考虑不同充电策略的锂电池健康状态区间估计

评估锂离子电池健康状态(SOH)对于电池使用、维护、管理和经济性评价都有十分重要的意义,但当前锂电池SOH估计方法多针对特定充电策略,采用确定性估计模型,无法反映电池退化过程中的随机性、模糊性等不确定性信息.为此,提出一种适用于不同充电策略的锂电池SOH区间估计方法.该方法针对不同充电策略的电池循环充放电数据提取多个特征参数,通过交叉验证自动选择针对特定充电策略的最优特征参数组合.另外,考虑到锂电池全生命期循环次数有限,属于小样本问题,提出集成支持向量回归与分位数回归优势的支持向量分位数回归模型(SVQR)进行锂电池SOH区间估计.选用放电程度较深的锂电池充放电循环数据作为训练集,对SVQR模型进行离线训练,训练好的模型用于不同充电策略下锂电池SOH在线估计.采用具有不同充电策略的数据集验证所提方法,实验结果表明:所提方法适用于不同充电策略,且估计结果优于分位数回归法、分位数回归神经网络法和高斯过程回归法.

基于经验似然方法对分位数相关系数的区间估计

分位数相关系数是一种度量两个随机变量之间线性相关关系的非对称相关系数,在统计,金融,化学等领域的特征选择问题中都扮演着重要的作用.同时,经验似然作为一种非参数方法,被广泛应用于各类模型的统计推断问题.对于任意两个随机变量,从分位数相关系数的定义出发,建立估计方程,引入代入经验似然方法(PEL)和其修正版本(APEL),分别得到渐近规则化的卡方分布和标准卡方分布,从而得到分位数相关系数的区间估计.数值模拟部分从覆盖概率,置信区间长度和基于区间得分的平均损失三方面比较了两种基于经验似然的方法同其他已有方法的效果.实证分析部分将提出的方法应用于一项来自福布斯排行榜的数据集.

多源量测环境下计及时延融合的配电网区间状态估计

配电网运行的不确定性和量测误差的未知但有界性使得精准感知系统状态难以实现。为此,文中考虑多源量测环境提出了一种计及时延融合的配电网区间状态估计方法。首先,扩展微型同步相量测量装置的量测范围,增加高精度量测冗余,提出多源量测数据融合策略实现量测数据在采样时刻上的同步。其次,基于区间数建立计及量测不确定性的区间状态估计模型,并线性化区间量测函数以降低模型复杂度。然后,提出结合区间约束传播的改进Krawczyk-Moore(KM)算法求解区间状态估计模型,采用改进的KM算子设定合理的初始解区间,引入区间约束传播缓解KM算法区间过度扩张的问题。基于IEEE 33节点和IEEE 118节点配电系统的仿真结果表明,所提方法在保证区间完备性的同时有效降低了估计区间的保守性。

点估计与区间估计:算法预测呈现方式对人机共融决策效果的影响

决策者对算法的态度及采纳程度是实现人机共融决策扩展中的关键议题。但目前关于算法预测的不同呈现方式的影响尚缺乏深入探究。本文以两个典型的人机共融决策场景为研究情境,设计了三个层层递进的在线随机对照实验,探究智能算法预测结果以点估计及带有不同置信度的区间估计等形式呈现对人类决策者采纳程度的影响及背后的原因。研究发现人类决策者对以不同形式呈现的同一算法预测的采纳存在行为偏误。研究提出并验证了可解释这一行为偏误的一种认知捷径,据此设计了一种可消弭该偏误的算法预测结果展示方式,通过实验验证其效果并分析决策者间的异质性。本研究结论具有清晰的因果识别及可操作性,对人机共融决策相关理论及实践具有一定的贡献。

