基于动态模式分解的时间序列的因果关系分析

本文基于动态模式分解(DMD)分析四种气候时间序列(地表温度,海面温度,太阳黑子和碳排放)的模式之间的因果关系。通过延迟坐标的形式把每条单变量时间序列嵌入至多维,DMD捕捉了气候时间序列中不同的演化特征,对这些特征进行不同数量的截断,提取出不同快慢层面的模式。转移熵(TE)得出了模式之间的因果关系,我们观察到因果关系在各种模式间的分布。总体上看,由最大特征值提取的主导模式具有较大周期或长期趋势,它作为很强的驱动因素,与自身内部的快模式,以及其他气候对象的模式之间有着很强的关联。太阳黑子的长期趋势对海面温度的各种周期和长期趋势有很大贡献,影响程度大于地表温度。碳排放主要影响气温极慢的模式即超长期趋势,气温反过来对碳排放的影响偏弱。四个气候对象构建的因果框架显示,因果信息的传递基本平衡,海面温度比地表温度吸收了更多的信息。这些方法的联合使用可以成为从复杂系统中提取各种模式,分析内蕴性质和探索因果关系的灵活工具。

基于动态模式分解的精馏吸收状态变量非设计条件下的重构与预测

精馏和吸收作为典型的非线性过程,其操作过程中存在大量描述系统特征的状态变量。为了对这些状态变量进行重构和预测,实现精馏吸收过程的实时数字孪生,通过动态模式分解算法(DMD)获取非线性系统的近似线性化模型,用于快速获取精馏吸收过程中各级浓度、流量、温度和持料量等状态变量。在此基础上,应用Kalman滤波器对DMD生成的线性模型进行实时校正,使得在非设计和有限测量条件下,也可以有效地预测吸收或精馏的状态变量,而无须重新训练模型。

基于向量自回归和动态模式分解的城市轨道交通短时OD预测

针对城市轨道交通OD客流量短时预测问题,提出基于向量自回归(Vector Auto Regression,VAR)和动态模式分解(Dynamic Mode Decomposition,DMD)的VAR-DMD组合预测模型.首先,以北京市范围内的地铁站点为例,基于自动售检票系统数据(Auto Fare Collection,AFC),对地铁OD客流进行时空特征分析;其次,构建高阶加权向量自回归模型捕获OD客流数据的时空关联性,利用动态模式分解算法估算模型的参数,提取OD客流数据动态特征,实现数据的降维和降噪,利用实时更新算法更新模型的参数,实现长期连续预测;最后,以北京地铁AFC数据为算例,对模型进行验证.研究结果表明:相较于基准模型,VAR-DMD模型的运行时间减少96.67%,预测误差减少2.6%,具有较高的预测速度和预测精度,为城市轨道交通运营管理部门提供了可靠又及时的决策依据.

基于动态模式分解的新能源场站频率特性估计

为检验新能源场站参与电网调频控制的实际效果,提出一种基于动态模式分解的新能源场站虚拟惯量与有功-频率下垂系数估计方法。首先,分析了新能源机组有功-频率表达式的重构原理,揭示了场站虚拟惯量和有功-频率下垂系数同系统状态特征之间的解析关系;在此基础上,构建了基于动态模式分解算法的新能源场站频率特性估计模型,利用提取出的系统特征重构了场站的有功出力和频率变化,将非线性微分方程转变为线性方程组进行求解,简化了场站虚拟惯量和有功-频率下垂系数的估计难度。最后,在PSCAD/EMTDC中搭建新能源场站接入IEEE 9节点系统和IEEE 68节点系统,验证了所提方法的有效性和准确性。

