将混合因子分析方法与隐马尔可夫模型技术相结合,构造了一种新的统计声学模型━基于混合因子分析的隐马尔可夫模型(Hidden Markov Model based on Mixture of Factor Analysis:HMM-MFA)。重点研究了HMM-MFA的训练算法。通过推广著名的B...将混合因子分析方法与隐马尔可夫模型技术相结合,构造了一种新的统计声学模型━基于混合因子分析的隐马尔可夫模型(Hidden Markov Model based on Mixture of Factor Analysis:HMM-MFA)。重点研究了HMM-MFA的训练算法。通过推广著名的Baum辅助函数,并用拉格朗日多乘子方法,导出了HMM-MFA的参数重估公式。仿真结果表明,提出的算法在识别精度上优于传统的EM算法。展开更多
由于现有的短路比指标并未计及系统元件动态功率电压特性,使得现有指标难以准确评估该系统临界电压稳定。为了解决上述问题,该文通过严格的理论推导,提出混合馈入短路比(hybrid infeed short circuit ratio,HISCR),来评估混合馈入直流...由于现有的短路比指标并未计及系统元件动态功率电压特性,使得现有指标难以准确评估该系统临界电压稳定。为了解决上述问题,该文通过严格的理论推导,提出混合馈入短路比(hybrid infeed short circuit ratio,HISCR),来评估混合馈入直流输电系统静态电压稳定性。首先,以含同步调相机接入的混合馈入系统模型为基础,基于潮流雅克比矩阵推导出考虑元件动态功率电压特性的混合馈入功率电压灵敏因子(hybrid infeed power voltage sensitivity factor,HIPVSF)。其次,基于HIPVSF提出HISCR,并且给出HISCR的理论临界值,明确所提短路比指标与电压稳定性之间的物理关系。最后,基于PSCAD/EMTDC^(TM)与MATLAB仿真,通过与现有的短路比指标对比,验证所提指标的有效性。展开更多
文摘将混合因子分析方法与隐马尔可夫模型技术相结合,构造了一种新的统计声学模型━基于混合因子分析的隐马尔可夫模型(Hidden Markov Model based on Mixture of Factor Analysis:HMM-MFA)。重点研究了HMM-MFA的训练算法。通过推广著名的Baum辅助函数,并用拉格朗日多乘子方法,导出了HMM-MFA的参数重估公式。仿真结果表明,提出的算法在识别精度上优于传统的EM算法。
文摘由于现有的短路比指标并未计及系统元件动态功率电压特性,使得现有指标难以准确评估该系统临界电压稳定。为了解决上述问题,该文通过严格的理论推导,提出混合馈入短路比(hybrid infeed short circuit ratio,HISCR),来评估混合馈入直流输电系统静态电压稳定性。首先,以含同步调相机接入的混合馈入系统模型为基础,基于潮流雅克比矩阵推导出考虑元件动态功率电压特性的混合馈入功率电压灵敏因子(hybrid infeed power voltage sensitivity factor,HIPVSF)。其次,基于HIPVSF提出HISCR,并且给出HISCR的理论临界值,明确所提短路比指标与电压稳定性之间的物理关系。最后,基于PSCAD/EMTDC^(TM)与MATLAB仿真,通过与现有的短路比指标对比,验证所提指标的有效性。