考虑日内温度变化的夏季温敏负荷模型及其时变参数的两阶段辨识方法

现有关于电力负荷温敏特性的研究大多仅关注长时间尺度上最高温度与最大负荷之间的关系,而未分析日内不同温度下的温敏特性。建立能反映日内温度变化的温敏负荷模型,并引入2个假设以解决模型可辨识性的问题;提出适用于参数辨识的数据筛选方法和温敏负荷模型时变参数的两阶段辨识方法。算例结果表明,所提方法可以准确且鲁棒地辨识温敏负荷模型的时变参数,并得到日内温敏负荷曲线及温敏负荷占比。

基于扩展卡尔曼滤波的水中放电阶段辨识方法

水中脉冲放电的电弧通道发育具有强随机性,难以固定时域进行放电阶段划分,故水中脉冲放电阶段的辨识方法研究极为重要。首先,该文建立了水中脉冲放电等效电路模型并阶段化分析了电阻时变特性,得到了判定放电阶段的临界参数阈值;其次,采用扩展卡尔曼滤波算法将离散电阻数据连续化,同时降低随机放电带来的噪声,从而获得辨识时变电阻模型;再次,计算辨识电阻斜率,并依据斜率变化特性及变化系数判定预击穿放电阶段和剧烈放电阶段;最后,通过水中脉冲放电观测试验平台验证了该辨识方法的有效性。结果表明,基于扩展卡尔曼滤波算法得到的水中脉冲放电电阻较试验值的方差小于1.717Ω^(2),电阻斜率方差小于1.899,故该方法可用于水中脉冲放电阶段的判定。

基于摄氧率的分批发酵过程阶段辨识

针对发酵阶段难以在线辨识的问题,提出了一种基于摄氧率的需氧型发酵过程阶段辨识方法.利用在线可测的摄氧率对处于特定发酵阶段的比生长率进行预估,再利用比生长率的预估值进行发酵阶段的在线辨识.由于摄氧率极易在线获得,所以这种辨识方法非常容易实现.针对诺西肽发酵过程,利用所提出的方法进行发酵阶段的在线辨识,阶段辨识结果与过程知识相一致.这不仅可以增进对当前生产状况的了解,而且可以指导适时地实施各种控制策略,从而提高产品的质量.

基于阶段辨识的诺西肽发酵过程菌体浓度软测量

由于发酵过程中系统非线性特性与发酵阶段密切相关的实际特点,针对诺西肽发酵过程菌体浓度的估计问题,提出了一种基于阶段辨识的软测量方法.首先以分阶段的诺西肽发酵过程非结构模型为基础,根据隐函数存在定理进行辅助变量的合理选择;然后利用经数学推导得到的指示变量"伪比生长率"完成发酵阶段的在线辨识,并采用神经网络构建出对应于各阶段的局部软测量模型.实际应用结果表明,所提方法有效、预估精度较高.

基于RLS的自回归滑动平均模型的两阶段辨识方法

提出了基于递推最小二乘(RLS)的自回归滑动平均模型的两阶段辨识方法。仿真结果表明,方法给出的参数估计精度比递推增广最小二乘算法高。

基于组合式信号的Hammerstein系统两阶段辨识

针对带有测量噪声和时滞的Hammerstein非线性系统,提出一种基于组合信号的Hammerstein系统两级辨识方法.利用高斯信号和随机信号的组合信号将Hammerstein系统的静态非线性模块和动态线性模块进行分离和识别,简化了识别过程.第一阶段利用单位后向算子的特性将时滞状态空间模型转化为输入输出表达式,利用基于高斯信号输入输出数据的相关分析方法识别动态线性块的参数;第二阶段利用辅助模型技术解决中间变量信息的不可测问题,利用导出的辅助模型递归最小二乘法对静态非线性模块的参数进行辨识.仿真结果表明,该方法能有效地识别Hammerstein系统,具有较好的识别精度和鲁棒性.