计及SOP损耗的交直流配电网三相区间状态估计

随着分布式电源及智能软开关(SOP)等新型设备投入配电网运行,需要对交直流配电网进行精确的状态估计。首先构建了交直流配电网的区间状态估计模型,考虑三相不对称性与交直流之间的耦合;其次,为计及SOP的损耗,增设SOP两侧支路电流作为状态变量,完善了区间状态估计中的雅克比矩阵;最后采用基于迭代运算的线性规划方法进行区间状态估计。在修改IEEE33节点算例上进行仿真,结果表明所提方法能保证计及SOP损耗的状态估计结果的准确性。

t分布误差下非参数回归模型的区间估计

为了探索非正态分布误差下非参数回归模型的区间估计问题,本文考虑了模型误差独立且服从t分布的情形。利用小波方法和t分布的性质,构建响应变量的近似置信区间。考虑到在应用中误差分布未知,利用Bootstrap采样得到原始信号数据的区间估计。模拟算例表明:在区间覆盖率、区间平均带宽和覆盖宽度准则意义下,与基于重构信号的区间估计相比较,基于近似信号的区间估计是一种较为理想的方法。

基于椭球束的多智能体系统执行器故障区间估计

本文针对一类具有未知但有界不确定性的多智能系统,提出了一种基于椭球束的鲁棒故障区间估计方法。首先,将执行器故障向量视为辅助的状态向量,构建出一个新的增广系统。其次,基于图论理论,将多智能体系统整理成全局描述方式,针对该全局系统,利用全局相对输出估计误差,设计一种未知输入观测器,并生成估计误差动态系统。考虑估计误差动态系统受未知但有界的不确定性影响,基于椭球束生成估计误差每个时刻受干扰影响的上下界,再结合观测器对增广状态的点估计结果,生成状态与故障的估计区间。最后,基于多个飞机编队模型对本文所提方法进行了仿真验证。

Sylvester-Kac矩阵的奇异值所在区间估计

利用n+1阶置换矩阵,将Sylvester-Kac矩阵化为一个主对角线上2个零块,斜对角线上2个非零块的四分块矩阵,再利用矩阵A的奇异值分解问题等价于矩阵AA^(*)的特征值分解问题的关系,以及矩阵的Gerschgorin圆盘定理、Hermite矩阵、半正定矩阵的性质,获得了这个三对角矩阵的m个奇异值的区间估计,还获得了这个矩阵的谱半径的区间估计.

最短区间估计下的电磁罗经精度评定方法

针对现有船用电磁罗经等导航装备精度评定需要多次长航时样本而实际试验耗时长难以组织的实际问题,提出了一种基于t分布、χ2分布最短区间估计的精度评定方法。通过改进χ2分布分位点的选取,求出自由度为n、置信度为1-α的最短方差区间,通过均值、方差的置信区间求出最短RMS的置信区间来评定总体误差。方法可以根据不同数量的航行试验样本实现导航系统参数的RMS精度的评估性能。实例分析结果表明,该评定方法实现了基于不同样本评定船用电磁罗经精度性能,比现有评定方法结果更加准确合理,在满足置信度的情况下,也可以适当放宽对航次的要求。

高比例新能源下的交直流配电网预测辅助区间状态估计

分布式电源(DG)出力的随机性和波动性、量测误差分布的不确定性给交直流配电网准确的态势感知带来了挑战。文中在利用区间形式描述DG出力和量测值的基础上,建立了交直流主动配电网的三相区间状态估计模型,旨在获得多重不确定性因素影响下系统状态所处的整个区间。为了获得准确的初始状态区间,利用历史状态预测当前时刻的状态区间,并基于非线性优化模型进行区间修正以确保预测区间的合理性。然后,利用基于中值定理的非线性等式放缩方法将非线性区间状态估计模型转化为线性优化模型,保证估计区间的完备性。最后,通过仿真算例验证了所提方法的有效性。