4种退耕模式细根(草根)分解及N动态

采用原状土芯法对光皮桦与扁穗牛鞭草复合模式(HN)、光皮桦人工林(H)、扁穗牛鞭草(NC)、柳杉人工林(LS)4种退耕模式细根(草根)分解、影响分解的质量指标及N动态进行研究。结果表明:各模式细根(草根)分解速率符合Olson单指数分解模型,年分解常数(k)分别为1.06,0.93,1.32,0.86,分解1年后干质量损失率分别为65.49%,60.55%,73.32%,57.51%。在1年研究期内,各模式细根(草根)分解过程中的C/N与细根分解速率呈极显著负相关(P≤0.01),与N含量无关,其中光皮桦细根分解速率还与C含量有关。分解90天后,各模式细根(草根)木质素含量与分解速率关系分别为,H,LS呈显著负相关(P≤0.05),HN呈较弱负相关(P=0.087),NC不相关(P=0.279)。分解1年后N初始含量最高的HN具有最高的N释放率,N初始含量最低的LS具最低的N释放速率,4种模式N释放速率大小顺序为HN(70.12%)>H(56.49%)>NC(46.67%)>LS(21.76%),N初始含量高是导致此现象的原因。

采用动态模式分解分形特征的局部放电模式识别

为了解决传统局部放电模式识别方法计算量大、识别速度低的问题,本文采用构造二维谱图的方法进行局部放电模式识别。首先,利用动态模式分解算法构造局部放电的二维谱图,以少于构造传统三维谱图的计算量获取局部放电缺陷信号的二维表征。然后,针对不同缺陷信号的二维谱图提取两种分形特征(分形维数和间隙度),且构造了不同缺陷信号下二维谱图的分形特征数据集。最后,对该数据集进行X均值聚类。结果表明,X均值聚类结果优于传统K均值聚类和模糊C均值聚类算法,并且相比于反向传播神经网络和支持向量机算法,本文所提模式识别方法对3种局部放电缺陷信号综合识别率高,算法运算时间短。

基于动态模式分解的发电机惯量及阻尼系数评估方法

准确评估并网发电机惯量和阻尼系数可为系统及发电机自身安全稳定运行提供可靠的基础,为此该文提出一种基于动态模式分解(dynamic mode decomposition,DMD)的发电机惯量及阻尼系数评估方法。用DMD提取到的特征值及其对应特征向量对发电机功率和转速变化量进行时域重构,在此基础上,构建关于机电参数(惯量和阻尼系数)和系统特征(特征值和特征向量)的线性方程,进而通过线性方程求解实现发电机惯量和阻尼系数的评估。通过IEEE4机2区系统和IEEE10机39节点系统对所提方法进行仿真验证,结果表明,所提方法适用于多机系统中发电机惯量和阻尼系数评估,且精度较高。

基于动态模态分解的输电杆塔松动检测

为了识别输电杆塔的松动状态,提出分段高阶动态模态分解(segment high-order dynamic mode decomposition,SHDMD)的检测方法。为减小振动耦合对检测的影响,利用三轴加速度和三轴角速度构造时间-空间矩阵,从中提取准确的方向振型作为松动特征,将时间-空间矩阵在时间维度上划分为若干子矩阵,对每个子矩阵进行空间维度扩展,避免DMD分解时得到错误结果,对扩展后的子矩阵进行DMD分解,得到不同时段的振动模态,利用稳定图筛选出不同时段共有的模态作为真实模态,提取与模态一一对应的方向振型。建立灰色关联检测模型,通过计算方向振型的几何特征关联度,识别当前松动状态。模拟杆塔试验与真实杆塔试验结果证明,所提方法能够很好地实现输电杆塔松动位置与松动程度的识别。

区域性制造企业动态联盟任务分解模式研究

建立了区域性制造企业动态联盟(RMEDA)的任务分解模式———制造协同链(MCC)的数学模型,并分析MCC模型串行和并行工作流的特点;进而建立了RMEDA建盟过程的数学模型。剖析了RMEDA建盟的3种模式,并运用图论和集合论的知识对该模型中的若干属性和特征给出严格的数学定义,从而为动态联盟建盟过程的数学定量描述打下基础。

