基于卡尔曼滤波与中位加权的定位算法

为了有效解决基于接收信号强度的高精度室内位置服务计算困难问题,提出了一种新的基于卡尔曼滤波和中位加权（WMKF）的定位算法。该算法不同于以往的室内定位算法,首先应用卡尔曼滤波平滑了随机误差;然后利用中位加权方法抑制了显著误差,利用距离路径损耗模型得到衰落曲线并计算出估计距离;最后利用质心求解方法得到目标节点位置。实验结果表明,该算法初步解决了相对复杂环境下定位稳定性较差的问题,并有效地提高了定位精度,使精度达到0.81~1 m。

基于加权MMMD的软测量数据过失误差侦测

在基于聚类分析的软测量过失误差侦测中,针对不同变量对建模影响程度的不同,提出了基于加权MMMD聚类分析的过失误差侦测方法。该方法在聚类的相似度计算时,根据各辅助变量与主导变量的相关性,给每个变量加以不同的权值。在新的相似性度量基础上进行聚类,并侦测出过失误差。用该方法对丙烯浓度的软测量数据进行了过失误差侦测,并用剔除过失误差后的数据做了建模仿真。实验结果表明了新方法的有效性,并能提高软测量数据的整体质量。

基于分段分区聚合近似和模糊聚类的风电出力特性分析

风电出力特性与负荷需求的形状(负荷需求具有双峰性的典型形状)不一样,难以直观得到风电出力特性曲线的大概轮廓。因此,提出改进的自适应模糊聚类算法,采用表征多时空尺度的风电波动性、同时率评价指标对风电出力数据归一化处理,分段聚合降低维度,计算自适应函数α(c),确定各时段最佳聚类数c,对风电出力类型分类;引入变异离散度系数βi,剔除风电出力畸变数据;提出分区加权中位值法,辨识并提取风电出力特性概率区间带。针对新疆区域电网2015年1月份的风电出力数据,仿真计算分析风电出力特性曲线及概率区间带,验证了所提方法的有效性和稳定性。