一种用于序贯蒙特卡罗仿真的风电机组多状态可靠性模型

针对传统风电机组可靠性模型不适合序贯蒙特卡罗仿真的不足,利用基于马尔可夫链的解析方法建立了风电机组的多状态可靠性模型。通过对整个风电场的风况和风机的历史运行数据的统计,得出风机有功输出状态之间的转移率,利用基于马尔可夫链的解析方法求出每个风机状态出现的概率和该状态的平均持续时间。在此基础上,提出了用于序贯蒙特卡罗仿真的双重抽样方法。在Matlab中编制了风电机组多状态可靠性模型的仿真程序,并与常用的基于单重抽样方法的两状态模型进行比较分析。仿真结果表明了所建多状态可靠性模型和所提双重抽样方法的有效性,该模型能反映故障情况下任意持续时间的风机出力,从而提高了模型的准确性和应用范围。

基于序贯蒙特卡罗仿真的配电网可靠性评估模型

提出了考虑线路容量约束和潮流分布的基于序贯蒙特卡罗仿真和时变负荷模型的评估配电网可靠性的模型。模型中切负荷策略综合考虑了停电损失费用、停电电量、网损和停电时间,因而该模型在模拟配电网的故障和负荷点停电情况方面更加符合实际运行情况,并可以评估不同调度策略下的可靠性风险指标和可靠性效益指标的影响。经采用IEEERBTS配电系统测试,结果表明该模型是合理的、有效的。

可用输电能力评估的序贯蒙特卡罗仿真法

电力市场环境下,频繁的电能交易使系统运行的不确定性急剧增加。为保证系统的安全、可靠和经济运行,必须合理考虑不确定性因素的影响后,再对电网输电能力进行评估。该文提出了一种基于序贯蒙特卡罗仿真的可用输电能力(available transfer capability,ATC)计算方法,能综合考虑动态时变性和不确定性的影响,根据元件的运行特性及状态转移特性按时间顺序来仿真系统状态,并定义一系列的概率指标进行ATC评估。采用Matlab6.5编写相关的计算程序,通过IEEE39节点系统的算例分析,证明在ATC计算中,考虑不确定性和时变性因素的必要性。计算结果表明,该文提出的方法新颖实用,具有一定的工程应用价值。

基于序贯蒙特卡罗方法的风电场有功出力可靠性评估

考虑运行、停运和降额状态,建立风电机组的多状态故障模型;在此基础上,考虑风速的随机性、风电场尾流效应和风机本身的故障建立风电场的可靠性模型。基于序贯蒙特卡罗方法给出风电场有功出力可靠性评估的方法和流程。在Matlab中编写相关程序,并对风电场的有功出力进行可靠性评估,通过分析不同可靠性参数对评估结果的影响,验证所建可靠性模型和评估方法的有效性和适应性。

基于序贯蒙特卡罗概率假设密度滤波的多目标检测前跟踪改进算法

实现目标数目未知且可变条件下的多目标检测与跟踪是个极具挑战性的问题,在信噪比较低的情况下更是如此。针对这一问题,该文提出一种基于点扩散模型的多目标检测前跟踪改进算法。该算法在序贯蒙特卡罗概率假设密度(SMC-PHD)滤波框架下实现,通过自适应粒子产生机制完成新生目标在像平面中的初始定位,并根据目标在图像中可能出现的位置对全体粒子集进行有效子集分割和快速权值估算,最后利用动态聚类方法完成多目标状态的准确提取。仿真结果表明,该方法有效改善了多目标检测前跟踪的估计性能,并大大提高了算法执行效率。

基于序贯蒙特卡罗仿真的发输电系统充裕度评估算法

可靠性评估可为电力系统的规划及运行提供决策依据,使供电能够经济连续并保证电能质量。通过对充裕度算法和蒙特卡罗仿真研究,建立了基于序贯蒙特卡罗模拟法的发输电系统充裕度评估模型。同时建立了主要元件故障模型,并且应用深度优先搜索算法进行网络拓扑分析,考虑了由于潮流计算方法局限性导致潮流不收敛或线路潮流过大情况的处理,通过编制相应程序以IEEE-RBTS和IEEE-RTS79为例计算了可靠性指标,验证了该算法和模型的正确性及可行性,为电网的规划设计及其安全运行提供了有价值的参考依据。

基于序贯蒙特卡罗和well-being模型的风/柴/储能发电系统可靠性分析

介绍了序贯蒙特卡罗模拟法和well-being模型两种可靠性评估方法。通过研究储能容量和峰值负荷对系统的可靠性的影响,对两种可靠性评估方法进行比较分析。研究结果表明,采用well-being模型对系统进行可靠性评估较蒙特卡罗模拟法对系统的各个运行状态更加全面。

