基于趋势相似度分析的多重时滞辨识及其在加氢裂化流程中的应用

针对复杂工业流程生产单元间变量存在多重时滞且检测困难,提出一种基于趋势相似度分析的多重时滞辨识方法。选取单元间相关性强的关键变量,利用多项式最小二乘拟合后的变量导数数据定义趋势相似度,以经采样时滞平移后的趋势相似度最小,描述多重时滞辨识问题;用L2范数量化趋势相似度向量,将多重时滞辨识问题转化成L2范数最小化问题;并用改进的自适应粒子群算法快速寻优,确定各变量的最优采样时滞。所提方法被应用于加氢裂化流程中,辨识出各变量的实际采样时滞,由此建立了基于局部加权核主元回归的柴油闪点预测模型。实验结果表明:考虑多重时滞的预测模型准确率提高了19.05%,验证了所提时滞辨识方法的有效性。

基于前趋势相似度的细粒度用户用电负荷预测

在智能电网普及的大数据背景下,对电力数据进行准确地分析和预测具有重要意义。提出一种基于前趋势相似度的细粒度居民用电预测模型。根据用户的用电行为特征采用基于DTW距离的K-mediods方法对总体用户进行细粒度划分;在各个子类分别建立用电量预测模型;根据用户的用电行为具有周期性突变这一现象,采用基于前趋势相似度的BP神经网络模型对原BP网络进行改进。基于真实居民用电数据的实验表明,所提出的方法具有较好的预测效果。

电力系统元件模型仿真准确度评估

结合规范系数法与距离法提出了一种定量判断元件模型仿真准确度的方法。该方法在评估2条曲线的相似性时既考虑了2条曲线间的距离,同时也考虑了曲线变化趋势的相似程度。城西变电站的实测数据与仿真结果表明,该方法在评估元件模型的准确度时能有效克服只考虑仿真结果与实测曲线的数值相似度,而没有考虑仿真结果与实测曲线的变化趋势相似度问题。该方法使评估仿真元件模型的准确度更加合理、全面。

基于相似日选取样本的短期风电功率混沌预测

为减小构成初始条件的样本数据所导致的预测误差,本文借鉴负荷预测中基于相似日选取样本的思想,采用趋势相似度的概念选择相似日作为模型输入量,对短期风电功率进行混沌预测。选择我国某区域风电功率数据作为研究对象,考虑不同预测步长和季节差异,进行了大量的算例仿真,结果验证了该方法提高混沌预测精度的有效性和适用性。

基于OLAM的时态序列相似搜索研究

时间序列相似搜索是时间序列数据挖掘的一个重要功能,它所面临的最大问题是搜索空间过大、计算过于复杂。本文提出了基于OLAM体系架构的一种时间序列相似模式分层匹配方法。该方法首先利用对时间序列广义移动均值的聚类进行相似搜索的粗匹配,接着通过构造时间序列趋势的相似度,利用此用户对相似度的要求可以进行第二次筛选;最后通过对剩余的时间序列的距离计算,就可以获得最终相似的时间序列。实验分析表明该方法具有良好的性能和OLAM特征。

基于相似日的遗传程序设计短期负荷预测模型

针对短期负荷预测中对自动化、智能化和预测精度的进一步需求,提出了基于相似日的遗传程序设计短期负荷预测模型.首先从日特征量、日前趋势相似度及其综合来选择预测日的趋势相似日样本数据,然后重点介绍了利用相似日样本数据进行短期负荷预测遗传程序设计演化建模的算法设计流程.贵州电网日96点负荷实例预测结果表明,模型所对应的预测曲线与原始曲线拟合较好,模型具有较高的预测精度,能够反映短期负荷变化的规律.

基于遮挡检测机制的DDAT目标跟踪算法

针对机器视觉中目标跟踪出现的遮挡问题,在原有的DAT(Distractor-Aware Tracking)算法框架上引入遮挡检测机制,提出了DDAT(Detection-DAT)算法。该机制首先提取目标的颜色特征,通过颜色特征计算目标帧间的相似度,利用相似度的变化趋势及帧间差值阈值,判断目标在跟踪中是否出现遮挡;然后利用朴素贝叶斯分类器和最邻近分类器,得到后续帧中的目标框;最后再次通过相似度检测两个分类器得到的目标框是否为正确的目标框。为了验证算法的有效性,在具有遮挡属性的标准数据集视频序列上,与DAT算法以及其他的跟踪算法进行定性和定量的比较。