方法实现故障特征提取。将具有映射关系的融合单元应用到智能风机失速故障辨识过程中,构建基于数据驱动的故障辨识模型,结合故障特征提取结果实现智能风机失速故障辨识。分析实验结果可知,该方法应用下的低压、高压风机失速频谱波动范围分别是0~1100 Hz、0~4200 Hz,与实际结果一致,说明该方法的故障辨识结果更为精准。

基于数据驱动模型的配电网电力调度自适应优化研究

受分时电价对用户用电行为的影响,导致配电网有功输出相对偏低,为此,文章提出基于数据驱动模型的配电网电力调度自适应优化。结合上层电网电价波动对配电网用电负荷需求的影响,结合用户用电行为方面表现出的敏感性,构建了配电网负荷数据驱动模型。在配电网电力调度阶段,结合不同时段的具体负荷数据信息,引入了自适应机制,实现对电力资源的合理调度。测试结果表明,测试电网有功功率输出明显高于对照组。

基于数据驱动模型的季节性河流洪水预警研究

为提升季节性河流洪水预警精度,实现洪水灾害的防治,提出基于数据驱动模型的季节性河流洪水预警方法。利用径流曲线法计算河床汇流率,将汇流率作为辅助函数,采用BP神经网络和数据驱动相结合的方法搭建季节性河流洪水预警模型,将季节性河流洪水的时间序列输入模型中,得到季节性河流洪水预警结果。以传统的季节性河流洪水预警方法作为对比对象,通过实验得出基于数据驱动模型的季节性河流洪水预警方法在预警精度上优于传统预警方法,预警结果具有较高的可靠性,能够对季节性河流进行精准的洪水预警,在河流洪水预警领域具有重要的应用价值,可为洪水灾害的防范提供理论与实践指导。

基于建模误差PDF形状的间歇过程数据驱动模型

间歇过程的优化控制依赖于过程精确的数学模型,数据驱动的建模方法是目前间歇过程模型研究中的热点问题。突破传统数据驱动建模方法中采用均方差(mean squared error,MSE)作为准则函数的思想,提出一种新颖的间歇过程数据驱动建模方法,引入了概率密度函数(probability density function,PDF)控制的概念,构造间歇过程模型误差控制系统,将模型的可调参数作为控制系统的输入,模型误差PDF的形状作为控制系统的输出,从而把开环模型参数辨识问题转化为模型误差PDF形状的闭环控制问题。通过可调参数控制模型误差PDF的空间分布状态,不仅能够保障模型精度,还可控制模型误差的空间分布状态,从而消除模型中的有色噪声。仿真实验表明,基于模型误差PDF形状的间歇过程数据驱动模型具有较好的建模精度、鲁棒性和泛化能力,为间歇过程的数据驱动建模提供了一条新途径。

数据驱动模型在渭河流域来水预报中的开发和应用研究

现有的水文预报方法分为过程驱动模型方法和数据驱动模型方法两大类,近年来随着水文数据获取能力和计算能力的发展,数据驱动模型在水文预报中受到了广泛的关注,回归模型、神经网络模型均属此类。本文首先采用距离平方反比与泰森多边形相结合的方法,由雨量站观测到的降水量求得渭河流域各四级区的降水量,然后采用自回归模型结合年～月～旬逐级修正的方法对渭河流域10个四级区进行降水预报,采用降水～气温～径流多元线性回归模型对渭河流域28个水库进行径流预报,取得了较好的效果。

基于GPS车速数据驱动模型的高速公路极限匝道间距识别

建立了基于GPS车速的数据驱动模型及间隙接受模型,以识别高速公路在极限状态下可采用的最小匝道间距。将高速公路匝道间距划分为加速影响区、减速影响区和交织换道区;建立GPS车速数据驱动模型识别车辆汇入后的加速影响范围和车辆驶出前的减速影响范围;根据可接受间隙理论建立极限管控条件下的交织换道区影响范围的识别模型;应用某市出租车在测试路段指定时段内的GPS时空车速数据分析。结果表明,加减速影响区的范围与车速线性相关。提出将多车道高速公路的直行车流与合、分流车流相分离,基于可接受间隙的模型测算结果表明交织换道区的距离不应小于639 m。在分流主线通过型交通流,交织换道区限速80 km/h,设置辅助车道时,二级服务水平下的极限匝道间距为872 m,考虑安全性,推荐设置为930 m以上。