基于深度生成模型的聚合查询区间估计方法

目前大多数近似查询方法都是用一个估计值来回答查询,这种点估计的方法虽然简单但是会存在误差。区间估计方法需要在大量样本上完成计算,会造成较高的查询时延,导致在实际中难以广泛应用。以模型驱动的近似查询技术虽在效率上有一定优势,但其查询结果缺乏可靠性保障。为此,提出一种融合数据抽样和机器学习算法的近似查询方法,通过深度生成模型提高查询效率,用区间估计代替点估计来回答查询,即通过多个样本的查询结果来生成一个相对可靠的区间结果。首先利用改进的生成对抗网络模型学习数据分布,在不访问数据集的情况下快速生成多个样本,然后利用大规模并行处理架构来分配计算任务,完成样本生成和查询执行的过程,最后将查询结果返回给用户。实验结果表明,该方法得出的聚合查询区间估计结果的归一化置信区间覆盖率(NCIC)达到85%以上,在聚合函数为COUNT且选择性低于0.03的查询实验中,针对ROAD、PM2.5这2个数据集,该方法的NCIC较随机抽样方法分别提高了13.9%和14.8%,虽然其查询时延相较基准方法有所增加,但是也可满足常规应用要求。

正态总体均值的枢轴量及区间估计的教学

枢轴量及区间估计是数理统计教学中的难点.基于枢轴量选择不唯一的特点,探讨枢轴量选择的步进式教学方法,由浅入深讨论了单个样本构造枢轴量、两样本构造枢轴量、样本均值构造枢轴量、样本中位数构造枢轴量等方法,分析不同枢轴量对应区间估计结果,对比了精度的差异性,辅以数值模拟和可视化方法,使学生对枢轴量和区间估计的思想有更深入的理解.

基于区间估计与深度强化学习的有源配电网多智能体电压滚动控制

光伏高渗透下的配电网电压滚动控制是时序非线性随机优化问题,传统物理建模方法难以满足时效性。为此,提出一种基于区间状态估计的多智能体强化学习有源配电网电压滚动控制方法。首先,考虑光伏与负荷预测不确定性,提出节点电压随机分布的区间状态深度学习方法,并基于电压数值空间特征构建实时安全约束,避免随机采样引入的高维约束集;进而,在电压估计的置信区间满足安全约束条件下以光伏消纳最大为目标,构建不同分区下以变压器、电容和光伏逆变器为控制对象的多智能体边缘协同滚动控制策略。算例验证表明,相比于传统模型的优化控制方法,所提方法能有效减少变压器和电容动作、降低电压越限风险,且决策效率满足时效性。

采用区间型非同步监测数据的鲁棒动态谐波状态估计

当前的谐波状态估计大多采用同步相量测量数据,但数据获取成本大,难以满足谐波状态估计的可观要求。相比较而言,电能质量监测装置成本更小、利于大范围布设,更容易满足谐波状态估计的可观要求,但谐波状态估计精度较低。因此,该文基于非同步谐波监测数据,提出鲁棒动态谐波状态估计方法。首先,构建考虑谐波状态不确定性的动态谐波状态估计模型,并通过相角同步化手段处理非同步的谐波监测数据,以获取模型求解的启动值;其次,提出结合区间泰勒展开和上界优化方法的扩展区间卡尔曼滤波算法,对动态谐波状态估计模型进行求解,降低所得区间谐波状态估计量的保守性;同时,采用基于鲁棒因子的增益矩阵自适应调整方法,剔除坏数据对状态估计准确性的影响;最后,在IEEE57节点系统算例验证该文方法的可行性与有效性。

采用区间动态状态估计的局部不可观系统谐波源定位

传统动态谐波状态估计方法无法有效应对线路参数不确定或局部不可观系统问题,因此用于谐波源定位仍存在较大的局限性。针对上述不足,该文提出基于区间动态状态估计的局部不可观系统谐波源定位方法。首先,利用多端口等效将局部不可观系统转化为等效可观系统,在考虑线路参数不确定性前提下,采用基于误差最优上界的区间卡尔曼滤波算法进行区间动态谐波状态估计;其次,筛选出高度线性相关的状态量,并采用区间中点线性回归辨识回归系数,将其与不可观区域中的节点进行匹配,将匹配度最高的节点视为不可观区域中谐波源所在位置;最后通过算例验证所提方法的可行性与准确性。

