基于平方根UPF的电力系统鲁棒预测状态估计

针对辅助预测状态估计器在迭代计算中会出现状态预测误差协方差矩阵不正定,导致估计精度差甚至发散的问题,提出了基于平方根UPF的电力系统鲁棒辅助预测状态估计。该方法采用两种数学方法:矩阵Cholesky分解因子更新和矩阵QR分解,引入平方根技术动态更新状态预测误差协方差矩阵以保持状态预测误差协方差矩阵的正定性。运用MATLAB进行仿真模拟测试,结果表明:IEEE 30节点系统非高斯噪声测试中,平方根UPF电压相角的均方根误差平均值为UPF相应测试值的0.09%,平方根UPF电压幅值的均方根误差平均值为UPF相应测试值的0.14%;IEEE 57节点系统非高斯噪声测试中,平方根UPF电压相角的均方根误差平均值为UPF相应测试值的0.67%,平方根UPF电压幅值的均方根误差平均值为UPF相应测试值的0.57%。所提出的平方根UPF对解决辅助预测状态估计中状态预测误差协方差矩阵不正定的问题具有很好的效果,具有更高估计精度和鲁棒性。

基于改进Att-LSTNet与无迹粒子滤波融合的主动配电网预测辅助状态估计

针对传统的无迹粒子滤波(unscented particle filter,UPF)存在不准确的新息向量及未知的量测噪声协方差矩阵导致估计精度低的问题,提出一种改进Att-LSTNet与UPF融合的主动配电网预测辅助状态估计(forecasting-aided state estimation,FASE)方法。首先,采用引力搜索算法(gravitational search algorithm,GSA)对支持向量回归(support vector regression,SVR)的关键参数进行优化处理,利用历史数据建立GSA-SVR模型,并将其引入至Att-LSTNet模型的输出层,构建一种增强预测模型。然后,利用UPF中的新息向量来训练该模型,并结合孤立森林算法和箱线图法对原始新息向量进行监控和修正。最后,针对量测噪声协方差矩阵未知的情况,结合修正后的新息向量和UPF计算出未知量测噪声协方差矩阵,并进行状态估计。基于IEEE33与IEEE118节点标准配电系统的算例结果表明,所提出的方法在估计精度、泛化能力和鲁棒性等方面具有优越性。

基于数据驱动的太阳辐射估计和预测研究与展望

准确可靠的太阳辐射估计和预测信息对指导光伏电站规划、光伏发电功率预测等具有重要意义。数据驱动方法能够有效学习长期历史辐射数据特性且不涉及辐射机理的复杂公式分析,是当前太阳辐射估计和预测的主流方法之一。针对基于数据驱动的太阳辐射估计和预测研究,从其原理和关键技术方面进行比较论述,具体包括估计和预测模型的输入、主流数据驱动模型以及模型的精度提升方法,并针对当前太阳辐射估计和预测方法的研究现状及不足进行总结与展望,以更好地配合光伏发电技术领域内的研究和应用。

数据驱动的无线信道可用吞吐量估计与预测方法

无线局域网络技术正蓬勃发展,但随之而来的新问题严重影响了无线信道的通信质量。无线信道质量对指导路由器应对突发拥塞和选择合适信道具有重大意义。以信道可用吞吐量为指标设计了一套解决方案:首先,采用入侵式数据采集方法收集信道数据,使用人工神经网络训练并估计当前时刻的信道可用吞吐量;然后,采用非入侵式数据采集方法收集信道数据,使用改进的递归神经网络模型预测未来一段时间的信道可用吞吐量。在真实数据上的实验表明,该方案可以有效地对信道可用吞吐量进行估计与预测,对路由器的决策有着指导意义。

基于支持向量机的电力系统状态估计多类型数据异常检测

为了解决异常数据严重影响电力系统状态估计性能的问题,提出了一种基于支持向量机(SVM)的电力系统预测辅助状态估计(FASE)多类型数据异常检测方法。首先,针对传统FASE的预测准确率欠佳的问题,提出了基于极限学习机的FASE方法,并利用SVM并基于预测数据、量测数据与估计值,实现了对坏数据、负荷突变和单相接地等多种类型的数据异常检测。其次,针对惩罚因子和核函数参数会影响分类精度的问题,提出采用灰狼算法对SVM参数进行优化,在兼顾计算速度的同时提高了数据异常检测的准确率。最后,在IEEE 33和丹麦DTU 7K 47节点主动配电网系统上进行仿真测试,所提方法在正常工况下提升26.08%与26.76%,计算速度提升46.05%,在数据异常情况下准确率综合提升32.04%与29.27%,结果表明,所提方法具备较强的通用性与实时性,可以有效地检测电力系统中各种类型的数据异常,并提高状态估计的性能。