基于序贯蒙特卡罗的多线索目标跟踪算法

颜色直方图对噪声和部分遮挡不敏感,当背景颜色与目标颜色相近时,会影响跟踪效果。本文提出一种有效的基于多线索融合的序贯蒙特卡罗图像序列跟踪方法,采用颜色直方图和边缘直方图与序贯蒙特卡罗算法结合起来进行视频跟踪。颜色直方图和边缘直方图一起构建目标观测似然函数。在序贯蒙特卡罗方法的框架下,采用观测模型函数获取图像序列中目标位置的后验概率分布。实验结果表明,结合图像颜色与边缘特征,在序贯蒙特卡罗的框架下可以取得更为有效和稳健的跟踪效果。

电压暂降随机预估的非序贯蒙特卡罗方法研究

针对电压暂降随机预估中蒙特卡罗法计算效率低、耗时长的缺陷,提出基于非序贯蒙特卡罗法对电压暂降进行随机预估。研究建立了电压暂降故障状态变量的数学模型,并利用Matlab/Simulink建立了IEEE-9节点测试系统模型,得到了故障模型的状态变量。通过分析电压暂降幅值的概率分布,并用非序贯蒙特卡罗法和蒙特卡罗法分别对电压暂降指标进行仿真计算。IEEE-9节点算例表明,该算法较蒙特卡罗法可快速收敛,提高了计算速度,具有良好的稳定性。

CBMeMBer滤波器序贯蒙特卡罗实现新方法的研究

为提升多伯努利滤波器序贯蒙特卡罗(Sequential Monte Carlo,SMC)实现中粒子采样的有效性,提出一种CBMe MBer辅助粒子滤波(Auxiliary particle filter,APF)实现的新方法.首先,利用多伯努利后验概率密度选择适合于CBMe MBer滤波器的辅助变量去重新定义采样问题.分别选择量测和先验密度分量作为辅助变量,确保最终的状态粒子能够集中在真实目标量测对应航迹的伯努利概率密度上进行采样,以使粒子向似然函数的峰值区移动,得到更为精确的多目标多伯努利(Multi-target multi-Bernoulli,Me MBer)后验概率密度的估计.同时,文中深入研究并给出了在量测更新和漏检情况下辅助变量以及多目标状态采样分布函数的设计,并研究利用渐近更新(Progressive correction,PC)算法对先验密度分量的量测更新进行迭代逼近计算,以提高最终分布函数求解的准确度.最后,针对两个典型非线性多目标跟踪问题的应用验证了算法的有效性.

基于序贯蒙特卡罗方法的自适应红外目标提取算法

本文将红外目标提取阈值的计算问题看作系统状态估计问题,提出了一种基于序贯蒙特卡罗方法的红外目标提取算法。在序贯蒙特卡罗方法框架下,建立关于灰度—方差加权信息熵和像素点灰度值的阈值状态空间;建立随机漂移状态转移模型;综合了红外图像中灰度、信息熵、梯度、像素点的空间位置等信息,提出了定量描述红外目标分割效果的评价函数,并以此作为系统的观测模型;最后,将粒子的加权平均做为分割阈值的估计值。实验结果表明,该方法是有效且稳健的。

基于序贯蒙特卡罗滤波的MIMO快时变信道跟踪

高数据传输速率以及终端的高速移动,导致无线通信信道具有时间选择性与频率选择性两个特征。本文主要研究了基于训练序列的多输入多输出(MIMO)时变频率选择性衰落信道的估计与跟踪问题。首先,根据时变无线信道的动态性,将信道冲击响应近似看作一个低阶的自回归矢量过程(AR),以便于进行时变信道的跟踪。接着在此模型的基础上,利用序贯蒙特卡罗滤波对MIMO通信系统中的双选择性信道进行了跟踪;跟踪过程中需要与信号检测交替进行,即在状态变量的预测和新息修正的中间要进行一次码元的检测,所采用的方法是极大似然序列检测,最后与扩展卡尔曼滤波作了比较。仿真结果表明,在信道噪声是非高斯的情形下,序贯蒙特卡罗滤波的跟踪性能更优越于扩展卡尔曼滤波。

MIMO系统的改进序贯蒙特卡罗迭代检测算法

为了得到最优的MIMO迭代接收机,需要精确计算软输入软输出检测器输出的外信息,但精确计算的复杂度随调制阶数和天线数指数增长,不适合多天线高阶调制的情况。该文首先将外信息的估计归结为一个目标集合的选取,并提出通过序贯蒙特卡罗抽样方法获取目标集合。但是研究表明传统抽样方法不能有效获得合适的集合;因此一种改进的序贯蒙特卡罗抽样方法被提出,用于解决有限元离散概率空间的样本近似。最终,基于改进序贯蒙特卡罗抽样的外信息近似计算应用于迭代检测算法中。分析表明,该文提出的迭代检测算法的复杂度和抽取的样本数量呈线性比例;而仿真结果证明,较少的样本就可以取得逼近最优的误码率性能。