新型耦合数据驱动模型在降雨径流模拟中的应用研究

为解决传统数据驱动模型的不足,使其能实现降雨径流过程高精度连续模拟,提出新型耦合数据驱动模型——PEK,即:基于偏互信息的输入变量选择、基于新型集成神经网络的出流量预测和基于K最近邻模型的出流量误差预测。PEK模型具有以下特点:(1)提出了基于分离式选择策略和滑窗累积雨量的模型候选输入向量,并与基于偏互信息的输入变量选择方法联合使用,提高了输入信息的充分性和无冗余性,对建立精度高、泛化能力强的高质量模型意义重大;(2)提出了新型集成神经网络——EBPNN及其率定方法。联合使用NSGA-II多目标优化算法和早停止Levenberg-Marquardt算法,通过一次优化过程同时确定全局最优个体网络个数、各个体网络拓扑结构和网络参数。个体网络权重由基于AIC信息准则的权重优选方法确定。EBPNN在模拟精度和网络复杂度间取得了良好折衷,精度高、泛化能力强、率定结果客观;(3)PEK模型能够进行多步外推预报,实现了非实时校正模式下的高精度连续模拟,增长了预见期;(4)PEK模型不需要进行流域状态变量的计算,仅需初始出流量就可进行出流量的连续模拟。在呈村流域应用PEK和CLS两个数据驱动模型进行次洪降雨径流模拟及精度比较。结果表明PEK模型使用简便,模拟精度高于CLS模型,实现了多步外推的高精度连续模拟,增长了数据驱动模型的预见期。

基于数据驱动模型的入海污染源排污削减优化方法研究

陆源污染物排放是影响近岸海域水环境生态质量最重要的因素。建立了数据驱动模型人工神经网络算法和海域水质模型相耦合的入海污染源排污削减优化方法:基于水质模型污染源项设计工况的数值计算,获得海域内部观测点污染物浓度;以数据驱动模型人工神经网络算法建立状态变量(海域内部观测点污染物浓度)同控制变量(污染源项)之间的非线性关系;以海域内部观测点环境目标数据为输入,模拟推算出目标前提下的各污染源项入海允许排放量;最终结合实际排污量,核算获得削减量。以连云港徐圩海域4个入海污染源无机氮的排污削减研究验证方法的有效性,结果表明:数据驱动人工神经网络方法具有非线性、简洁、灵活的优点,可以为近岸海域水污染控制工作提供基础数据支撑;同时研究中采用分区排污削减的方式更能体现兼顾公平的基本原则,优化入海污染源排污削减工作。

一种考虑温度影响的SiC JFET的数据驱动模型

提出了基于数据驱动建模思想建立考虑温度影响的常断型SiC JFET器件模型的方法,解决了目前物理建模方法应用于功率半导体器件建模过程中器件自身结构、材料等参数获取困难的问题。根据常断型SiC JFET器件手册的图表信息并结合部分实测数据,在Saber软件中建立其热电耦合模型。通过对其静态特性和动态特性的仿真和实验研究,验证了考虑温度影响的常断型SiC JFET数据驱动模型的准确性。该数据驱动建模方法可以推广应用于其他功率半导体器件如功率SiC MOSFETs和GaN FETs等的建模。

基于数据驱动模型的潮位和潮流预测方法研究

为解决工程海域潮位、潮流资料不足给海洋工程设计和数学模型建立带来的不确定性,根据单测站潮位潮流的自相关性、对应测站潮位或潮流以及潮位与潮流之间的互相关性,建立基于数据驱动模型人工神经网络的单测站潮位、潮流(流速、流向)预测模型;多测站潮位、潮流对应预测模型;潮位与潮流对应预测模型.以复杂海况下的实测潮位、潮流资料进行模型验证,重现了潮位、潮流自身及相互之间的非线性映射关系.模型预测结果与现场实测数据的比较及其误差分析表明,该模型具有结构简单、精度高的优点,适用于解决工程实际问题.

基于数据驱动模型的医疗器械信息综合管理系统

目的为了实现医疗器械信息的静态管理和动态管理,设计一种基于数据驱动模型的医疗器械信息综合管理系统。方法系统的信息采集层利用AXIe高速数据采集传输接口,采集和存储医疗器械信息后,将采集到的信息传送至数据驱动层;数据驱动层利用驱动引擎、挖掘引擎和基于误差反馈的数据清洗方法,清洗接收到的信息并将其存储至数据仓库中;应用管理层整合数据仓库中的信息,依据用户的需求利用相应的接口获取所需的相关服务,查询、调整以及更新医疗器械信息。结果测试结果表明,该系统DB指数均在0.35以下,写入带宽标准均低于0.004 Mbps,序列插补平均相对误差均在0.4以下,具备良好的信息聚类效果、远程写入性能以及更新、修改、调用等操作功能。结论可实现信息的静态管理和动态管理,能够为医疗器械信息管理领域进一步发展奠定坚实的基础。