基于随机数据驱动SDMD的电力系统区域惯量评估方法

准确评估系统惯量对于支持未来低惯量电力系统的系统安全运行至关重要。文中提出了一种随机数据驱动下基于机电响应特征的系统惯量评估方法,从随机响应信号中实现了区域有效惯量的评估。首先,通过将随机Koopman理论与随机动态系统相结合,推导出了随机Koopman空间上机电特征与系统惯量的耦合关系。然后,利用子空间动态模式分解(SDMD),以数据驱动的方式提取系统机电响应特征。该算法通过正交投影和奇异值分解,在压缩数据的同时实现了系统状态矩阵的低秩近似,可以有效减弱观测噪声对计算结果的影响。最后,采用IEEE 4机2区系统和IEEE 10机39节点系统的数值模拟算例验证了所提算法的有效性和鲁棒性。

动态模式分解及其在轴承早期故障诊断中的应用

滚动轴承是装备制造业中关键基础零部件,其在服役过程中的工作状态直接决定着主机产品的性能、质量和可靠性,有效的轴承早期故障监督检测技术是实现设备预防维修的重要保证。提出将动态模式分解(DMD)算法改进后应用于轴承早期故障信号的特征提取中,传感器采集得到的原始时间序列通过投影降噪后进行动态模式分解,采用软阈值法自适应地根据原始信号噪声水平得到若干单频模式,对这些模式分量进行多尺度排列熵值计算,通过阈值法筛选出原始动力学系统中的低秩成分,对其进行恢复重构后提取早期故障特征频率。在仿真信号和实测信号的试验研究中验证了提出方法的有效性。

基于动态模式分解的三端多段式架空线-电缆混合输电线路故障定位新方法

针对三端多段式架空线-电缆混合输电线路故障定位问题,提出一种基于动态模式分解算法的故障定位新方法。首先,将能够改善模态混叠的动态模式分解算法和反映瞬时能量变化的Teager能量算子相结合用于故障行波波头准确检测;将三端多段式混合线路简化为“三端线路”,给出一种基于故障初始行波到达各端测点及T节点时间差的故障分支判定条件,并根据其判定出故障支路。然后,计算故障初始行波到达该支路端点和T节点的时间差,并与故障行波由该支路各架空线和电缆的连接点传播到端点和T节点的时间差进行比较,确定故障所在的架空线路段或电缆段。最后,利用双端行波法计算故障距离。仿真结果表明,所提基于动态模式分解算法的故障定位方法可准确判断三端多段式架空线-电缆混合线路的故障支路并定位出故障位置。

基于压缩动态模式分解的滚动轴承健康监测指标构建

目前轴承健康监测指标主要通过统计模型和机器学习等方法建立,其过程比较繁琐且需要人工干预。动态模式分解(DMD)在振动信号分析中已得到有效应用,但DMD在高采样频率下计算耗时严重且占用的计算空间较大。本文结合压缩感知算法和DMD,提出了基于压缩动态模式分解(CDMD)的滚动轴承健康指标构建方法。首先利用一个低维随机观测矩阵生成压缩的Hankel矩阵,以提高轴承振动信号的奇异值分解速度;然后以模式分解得到的特征值为基础,计算出特征值实部的峭度和模式幅值的均方根值(RMS),从而构成更加简单而有效的轴承健康指标。通过仿真信号和实验信号对本文方法进行验证,结果表明,CDMD可以代替DMD实现信号的加速分解并获得精确的特征值,所构建的指标能有效区分轴承生命周期中的不同运行阶段。

基于CYCBD和参数自适应DMD的滚动轴承微弱故障诊断

在旋转机械故障诊断中,传感器采集到的滚动轴承振动信号容易受到多个激励源的耦合影响,特别是微弱故障特征往往淹没在背景噪声中,给故障诊断带来挑战。为了抑制无关激励源并增强故障特征,本文提出一种基于最大二阶循环平稳盲解卷积(CYCBD)和参数自适应动态模式分解(DMD)的滚动轴承微弱故障诊断方法。首先根据包络谐波乘积谱(EHPS)估计CYCBD算法的关键参数循环频率α,将原始信号经CYCBD处理使故障特征得到增强;然后将CYCBD处理后的信号通过参数自适应DMD进一步消除残余噪声,其中DMD的最优截断秩参数r通过遗传算法自适应确定;最后通过包络谱分析来提取故障特征频率及倍频。仿真和试验结果证明了本方法的有效性。

