传感器网络中一种基于时-空相关性的缺失值估计算法

在无线传感器网络中,感知数据的缺失问题不可避免,并且给无线传感器网络的各种应用带来了巨大困难.解决该问题的最好办法是对缺失数据进行准确估计.文中首先提出了一种基于感知数据时间相关性的缺失值估计算法,该算法采用线性插值模型,能够对较短时间内平稳变化的感知数据的缺失值进行较好估计;其次,文中提出了一种基于感知数据空间相关性的缺失值估计算法,该算法采用多元回归模型,同时考察多个邻居节点并联合地用其感知数据来共同估计缺失值.该算法不仅能够对非平稳变化的感知数据的缺失值取得较好估计效果,而且在给出缺失数据估计值的同时,还能够对用户给定的置信度给出缺失值的置信区间;基于上述两种算法,文中最后给出了一种自适应的基于感知数据时-空相关性的缺失值估计算法.该算法无论对于平稳变化还是非平稳变化的感知数据的缺失值均能取得较好的估计效果.作者在真实的数据集合上对文中提出的算法进行了测试,实验结果证明文中提出的基于感知数据时-空相关性的缺失值估计算法能够有效估计无线传感器网络中的缺失数据,具有可靠、稳定的估计性能.

采用分布式算法的多区域电网风-光-储容量优化配置

针对新能源发电在整个电网中渗透率不断提高而造成的电能质量下降、电力系统无法可靠运行等一系列问题,基于随机规划理论,综合考虑风电、光伏等电源以及联络线、储能设备运行约束,以典型新能源出力时序特征序列下平均新能源消纳水平最大为目标,提出了一种计及电网新能源消纳承载能力的多区域风-光-储容量优化配置方法。该方法主要考虑将风电、光伏发电满足负荷需求后的无法消纳量在不超过储能设备容量的前提下进行储电,而储能设备将在新能源发电低谷期提供电能,充分发挥风、光的时空互补性和储能的调峰优势。首先构造了考虑时-空相关性的典型新能源出力时序特征序列不确定集,然后按典型序列将模型进行分解,采用分布式惩罚原始-对偶次梯度算法实现目标函数的分布式优化求解,最后基于IEEE-24、31节点系统进行算例分析,得到风-光-储容量配置结果,并建议多区域电网中储能设备应考虑建设在含有风光装机的区域。仿真结果表明:相比传统集中式优化方法和拉格朗日松弛法,所提分布式优化方法随着电网区域增多,计算效率优势会越来越明显,10个典型序列时所提分布式方法相比拉格朗日松弛法收敛速度提升了57.1%。所提方法可以为考虑新能源随机性的风-光-储多区域电网容量优化配置问题提供系统性解决方案。