海域潮流场数值模型开边界条件补遗预测的应用数据驱动模型

利用POM(Princeton Ocean Model)等数值模型计算海域潮流场需要开边界条件来驱动模型,开边界条件的确定是主要难点之一。本文建立基于人工神经网络的数据驱动模型为海域潮流场数值模型验证提供开边界条件。通过实际海域计算验证模型,取得了良好的效果。

网络数据驱动模型

本文在传统的客户机与服务器之间的软件体系基础上，提出了网络数据驱动模型这一新的结构。

基于三层元数据驱动模型的制造企业知识搜索平台研究

研究将制造企业信息资源进行高度整合和挖掘处理的企业知识搜索平台,通过构建三层元数据驱动模型的方法进行数据的抽取、整合、挖掘,形成凝聚企业状态和活动核心内容的知识库,最终通过该平台实现对所整合抽取知识的智能搜索。

数据驱动模型的血液物种光谱检测技术

介绍一种基于光谱检测和数据驱动模型的非接触式血液物种识别技术。选取了4个物种(猴144,大鼠203,狗133,人169)共计649个血样作为原始样本。超连续谱激光光源的波长范围是450~2 400nm。分别采集抗凝管盛装血液样本的后向散射可见光谱(294~1 160nm)和十个不同空间位点的前向散射近红外光谱(1 021~1 757nm),将十一条光谱数据顺序连接为一维数据作为每个样本的原始数据。利用主成分分析法对数据集进行特征信息提取,保留原始差异信息量的99.99%,同时将数据量压缩为原始数据量的1.5%,提高分类识别的运算效率。对不同数量的训练集和验证集进行训练预测实验表明,十折交叉验证的识别误差率随着样本数量的增加而降低,样本库规模的增大可以提高识别的精确度。由于数据驱动模型是基于机器学习算法的数据流处理模型,因而可以采用多种不同的分类算法实现。通过比较人工神经网络、支持向量机、偏最小二乘回归、多元线性回归、随机森林和朴素贝叶斯的识别效果可以发现,不同算法的识别效果具有类别差异性,即各个算法的正确识别率排序在不同的物种中是有差异的。因而实际应用中,在选择数据驱动模型时,除了需要考虑算法的整体识别率之外,当对部分类别的识别效果有额外要求时,还应该考虑算法本身的类别差异性。

基于DRASTIC-LU参数和数据驱动模型的地下水硝酸盐脆弱性分区

从开采、管理和控制不同地区的污染的角度,评估地下水脆弱性以确定这些资源的优先次序是重要的.研究的目的是基于DRASTIC-LU参数以及空间和非空间数据驱动的方法来估算Birjand平原含水层的地下水(硝酸盐质量浓度)脆弱性.研究提出新的组合方法来确定(Birjand平原含水层)地下水脆弱性分区中合适的DRASTICLU参数,即将具有指数和双平方核的地理加权回归(geographically weighted regression,GWR)和人工神经网络(artificial neural network,ANN)与二进制粒子群优化算法(binary particle swarm optimization,BPSO)相结合.计算结果为:对于ANN、指数核GWR和双平方核GWR的适应度函数(1-R^(2))的最佳值分别为0.1060、0.0745和0.0065,这表明双平方核的兼容性比其他方法更高.研究表明DRASTIC-LU参数对研究区域的硝酸盐质量浓度估计的地下水脆弱性有显著影响.

基于改进数据驱动模型的低压台区拓扑关系自动识别技术研究

针对传统技术在识别低压台区拓扑关系时存在用户相位识别精度和接入表箱识别精度低的问题,研究了基于改进数据驱动模型的低压台区拓扑关系自动识别技术。从历史用电数据中采集低压台区用户的电压数据,在标准化处理后得到电压矩阵方程式;在初始化纠错参数的基础上,通过求解用户关系方程得到低压台区配电器与用户间的关系,通过关系校验组建低压台区拓扑关系的识别方程式,结合差值向量的取值范围完成纠错处理;利用改进数据驱动模型求得二次规划模型的矩阵,并构建低压台区拓扑关系识别模型。实验结果表明,该技术可以提高用户相位识别精度和接入表箱识别精度,证明其具有更好的识别性能。

数据驱动模型在洪水预报中的应用及其发展趋势

近年来,随着气候和水文模拟能力的提升,卫星等采集数据技术的改进以及智能计算的进步,数据驱动方法在洪水预报领域的使用越来越普遍。鉴于数据驱动方法在洪水领域的迅速发展,本文主要概述数据驱动模型的基本概念和其在过去不同类型流域、不同水文要素下的应用以及各学者做出的相关改进,即主要对BP神经网络、RBF神经网络、支持向量机(SVM)模型、栈式自编码(SAE)模型和模型组合应用作简要回顾;最后确定未来的研发方向。