多元指数加权电力负荷灰色优化组合预测

由于电力负荷具有增长性和波动性并且受到多个因素影响,使得电力负荷的变化呈现出复杂的多元性及非线性组合特性,对于这种具有复杂的多元性及非线性组合特性的序列,使用传统的模型进行预测,预测精度往往不理想。为了提高预测精度,作者为提出了多元指数加权电力负荷灰色优化组合预测模型。其中灰色优化组合预测模型用于进行非线性增长趋势的电力负荷预测,指数加权法能解决历史负荷的波动性问题。实际算例表明,所提出的方法由于综合考虑了电力负荷的多种特性,能有效地提高负荷预测精度。

控制批量零件加工过程偏差源的多元指数加权移动平均法

为了监控批量零件加工尺寸偏差的时域属性,在分析了单件零件加工尺寸偏差状态空间模型的基础上,给出了零件加工尺寸偏差与偏差源的空间关系,并提出了控制批量零件加工尺寸偏差源的多元指数加权移动平均(MEWMA)法.以批量零件加工过程偏差源为输入变量,通过仿真分析零件加工过程,比较了在偏差源阶跃型、奇异值型以及趋势型异常模式下面向偏差源的MEWMA法与面向偏差的休哈特法的统计控制.结果表明,所提出的MEWMA法具有有效性和可行性.

一种改进的多元指数加权移动平均控制图

对多元指数加权移动平均(Multivariate Exponentially Weighted Moving Average,MEWMA)控制图的优化方法进行了深入研究.在绘制控制图的第一阶段,利用基于相邻向量差的数据矩阵构建的协方差矩阵S2作为总体协方差矩阵Σ的估计量,建立了一种改进的MEWMA图.在均值向量发生阶跃偏移和单向持续偏移两种不同失控模式下,比较分析了传统的MEWMA图以及改进的MEWMA图的信号概率和平均运行链长.仿真结果表明,在平滑系数r和偏移系数λ较大时,该改进方法显著提高了MEWMA控制图的监控性能.

面向多模式多元未知分布的协方差过程监控

针对工业过程数据的多模式、高维性和非正态性等挑战,设计了一种考虑模式过渡约束的基于协方差检验的多模式在线监测方法。首先利用交叉验证的线性收缩估计方法对待监测数据的协方差矩阵进行估计,然后基于估计的协方差矩阵计算稀疏主特征值检验统计量,进而基于稀疏主特征值检验统计量设计具有滑动窗口的指数加权移动平均(EWMA)控制图——MSPEWMA控制图,结合模式过渡约束得到最终的检验统计量。通过Monte Carlo模拟研究了MSPEWMA控制图在不同条件(变量维度、漂移大小、可控样本大小、过渡约束参数和观测数据分布)下的性能,结果表明,与基于协方差检验的其他控制图相比,新提出的控制图在大漂移和非正态条件下具有更好的监测效果。最后利用风力发电机组真实SCADA数据证明了所提方法的有效性。

监控不合格品率的MEWMA-p控制图设计

传统Shewhart-p控制图只对单一属性的不合格品率进行监控,在过程发生偏移时有一定的滞后性。为提高不合格品率控制图的精度,提出一种多元指数加权移动平均不合格品率(multivariate exponentially weighted moving average p, MEWMA-p)控制图。该控制图将多个属性的不合格品率应用于多元指数加权移动平均控制图,可同时对多个属性进行监控,并且对于小范围的偏移更加敏感。对比分析同等偏移程度下指数加权移动平均不合格品率(exponentially weighted moving average p, EWMA-p)控制图与MEWMA-p控制图的平均运行长度(average run length,ARL)结果,并通过模拟仿真说明该方法的有效性。

基于模糊逻辑的MEWMA控制图的研究

传统的多元控制图,如Hotelling-X2和Hotelling-T2的目的是监测质量特征向量的变化,然而在语言变量描述质量特征情况下,传统的多元控制图是不能很好的实现质量控制目标的。针对在实际生产生活中由于语言描述质量特征带来的不确定问题,结合多元统计质量控制和模糊集理论,对多元指数加权移动平均控制图MEWMA的方法进行了改进,以实现对于语言变量描述质量特征的监控。通过算例表明,对基于模糊逻辑改进后的控制图和Hotelling-T2控制图的效果通过计算平均链长ARL准则进行性能评估。

基于改进核局部保持投影的故障检测方法研究

针对传统核局部保持投影方法存在不能全面地提取数据特征和故障检测率低的局限性,提出一种基于改进核局部保持投影(MKLPP)的故障检测方法。将核主元分析方法融入到核局部保持投影中,使得到的数据特征不仅包括原始数据的局部信息,而且包含数据的全局信息;引入特征向量缩放,使得低维数据变化波动更加稳定,提高故障检测率。针对MKLPP方法对微小故障不敏感的问题,将多元指数加权移动平均(MEWMA)运用到MKLPP中,提出一种MEWMA-MKLPP故障检测方法。对上述两种方法分别构造T^(2)和SPE统计量进行故障检测。采用TE过程数据进行仿真实验,实验结果表明所提方法可以取得较好的检测效果。

一种线性轮廓数据的在线监控方法

在线监控线性轮廓数据时,往往发生的漂移大小是未知的。常用的多元指数加权滑动平均控制图(MEWMA)的监控效果受到光滑参数的影响。参数大对大漂移较有效,参数小对小漂移较有效。为了解决这一问题,提出了一种自适应的MEWMA控制图,将光滑参数定义为监控时间的函数,对线性轮廓数据的在线监控方法展开了研究。该方法能针对漂移的大小,有效地选择合适的光滑参数,从而加快失控状态下的报警速度。通过蒙特卡洛模拟和案例分析对所提方法进行检验。与WLRT、MEWMA和KMW控制图进行比较,该控制图的监控性能更好。

基于L2范数实际重要性的MEWMA在线控制图

近年来,监控高维数据均值越来越受到重视。尽管传统的控制图具有广泛的适应性,但由于对微小的变化过分敏感,容易导致错误报警率的增加.因此提出了基于L 2范数和可容许度的MEWMA在线控制图,这种新的控制图能够解决标准假设检验带来的缺陷,以确保只检测到真正重要的变化.模拟研究表明,在给定的可控平均运行长度的情况下,可以得到带有可容许度的控制限,并验证了在不同漂移时的MEWMA控制图的有效性,该MEWMA控制图更适用于企业实际生产监控过程.

基于分位数回归方法的函数型数据在线控制图

利用函数型数据刻画产品的某些特性是目前统计质量控制研究中非常流行的方法。文章讨论了带有独立同分布随机项的一般线性函数型模型,基于分位数回归方法在线监控截距和斜率中位数。结合多元指数加权移动平均控制图,给出一种新的函数型数据在线监控控制图,通过模拟研究给出控制图的可控平均运行长度,并验证了在模型系数发生漂移的情况下控制图的有效性。