基于稀疏矢量自回归概率模型的超短期风电功率预测算法

可再生能源的概率预测被广泛认为是电力系统优化的必要条件。提出一种在大量地点进行超短期的参数化风电概率预测的时空方法,其基于logit-normal的参数框架,将多个风电场的位置参数建模为一个向量值时空过程,并采用改进的指数平滑法跟踪尺度参数,采用一种先进的稀疏向量自回归模型拟合技术,对定位参数进行建模,并与传统的向量自回归模型相对比。以澳大利亚22个风电场的每5分钟平均风力发电数据集为例进行了测试,验证了该算法的有效性。

动态压缩感知波达方向跟踪算法

针对现有动态目标波达方向(DOA)跟踪方法在单快拍条件下估计精度较低甚至失效的问题,提出了一种基于动态压缩感知的DOA跟踪算法。首先,通过前一跟踪时刻所得到的先验DOA稀疏信息,获得当前跟踪时刻信号向量中各位置非零元素的分布概率,继而建立起动态DOA的稀疏概率模型。然后,采用加权l1范数最小化方法重构出当前跟踪时刻的信号向量,从而确定非零元素的位置,获得DOA的实时估计值,最终实现运动目标的动态DOA跟踪。本文算法可以在单快拍条件下实现对动态目标DOA的良好跟踪,并且在相同条件下具有比粒子滤波算法更好的跟踪性能。最后,通过仿真试验对所提算法进行了有效性验证。