基于串联信号延迟对消法的三相非理想电网锁相控制策略

锁相环作为一种可以有效地检测出电网电压相角的方法,在分布式发电系统中得到了广泛应用。对于畸变的三相电网而言,采样传统的锁相方法无法同时达到较好的动态性能与稳态性能。而采用信号延迟对消算子可以有效地消除电网电压不平衡和低次谐波对锁相的影响,提高系统的带宽。本文在优化选择延迟对消算子的基础上,提出了一种二型三阶的调节器来抑制电网电压高次谐波对锁相的影响,同时也提出了一种根据相位裕度和谐波抑制要求直接计算出调节器参数的方法,从而避免了反复试凑。最后通过实验证明了理论分析的正确性和闭环设计方法的有效性。

时间序列分析中几个概念的解析

在时间序列分析的授课过程中,有一些概念性问题经常被学生所问及.本文对这些问题进行了汇总并给出了详细的解析.

基于ST-ACF与MALST-ACF模型的城市道路时空相关性研究

交通流时空特征的识别对交通拥堵的疏导决策具有重要意义。文章根据城市道路网络的交通流特性,分别从全局和局部研究城市交通拥堵在时间维度和空间维度的变化特征,引入空间延迟算子,提出了基于多元邻接关系的时空相关性度量方法。首先,文章分析了道路网络交通流的时空特性,建立了适用于城市道路网络的空间邻接矩阵;其次,基于ST-ACF函数(Spatio-temporal autocorrelation function)计算全局路段相关程度、基于改进后的MALST-ACF函数(Multivariate adjacent local spatiotemporal correlation function)计算局部路段相关程度;最后,结合唐山市24条路段的交通流量数据验证了路网间存在显著时空相关性,并且这种时空相关性具有时间动态、空间异质等特点。

基于高斯混沌粒子群优化动态前馈神经网络的短期负荷预测

针对传统前馈神经网络(Feedforward Neural Network,FNN)存在收敛速度慢、易陷入局部极小和泛化能力差的缺点,提出用高斯混沌粒子群算法(Gauss Chaos Particle Swarm Optimization,GCPSO)取代传统训练方法对网络进行训练;针对前馈神经网络不能表征系统的动态特性,在前馈神经网络中引入动态延迟算子,构造动态前馈神经网络(Dynamic Feedforward Neural Network,DFNN),充分表征输入输出之间的非线性关系。将GCPSODFNN模型用于电力系统短期负荷预测,首先选择训练样本,然后针对训练样本,采用GCPSO对DFNN进行训练,最后采用测试样本进行模型验证,满足要求则用于未来负荷的预测。算例分析表明了该模型的实用性和准确性。

基于B样条函数的移不变双正交滤波器设计

给出了1～7阶B样条半延迟算子的显式表达式，在B样条函数构造的半延迟算子和传统的双正交小波变换的基础上，构造了一种移不变双正交滤波器．针对4阶以上B样条函数构造的小波函数和尺度函数过程中出现的不可逆和不稳定问题，采用因子分解和逆序滤波的方法解决．以4阶B样条半延迟算子为例，给出移不变双正交滤波器的构造方法．

求递推序列通项公式的一个方法

利用延迟算子L给出求递推序列通项公式的一个方法,并以实例说明该方法在解某些分析与代数问题方面的应用.

一类线性移位寄存器的改造方法

线性移位寄存器由于能产生可控的随机性好的长周期序列,一直受到密码界的关注,但是,主要是对本原不可约多项式进行了深入的研究,对非本原不可约多项式的应用研究较少。这里给出了一种将联接多项式为非本原不可约的线性反馈移位寄存器改造成级数不变,线性递推关系相同,而从一个初始状态可获得分属不同圈的多个输出序列的线性时序电路的方法。