基于序贯蒙特卡罗的非同步长码DS-CDMA信号扩频码及信息序列联合估计

针对多径信道环境下非同步长码DS-CDMA信号扩频码及信息序列等参数的联合估计问题,该文提出了基于序贯蒙特卡罗(SMC)的盲估计算法。该算法采用混合重要密度函数对联合后验分布模型进行抽样,并迭代计算重要性权值,以完成所需状态参量的估计。同时为了减少算法的计算量,在算法的实现过程中,先估计出各用户的扩频码,再对观测数据进行处理,从而修正原有的迭代步骤,提出一种修正的SMC算法。仿真结果验证了算法对多种情况的适应性,且在时变的多径信道环境下也能获得较好的估计性能。

基于相对熵的概率假设密度滤波器序贯蒙特卡罗实现方式

概率假设密度滤波器的典型序贯蒙特卡罗实现方式与粒子滤波类似,均是利用大量加权粒子估计多目标状态,典型实现方式是为每个期望目标分配固定数目的粒子,这导致较大的算法时间开销.鉴于此,建立了基于相对熵的序贯蒙特卡罗实现方式.首先计算两个不同规模粒子集合的相对熵,与预设阈值进行比较以确定粒子数目,从而动态调整粒子数目.仿真结果表明,所提出的实现方式提高了跟踪效率,在大部分时间步上优于典型实现方式.

利用N型序贯蒙特卡罗PHD滤波的多目标跟踪

针对传统跟踪算法受背景杂波与不同目标类型混淆影响较大的问题,提出了一种利用N型序贯蒙特卡罗PHD(SMC-PHD)滤波的多目标跟踪。基于随机有限集理论提出一种新的扩展概率假设密度(PHD)滤波器模型,即N型PHD滤波,从概率生成函数中导出更新的PHD;利用序贯蒙特卡罗(SMC)方法产生随机样本,结合N型PHD滤波,提出N型SMC-PHD滤波算法,以减少不同目标类型的混淆检测;利用量测驱动的SMC-PHD滤波器,通过门控方法对量测的属性进行区分,从而抑制杂波对已有目标跟踪的影响。基于MATALB仿真平台,在MOT17以及VS-PETS’2003足球视频数据集中对所提算法进行实验论证,结果表明,所提方法的平均最优子模式分配(OSPA)距离显著降低,且在高杂波、目标类型较多的情形下具有较高的可靠性。

基于序贯蒙特卡洛法的直流配电网可靠性评估与预测

针对接地系统＋双极运行的直流配电网,通过分析系统运行方式、元件寿命、分布式电源输出功率等方面对电网可靠性的作用机理,并基于校正模型和序贯蒙特卡洛法,利用模拟数据与历史数据,实现直流配电网的可靠性评估与校正以及可靠性预测值的空间特性分析与研究;最后,利用校正模型偏差和故障率预测参数对其未来10年可靠性进行预测,分析预测值的空间分布特性,算例证明了该方法的有效性。

基于序贯仿真和非参数核密度估计的大电网可靠性评估

序贯蒙特卡罗仿真不但能给出可靠性指标的期望值估计,而且能提供逐年可靠性指标样本。文中研究了序贯蒙特卡罗仿真的收敛特性,分析了仿真年数与计算精度之间的概率不确定性关系,推导了二者的置信区间公式,为实现计算成本和计算精度的综合权衡提供了量化分析手段。此外,基于逐年可靠性指标样本和非参数核密度估计理论,实现了可靠性指标的概率密度估计,从根本上克服了传统期望值指标仅从概率平均意义角度测度系统可靠性的缺点,探索了从可靠性指标内在分布规律和结构特征出发,深刻揭示电网风险特性的新思路。

基于蒙特卡罗仿真的风力发电系统可靠性评价

风能存在随机性和波动性的缺点,风力发电对电力系统可靠性有一定影响。为全面评价风力发电并网后的经济性和可靠性,提出了基于序贯蒙特卡罗仿真的风力发电机组可靠性模型,并给出了详细算法,考虑了风能的随机特性和风力发电机组的强迫停运。采用该模型对风力发电机组进行概率仿真,并结合时序负荷模型,计算出不同设计方案下系统可靠性指标和经济指标。

基于SMC的STBC-MC-CDMA信号扩频码及信息序列盲估计

针对具有空时分组码的多载波CDMA(Space Time Block Coding Multi Carrier Code Division Multiple Access,STBC-MC-CDMA)信号扩频码及信息序列的联合估计问题,结合序贯蒙特卡罗(Sequential Monte Carlo,SMC)算法和卡尔曼滤波技术,充分利用STBC和OFDM(Orthogonal Frequency Division Multiplexing)调制的正交属性,提出了一种快速的盲解扩算法.该算法通过将信号模型按不同符号路数和天线数目进行分段处理,采用卡尔曼滤波方法对均值和协方差进行迭代更新,并用一组带有权值的抽样粒子来近似建立的联合后验概率分布,根据抽样值和重要性权值大小进行参量状态估计,大大提高了算法的计算效率.理论分析和仿真结果验证了本文算法的有效性.