面向轴承剩余寿命预测的自适应退化阶段辨识方法

针对滚动轴承剩余寿命预测中的退化阶段难以辨识的问题,提出了基于互信息卷积神经网络的退化特征提取方法和基于自适应超阈值波峰与失效概率逻辑回归预测的退化阶段辨识方法。引入了以轴承自监测数据为驱动的互信息卷积神经网络对轴承性能退化特征进行深度提取,并结合支持向量数据描述进行退化指数(degradation indicator,DI)构建。针对环境工况对DI造成的波动干扰影响,引入了极值理论中的超阈值波峰法进行了退化阈值的更新设置。结合失效概率统计信息,采用正常状态与退化状态的逻辑回归二分类法对个体轴承失效阈值进行了客观估计,并利用全阶时间幂灰色预测模型对轴承剩余寿命进行了预测。实验结果表明,在退化阶段自适应辨识的基础上进行轴承剩余寿命的预测,能得到更准确更客观的预测结果。

电力系统关键碳排放节点辨识

为提高电力系统关键碳排放节点辨识的准确性,从碳排放流分析法中选取节点碳势、碳流率通量、负荷碳流率与机组注入碳流率指标,基于复杂网络理论与节点碳排放特征提出改进度、改进平衡度、改进介数与改进聚类系数指标。利用熵权-逼近于理想解的排序技术综合评价不同节点碳排放重要度,在此基础上,建立电力系统两阶段辨识模型用于高碳节点辨识:第一阶段的模型对关键碳排放负荷节点进行辨识,第二阶段的模型对关键碳排放电源节点进行辨识,最终得到包含关键碳排放负荷节点与电源节点的电力系统简化拓扑结构。IEEE118节点系统与某地区实际电网的仿真结果表明,所提方法可有效选取电力系统高碳节点。

基于渐近理论的两阶段过程辨识方法

提出了一种基于渐近理论的两阶段过程辨识方法:先用高阶模型得到无偏估计和频域方差;然后通过OE模型与MDL定阶法进行降阶处理。它将多变量模型结构辨识转换为易于实现的单变量问题,同时通过模型频域方差进行模型验证,解决了传统多变量辨识方法的阶次估计及模型验证难的问题。采用多通道测试信号,测试时间短,对装置生产影响小。应用实例表明了算法的有效性。

含齿隙双电机伺服系统未知参数的两阶段辨识

针对含齿隙的双电机伺服系统,提出一种两阶段辨识法辨识双电机系统未知参数以及齿隙非线性环节的死区参数.针对电机转动惯量、等效粘性摩擦系数以及齿隙大小未知的情况,运用Legendre多项式将双电机伺服系统中的齿隙模型分段化,根据最小二乘法辨识双电机伺服系统参数.最后,通过仿真验证两阶段辨识法的有效性,验证结果表明,两阶段辨识法能够较准确地辨识电机参数和齿隙参数.

动态调节模型的三阶段最小二乘辨识方法

针对动态调节模型提出一种三阶段最小二乘辨识方法.先将模型变换为CARMA模型,估计出变换后的CARMA模型参数,再利用已得到的参数估计依次辨识原模型中的系统模型参数和噪声模型参数.该方法原理简单,有效可行.

基于Hammerstein模型的风力发电系统建模与辨识

为建立风力发电系统的高精度模型,研究了一种基于Hammerstein模型的风力发电系统的建模与辨识方法。使用3σ准则对异常数据进行剔除,利用剔除后的数据训练风力发电系统的标称模型。利用Hammerstein模型建立风力发电系统的数据驱动模型,并将可分离信号和实际风速构成的组合式信号作为Hammerstein模型输入,可分离信号经过标称模型的输出和实际功率作为Hammerstein模型输出,基于组合式信号的输入和输出数据,利用相关分析法和带遗忘因子的递推增广随机梯度方法分别辨识Hammerstein模型中静态非线性子系统和动态线性子系统的参数。采用实际风速数据进行仿真实验,提出的方法与增广随机梯度方法的平均绝对百分比误差分别为4.99%和14.73%,与增广随机梯度方法相比,提出方法的平均绝对百分比误差减少了9.74%。仿真结果表明,提出的方法能够有效辨识Hammerstein模型风力发电系统,具有较好的预测性能。

