基于机组聚合与线路等值影响因子的风电场等值优化

等功率损耗、等电压损耗经典线路等值手段和以受控电流源倍乘为基础的机组聚合等值手段,在风电场等值建模中被广泛应用,有必要研究二者对模型等值误差的影响。首先搭建风电场全拓扑详细模型作为基准模型,集电线路采用等电压损耗经典等值建模手段,机组采用常规聚合方式,得到四机等值模型与单机等值模型。其次从集电线路等值与机组等值2个层面展开风电场等值误差影响因子研究,计算与测试结果表明,倍乘元件阻抗参数设置、线路等值算法对模型等值误差有较大影响,是优化等值模型的关键影响因子。最后,基于等值误差影响因子重要程度,有针对性地对原始等值过程展开优化,选择等电压损耗的线路等值算法,调大倍乘元件阻抗参数,使得优化后的等值模型35 kV并网点电气量的稳态运行点误差降低至1%以内,电压跌落期间误差降低至7%以内。

SAR目标检测中的一种稳健变化检测算法

在合成孔径雷达(SAR)目标检测中,目前采用的变化检测算法主要包括构造似然比法和最小二乘图像相减法,这两种算法在实际变化检测中分别存在如下问题:构造似然比法需要目标、杂波及噪声充分的先验知识,而最小二乘图像相减法则存在稳健性差的问题,鉴于上述问题,该文提出一种稳健可行的变化检测算法,该算法在最小二乘图像相减法的基础上引入了误差影响因子,通过迭代的方法求取待定参数,大大提高了变化检测的稳健性,文章最后基于不同算法进行了变化检测试验,试验结果进一步证明了该文提出算法的稳健性。

SAR目标鉴别中的变化特征提取算法研究

合成孔径雷达自动目标识别(SAR ATR)算法一般分为三个步骤:预筛选、鉴别和分类,其中鉴别部分将基于预筛选提供的感兴趣区域(ROI)进行特征提取,根据提取的特征消除虚假目标,变化特征是用于消除固定强杂波形成虚假目标的重要特征。本文介绍了两种常用的变化检测算法,并对其在基于ROI变化特征提取中的适用性进行了分析,针对存在的问题,本文提出了三种适用的变化特征提取算法并进行了仿真试验,试验结果表明,本文提出的三种变化特征提取算法在不同检测条件下均保持了较好的稳健性,且滑窗平均相减法性能最优。