吉林省高危人群中艾滋病疫情估计和预测

目的:估计2009年吉林省艾滋病高危人群中艾滋病病毒感染者和艾滋病患者人数,并预测未来几年(2010-2015年)吉林省艾滋病疫情流行趋势,为艾滋病防治工作提供依据。方法:综合吉林省哨点监测、病例报告、专题调查以及文献报道等数据,利用工作簿法、疫情估计和预测软件包、亚洲疫情模型3种模型,对吉林省艾滋病疫情进行估计和预测。结果:截止2009年底,吉林省艾滋病相关高危人群中累积的艾滋病病毒感染者和艾滋病患者数为4 388人,HIV感染率为0.024%,且现存活的感染者中男男性行为者占50%以上。在未来几年(2010-2015年),吉林省艾滋病疫情呈上升趋势,其中男男性接触者人群中艾滋病疫情上升趋势较明显,注射吸毒人群中艾滋病疫情上升趋势趋缓,暗娼和嫖客人群中艾滋病疫情上升趋势较缓慢。结论:2009年吉林省艾滋病疫情仍然处于低流行水平,性传播为主要传播途径,男男性接触者和嫖客是未来艾滋病防治工作的重点人群。

应用EPP模型对北京市艾滋病疫情估计和预测分析

目的使用"估计和预测软件包"(estimation and projection package,EPP)模型对北京市艾滋病疫情进行估计并对未来5年的疫情进行预测。方法利用常规监测资料与文献资料中的数据,运用EPP模型对北京市艾滋病疫情进行估计与预测,并依据专家意见对结果进行调整。结果北京市艾滋病疫情整体呈现"S"形曲线,1997年前HIV感染率在低水平缓慢增加;1997年后的10余年间,HIV感染率增速加快,存活感染人数迅速增加;新发感染人数在2007年后变化不大,2011年后存活感染者数量增速有所减缓。北京市各类人群中HIV感染率最高的为注射吸毒者和男男性行为者,其他人群的HIV感染率均在0.5%以下。注射吸毒者中的新发HIV感染对北京市早期疫情的贡献最大,男男性行为者在2000年后新发感染数量迅速增长,2003年后超过注射吸毒者,成为新发感染数最大的人群。结论北京市艾滋病疫情在经历了1997～2007年快速发展的时期后进入了缓慢增长的阶段,未来北京市应将控制性途径传播HIV作为干预重点,特别是对男男性接触人群进行预防干预。

不可观察制度变量的最优估计与预测

良好的制度指标是规范研究转型经济的必要条件,然而制度的量化一直是个难题。制度指标本质上是不可直接观察的,但其经济后果则可以观察,据此,提出一种基于学理的估计和预测制度变量的新方法。首先将制度变量的演进视为一个随机过程,论证并建立了中国式改革中制度变量演进的马尔科夫假说;然后结合不可观察制度变量与可观察变量之间的线性联系,建立制度变量演进的状态空间模型;再利用卡曼滤波技术,得出制度变量的最优估计与预测方程。作为一个应用实例,论文最后结合我国TFP的变动对中国的总体经济转型指标进行了估计。

基于半参数模型的滑坡段数据估计与预测

在滑坡段数据的参数平差模型的基础上,通过在模型中增加表示模型误差或系统误差的非参数分量,将半参数模型的估计理论应用到滑坡段参数估计与预测中,分离出数据中的系统误差,给出了滑坡稳定系数的预测公式;并以云阳-奉节长江顺层岸滑坡段实测数据为例,将半参数估计方法与最小二乘方法进行了比较分析,验证了半参数估计方法应用到估计和预测滑坡段数据的可行性和有效性。

网络化最优优预预测状态估计

当网络诱导时延和数据包丢失确定可知时,提出了一种网络化最优预测状态估计器设计方法,能够补偿网络诱导时延和数据包丢失对估计性能的影响,理论分析表明了随着网络诱导时延或数据包丢失的增加,该估计器在获得明显补偿效果的同时预测估计偏差略微递增,并给出了估计系统的稳定性条件,最后通过仿真和实验验证了所提出方法的有效性和理论分析的正确性.

制浆蒸煮过程中基于预测误差估计器的软测量方法研究与应用

针对文献 [1]提出的软测量模型在工厂的实际应用中所存在的问题 ,提出了基于预测误差估计器的校正方法 ,实际应用表明 ,该方法是有效的 ,因而具有实用价值 .

基于卡尔曼预测估计器的输入加权预测控制算法

针对噪声环境下输入带有约束的系统,传统的方法要处理一个二次规划问题.本文提出用最小化无约束二次性能指标得到的输入控制量的加权和代替该时刻的输入作用于系统.用这种方法将不存在不可行问题,使得控制输入的振荡范围减小,能大大减小违反约束的机率.仿真结果证明了算法的有效性.