配电台区等值负荷动态模型辨识研究

台区等值负荷动态模型是配电网准确感知和精确控制的重要基础。基于馈线调压设备和配电网同步相量量测单元,可以实现台区动态模型的在线辨识。本文对该问题进行了深入探讨,从机理上揭示了其闭环辨识本质,推导了台区等值负荷模型直接闭环辨识的传递函数,并据此引出了影响辨识效果的主要因素。针对直接闭环辨识精度较差的问题,选择一种基于增广最小二乘法的两阶段闭环辨识方法,将闭环辨识转换为两次开环辨识并同步辨识噪声模型以降低辨识误差。基于仿真分析了台区容量、电气距离、负荷结构等因素对直接闭环辨识误差的影响,并验证了两阶段闭环辨识方法对辨识误差的削弱能力。

配电网综合负荷机理模型闭环辨识研究

电力系统具有天然闭环特性,在激励信号注入位置与辨识用信号量测位置不同时,负荷模型参数辨识可能具有较为明显的闭环特征。文章以台区模型辨识场景为例,研究了闭环条件下负荷机理模型参数辨识问题。通过对比分析常见的闭环辨识方法,总结了实现机理模型闭环辨识需满足的基本条件,并依据该条件选择了无需反馈通道模型先验知识且可直接辨识原系统模型的两阶段辨识法。对台区负荷动态机理模型进行线性化处理和模型转换,并将其嵌入两阶段辨识的第二阶段,可以实现机理模型参数的在线闭环辨识。通过仿真分析,验证了负荷辨识的闭环特性以及所提两阶段辨识方法的有效性。

基于在线辨识的锅炉中间点温度GPC-PID控制

针对超超临界直流锅炉中间点温度时变、影响因素多的特点,采用常规的串级PID控制难以达到预期的控制效果,提出了一种基于两阶段闭环在线辨识的GPC-PID控制方法。该方法首先引入基于递归最小二乘(RLS)的两阶段闭环在线辨识算法,辨识出一类变工况下锅炉中间点温度随给水量变化的参数模型,并分别选用了自回归(ARX)模型和有限脉冲响应(FIR)模型作为中间辨识模型,同时将在线辨识模型结合广义预测控制算法(GPC)对PID参数进行实时调节。仿真结果表明,该算法能快速跟踪中间点温度模型参数的变化,有强的抗干扰能力,具有一定的应用价值。

一种多通道信息融合的横向减振器性能退化阶段辨别方法

对于转向架这样复杂的系统,分布在系统不同位置的传感器可以实时检测大量数据。这些数据能够反映高速列车运行过程中转向架关键部件的性能退化状态,但单一通道的振动信号存在着信息缺失、信噪比低等缺陷,无法据此实现转向架关键部件性能退化阶段的精确辨识。因此,本文以横向减振器为研究对象,通过对转向架振动数据相关性分析,提出了车体和转向架上多个通道的振动信号共同用于横向减振器性能退化阶段辨识的方法。并通过构建基于CNN的多通道信息融合模型,将多个通道信息进行融合,实现了横向减振器性能退化特征的自适应提取与阶段辨识。将该方法与基于单个通道的方法进行比较,结果表明,该方法能够精确实现横向减振器间隔10%的性能退化阶段辨识。

工程项目全寿命风险管理系统的理论及其应用研究

以工程项目全寿命期集成管理为出发点,建立了全寿命期风险管理系统的概念及相应模型,定义了全寿命风险管理系统的目标函数,提出了风险量化方法、系统设计和系统评价的方法,并以此作为全寿命集成管理系统的一个支持系统,共同确保项目管理目标的实现。

光源工程直线加速器工艺冷却水系统建模

以上海光源工程工艺冷却水-电子直线加速器系统为研究对象,采用闭环辨识方法进行建模.在闭环条件下,由于不可测噪声通过反馈环节对系统控制输入信号产生影响,采用二阶段辨识方法对系统进行建模.二阶段闭环辨识算法将闭环辨识问题转换为2个开环辨识问题,通过构造无噪声无污染的中间信号来代替实际的控制输入,以此解除噪声与控制输入之间的相关性,然后利用经典的开环辨识算法可得系统参数的一致无偏估计.