小干扰稳定性分析中按阻尼比递增的关键特征值子集计算

提出了大规模电力系统小干扰稳定性分析中计算机电振荡模态的一种有效方法。用Jacobi-Davidson方法求取系统状态矩阵按阻尼比递增的特征值子集,抓住了电力系统机电振荡分析问题的本质,避免了大量冗余特征值的计算,大大减少了计算量。另外提出了在Jacobi-Davidson方法中用Arnoldi分解构造初始正交子空间的方法,提高了该方法在迭代初期的计算效率。最后将提出的方法分别在46机和113机系统上进行了试验,结果表明利用所提方法能够有效地求出系统负阻尼和阻尼不足的所有振荡模态,适用于大规模电力系统的机电振荡分析。

基于JACOBI-DAVIDSON方法的小干扰稳定性分析中关键特征值计算

提出了一种大规模电力系统小干扰稳定性分析的有效方法。应用Jacobi-Davidson方法求取系统状态矩阵的关键特征子集。该方法在搜索子空间中挑选出想要的特征值和特征向量的近似值,然后用与当前近似特征向量正交的子空间上的修正方程的解扩展搜索子空间,从而得到想要的特征值和特征向量的更好近似。算法中使用了电力系统线性化模型中的增广状态矩阵进行相应面向稀疏的计算,可准确求解修正方程,以保证算法具有渐进二次收敛速度。将提出的方法在46机系统上进行了试验,结果表明该方法灵活,稳定性好,能有效地求出系统的关键特征子集。

心电信号身份识别中波形基准点特征研究

研究初始特征集合中各个特征对身份识别的贡献率,依据身份识别准确率,采用逐步判别分析法,确定识别系统中各个特征的贡献率和排序,挑选出可用于身份识别的关键特征子集。利用PTB心电数据库和实验室自采的心电数据进行实验,在2个数据集中分别选出9个和17个关键特征,结果表明,特征重合度达到66.7%,特征所依赖的波形基准点重合度达到63.6%,选取的心电波形初始特征集合包含了可区分个体差异的公共特征,2个数据集利用各自获得的关键特征子集进行身份识别测试时的准确率分别达到99.7%和94.8%。