基于组块3×2交叉验证的预测误差估计的方差

本文对文献中新提出的预测误差的组块3×2交叉验证估计的方差进行了研究,给出了其方差的更为精细的表达式,且从理论上证明了不存在其方差的通用(对所有分布都适用的)无偏估计.

基于最优预测状态估计的网络化最优控制

针对网络化控制系统中存在的时变网络诱导时延和数据包丢失,提出基于最优预测状态估计的网络化线性二次型高斯(LQG)最优控制算法。对于存在网络诱导时延的情况,考虑反馈信号的网络诱导时延大于1个采样周期的情况,把网络化最优预测状态估计算法与传统最优控制算法结合,补偿网络诱导时延的影响。对于存在时变数据包丢失的情况,把时变数据包丢失的状态描述为1个二元赋值变量,假定当数据包丢失时目标节点保持上一时刻的值,给出相应的最优预测状态估计器和线性二次型(LQ)最优控制器的设计方法。研究结果表明:分离定理成立;网络化最优预测状态估计方法的缺点在于随着网络诱导时延增大或数据包丢失数目增加,其预测估计误差协方差阵略微增大,从而导致最优控制系统的代价略微增长。仿真和实验验证了算法的有效性和理论分析的正确性。

基于直接判决估计和预测估计的语音增强算法

对噪声环境下语音增强算法中的先验信噪比估计提出了一种新的估计算法。该算法结合了直接判决估计和预测估计方法,与传统的基于直接判决的先验信噪比估计算法相比较,当后验信噪比较大时,该算法减少了语音失真;当后验信噪比较小时,算法较明显地减少了音乐噪声。通过研究发现传统的直接判决方法就是该算法的一个特例,该算法可以通过一个权衡因子退化为传统的直接判决方法。实验结果也证实所提出的算法的优越性能。

用预测估计算法求解逆变器主回路直流电压

本文提出一种用Kalman滤波的方法对变频器主回路直流电压进行估计和预测 ,解决了无电压 电流闭环系统中当升频、降频时出现输出电压不稳的问题 ,使输出电压能严格按照调制度的改变而精确变化 ,提高了运行效率 ,节省了硬件开销。

一种累积量线性预测方位估计的快速算法

提出了一种基于四阶累积量的线性预测方位估计快速算法。通过对累积量线性预测基本方程进行变换 ,得到了基本方程系数矩阵的 Toeplitz结构 ,并用 Levinson- Durbin算法求解方程 ,减少了运算量。在线性预测方程中 ,使用了四阶累积量 ,有效地拟制了高斯噪声。计算机仿真结果表明了这种方法的有效性。

基于有效风速估计与预测的风电机组自适应最大风能跟踪控制（英文）

针对如何在有效风速未知情况下实现风电机组最大风能跟踪(MPPT)的问题,本文使用支持向量回归(SVR)和自适应控制原理,提出基于有效风速估计与预测的自适应MPPT控制方案.首先,使用机组的历史运行数据,训练得到基于SVR的风速估计与预测模型,为MPPT控制提供实时参考输入.其次,结合在线学习估计器(OLA)和减小转矩增益(DTG)控制原理,设计自适应MPPT控制器,该控制器能够较好应对系统未知动态特性和干扰,且能降低传动链载荷.最后,使用李雅普诺夫原理证明闭环系统所有信号都是有界的.仿真结果表明本文提出的方法能够获得良好的MPPT效果,进而提高机组产能.

单星观测下弹道导弹状态估计与预测误差分析

如何利用预警卫星提供的弹道导弹主动段状态信息,以及被动段的预测信息引导预警雷达及时捕获弹道导弹目标,是反导预警信息系统的一项重要功能。为此,需要准确获取目标的状态估计与预测误差。针对单星观测下基于标准模板的弹道导弹主动段状态估计算法,获得了关机点状态参数以及估计误差,为改善状态估计提供了依据。在此基础上建立了预测误差估计模型,为优化设定预警雷达搜索区域奠定了基础。

一种鲁棒预测辅助电力系统状态估计算法

状态实时监测与控制对于电网安全经济运行具有重要意义。提出一种鲁棒预测辅助电力系统状态估计算法,即广义最大似然-扩展卡尔曼滤波法(GM-EKF)。该算法以预测辅助状态估计为基础,由线性回归模型构建、异常值辨识、鲁棒预白化和鲁棒滤波等过程构成。在高斯噪声分布时,GM-EKF可以有效降低异常值对估计性能的不良影响。仿真实验在多种不同测试系统中进行,且每个测试都包括正常运行、多不良数据和负荷突变3种情况,实验结果验证了GM-EKF的可行性和鲁棒性。