基于假设检验的区间估计必要样本容量确定

文章比较了假设检验必要样本容量和区间估计必要样本容量的确定方法,认为二者具有相同的数理统计原理,可以将区间估计作为假设检验的一种特例来看待。在区间估计中存在忽视纳伪错误的弊端,可通过增加必要样本容量的方法,同时控制犯弃真错误和纳伪错误的概率,进而提高置信区间的精度。

基于WPD-ARIMA-GARCH组合模型的酱卤肉制品安全风险区间预测

针对传统确定性预测不能提供不确定性信息的难题,本研究提出了一种点估计和区间估计组合预测模型,并将其创新性地应用在食品安全风险预警领域。在点估计部分,使用小波包分解(wavelet packet decomposition,WPD)对周风险等级序列分解后,应用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型进行预测;在区间估计部分,使用广义自回归条件异方差(generalized autoregressive conditional heteroskedast,GARCH)模型对残差进行预测。本实验将建立的WPD-ARIMA-GARCH组合模型运用于某地区酱卤肉制品的风险预测,结果表明2019年的3月底和7月底该地区的酱卤肉制品安全风险较高,与实际情况相符;同时,该模型在10个不同地区的酱卤肉制品风险预测中,均方误差、平均绝对误差和平均绝对百分比误差分别为1.626、0.806和20.824;其90%置信区间的预测区间平均宽度和覆盖宽度标准值均为0.024,可以覆盖所有真实值。该模型具有较高的预测精度和较低的误差,能对酱卤肉制品质量安全起到风险防控作用,可为日常食品安全监管提供相应的技术支持。

基于修正枢轴量方法的威布尔分布区间估计

针对威布尔分布传统区间估计方法计算复杂且不同参数下适用性不强的问题,提出一种多参数适用的简单区间估计方法。基于威布尔分布表达式得到卡方分布枢轴量,并对其自由度进行修正;然后结合最大似然法的点估计值以及形状参数的经验估计结果,确定威布尔分布双参数的区间估计方法;同时通过蒙特卡罗仿真对区间估计置信度进行验证,分析不同参数下估计方法的适用性,并与传统的最小二乘法和极大似然区间估计结果进行对比。结果表明,提出的修正枢轴量方法计算简单,在不同参数下的计算置信度与名义置信度差距较小,且较传统方法更加有效。

航段截尾油耗数据的区间估计方法

对航段截尾油耗数据进行区间估计时,数据分布的稀疏性及非正态性会导致传统基于单因素的油耗估计区间难以建立。针对上述问题,提出基于分类和沙普利加性解释(classification and Shapley additive explanations,C-SHAP)的改进分位数回归森林区间估计(quantile regression forest,QRF)方法。通过C-SHAP方法,筛选全航程和各飞行阶段特征得到最优输入特征集;采用随机过采样算法增加训练集中截尾油耗样本的权值,提高QRF模型的估计性能;通过QRF估计给定上、下限油耗条件分位数,构建估计区间。实验结果表明,该方法的特征选择合理、估计区间质量较高。

基于区间估计的城市轨道交通客流波动性分析

准确掌握城市轨道交通客流变化规律有助于提升城市轨道交通精细化管理水平。针对城市轨道交通客流在时间上的分布特征,提出基于四分位法和基于ARIMA-GARCH模型的2种客流区间估计模型,利用估计得到的客流区间量化表示客流变化的波动性,并提出客流区间覆盖率、客流区间绝对宽度和客流区间相对宽度3个评价指标。依据来自于苏州地铁AFC系统的客流数据,分析对比所提出的2种客流区间估计模型,并定量分析工作日和周末的客流波动性特征。研究结果表明:从整体上看工作日的客流变化波动性明显小于周末客流波动性,从1天内客流变化情况来看,在早高峰之前及晚高峰之后的客流变化波动性较大,而早晚高峰之间时段的客流波动性相对较小。