利用图论方法进行多不良数据检测与辨识

本文研究了不良数据检测判据及可信量测判据，用图论的方法推导了对于给定量测系统中量测量之间的线性相关表达式（即回路矩阵），并充分利用了量测量问的相互核核作用，提出了一种新的多不良数据检测与辨识的方法，使检测相关多不良数据的可靠程度大大提高。

Markov链在企业坏账预测中的应用

从随机过程的角度,依据企业应收账款的实际情况,运用M arkov链的理论和方法,构建企业应收账款发生坏账的预测模型,并运用该模型对该企业应收账款中未来可能发生坏账的金额和时间进行预测。

基于特性矩阵分层分析的短期母线负荷预测坏数据处理策略

原始数据分析是提高短期母线负荷预测精度的重要环节,提出一种基于特性矩阵分层分析的坏数据处理策略。首先研究划分样本集最优簇结构的聚类算法。利用AP聚类计算标幺曲线样本集的聚类数搜索区间;从大到小排列各样本点的密度指标,得到初始化矩阵;通过Silhouette指标进行有效性检验,最终得到最优聚类结果。参照特征曲线,计算反映负荷点性质的横向及纵向特征向量,进而形成特性矩阵。运用判别准则对日负荷曲线的特性矩阵进行分层分析,并针对不同变化特性的母线负荷制定相应的坏数据处理策略。实例分析表明,本文提出的方法可有效改善原始数据的质量,提高母线负荷预测精度。

基于量测数据相关性的电力系统不良数据检测和辨识新方法

电力系统量测数据的质量是影响电力系统状态估计效率和结果的重要因素,而量测数据中客观地存在少量不良数据,检测和辨识这些不良数据是电力系统状态估计的重要组成部分。文章分析了量测数据协方差矩阵中的元素值在量测数据中含有白噪声、突变量和不良数据时的变化规律,提出了通过量测数据协方差矩阵中元素的变化规律检测和辨识不良数据的新方法,在IEEE14节点系统上的仿真试验验证了该方法的正确性。

基于模糊等价矩阵聚类分析的不良数据辨识

采用模糊数学的方法来辨识电力系统实时运行数据中的不良数据。利用基于模糊等价矩阵的聚类分析方法,以标准残差和相邻采样时刻的量测量差值作为特征值,通过寻找最佳阈值,对量测项目进行动态聚类,根据个别已知的良数据和'数以类聚'的原则,得到全良数据的分类,进而辨识出不良数据。最后分别对传统算例模型和某地区电网实时数据进行仿真分析,表明该方法能快速准确的辨识出不良数据,有效避免残差污染和残差淹没现象,更适合实际电网的计算要求。

面向智能电网的PCA近似法错误数据注入攻击

准确的状态估计对于维持智能电网的正常运行至关重要。论文在雅可比(Jacobian)矩阵和状态变量分布假设未知的情况下,采用主成分分析近似法(PCA-Sim)研究了错误数据注入攻击问题,从线路测量的相关性中对Jacobian矩阵进行推导,验证了错误数据注入攻击近似隐形攻击,并且结合累积分布函数(cdf)分析了所提方法的性能。通过对IEEE14配电网系统在均匀状态变量、高斯状态变量和混合状态变量条件下漏检概率与决策阈值的仿真研究,结果证实了所提方法的有效性。

基于标签相似度的不良信息多标签分类方法

在多标记分类中,标签与标签之间的相关关系是影响分类效果的一个重要因子。传统的经典多标签分类方法如BR算法、ML-KNN算法等,忽略了标签之间的相关关系对实际分类的影响,分类效果一直不能令人满意;面对类别关联度极高的不良信息的多标签分类,分类效果更是大打折扣。针对上述问题,通过改进经典的多标签分类算法RAk EL,首先根据训练文本计算出各标签之间的相似度系数,然后再根据自定义不良信息层次关系计算出综合标签相似度系数矩阵,最后在RAk EL算法投票过程中根据综合标签相似度与中心标签重新确定最终的结果标签集合。与传统的分类方法在真实的语料库上进行多标签分类效果对比,结果证明,该方法对不良信息分类具有较好的效果。

矩阵的“3次-相似”与容许矩阵

研究了矩阵的“3次 -相似”的性质 ,完整给出了对角矩阵的“3次 -相似”标准形 ;研究了容许矩阵的“3次 -相似”性质 ,给出了上 (下 )三角矩阵是容许矩阵的充分必要条件 .

基于有吸收态的马尔可夫链的贷款迁移分析

运用马尔可夫模型对贷款风险进行了实证分析,指出了马尔可夫链在贷款风险分析方面具有操作性和有效性,可用于银行信贷资产的预测分析与风险管理;年度的贷款迁移矩阵可有效分析贷款风险变化特性及贷款损失、回收的内在规律,可度量不良贷款剥离对贷款风险转变的多方位作用,能为银行提前采取风险防范举措、改善贷款质量提供依据。

机器中层视觉纹理分析法——适用于流水线处理的纹理分析法

选用适用的纹理模型是进行纹理分析的关键。而常规的纹理分析方法由于只能部分地反映遥感图像的某些纹理性质,并非具有最佳分类效果。文中介绍更加有效的图像分析方法灰度 插值共生矩阵纹理分析。

典型低老坏问题管理探索与实践

低老坏问题是导致事故发生的重要因素,鉴于当前对低老坏的问题管控措施太笼统、不具体,探索运用风险管控的思维,以风险管理为核心,对生产过程中低老坏问题产生的风险进行全面辨识与评价,确定了生产过程中典型的低老坏问题。通过对现场典型低老坏问题现状的总结和归纳,利用鱼骨图方法进行原因分析,找出产生典型低老坏问题的4个深层原因,并提出有针对性的措施。实践数据表明相关措施能有效降低低老坏现象的发生。

电力系统不良数据的检测与辨识算法研究——基于IEEE33含光伏系统仿真计算

以电力系统状态估计为背景,运用模糊聚类方法构建基于IEEE33含光伏系统仿真计算模型,采用模糊等价矩阵的聚类分析方法编写相关程序,对照仿真结果与理论结果,总结模糊聚类法对不良数据的辨识能力,为电力系统稳定运行提供参考。