基于动态模式分解的电力系统主导振荡模式及参数识别方法研究

本文以广域同步量测数据为基础,提出了一种基于动态模式分解的电力系统机电振荡模态参数提取与分析方法。动态模式分解算法是一种数据驱动的模态分析手段,可以准确捕捉电力系统机电振荡模态信息,并建立相应的动力学降阶模型,能够实现数据驱动下的机电振荡模态、振荡频率及阻尼比的识别。同时,本方法能够准确获取各机电振荡模式的能量幅值,并以模式能量为依据提取主导振荡模式及相应的动态趋势(频率和阻尼比)和空间关系(振型)信息。文中利用IEEE 16机68节点系统进行数值仿真计算与分析,结果证明了所提出方法的有效性。

营养元素在红三叶叶片分解过程中的释放动态

在我国北亚热带高海拔地区应用分解网袋法,研究了红三叶叶片凋落物在分解过程中营养元素的释放特征。结果表明,在分解过程中,各类营养元素的含量和残留率的动态特征均有明显不同。根据这些特征,将其释放模式分为4类,即物理因子主导型、生物因子主导型、生物和物理双重因子主导型和化学因子主导型。

基于多特征的PSO-MSVM动态过程质量异常模式识别

为了提高动态过程质量异常模式识别效率,将动态过程质量模式的均值特征与小波包分解特征作为分类特征,并构建两层多支持向量机识别模型进行分类。利用均值特征,在第一层MSVM中把动态过程变化趋势划分为正常与周期、上升与向上阶跃、下降与向下阶跃三大类别;采用小波包分解特征,在第二层MSVM中对这三大类别进行再分类。仿真结果表明提出的识别模型的识别精度相比采用单一特征的识别模型有明显提高。

基于结构分解的动态图增量匹配算法

在大数据时代,图数据的规模急剧增长,增量图模式匹配技术能够在数据图发生变化时避免重新对整个数据图进行匹配,进而减少匹配时间,提高整体执行效率,因此成为研究热点。然而,现有的增量匹配算法处理规模较大的模式图时效率会降低。针对该问题,提出了一种基于结构分解的增量图模式匹配算法Inc_CFLS。在匹配过程中,为中间匹配结果构建高效索引,用于后续的模式匹配计算。基于构建的索引信息对数据图增加边事件进行分类,进而为每类增加边事件设计查询剪枝优化策略,从而有效提高匹配效率。在真实数据集上进行实验,结果表明Inc_CFLS算法比目前最好的增量匹配算法在执行效率上平均提升了1~2倍,能更有效支持大规模动态图上的模式匹配。

利用改进经验模式分解和相关分析综合方法的区间振荡同调性追踪研究

为了丰富区间振荡动态特性中同调性指标的获取手段,提出了一种基于改进经验模式分解(R-EMD)技术和相关分析(CA)方法相结合的追踪机电振荡同调性的综合方法。它首先利用R-EMD技术从广域测量系统(WAMS)采集的联络线有功功率、母线电压相角等信号中提取各主导区间模式的分量信号,然后对各通道信号进行时域相关性分析,借助互相关系数确定主导区间模式下机群或机组的同调性。该方法较Prony等参数化方法具有对非平稳非线性信号适应性强,对噪声敏感性弱的特点;较标准经验模式分解技术(EMD)和希尔伯特黄变换(HHT)方法具有频率分辨率更高,避免前者应用于低频振荡分析时可能出现的频率混叠问题;较谱相关分析法反映相位关系直观性更好。案例分析在一个新英格兰39节点系统和一个澳大利亚东南部简化系统中展开,借助PSS/E仿真工具自定义了一个随机时变负荷模型以模拟系统运行环境,结果验证表明了该方法的有效性。

多Agent支持的一种动态协作模式研究

现在的各种协同工作系统在实际应用中往往灵活性不足。这里提出一种多Agent支持的动态协同工作模型,通过从协同Agent管理的用户Agent中选择一些作为任务Agent,与协同Agent一起参与任务的执行。重点分析了用来执行任务的任务Agent的选择算法。该模型的目的在于引入动态性机制,提高系统的内部性能和外部响应能力,从而使得系统能够满足实际需要。