基于改进Att-LSTNet与无迹粒子滤波融合的主动配电网预测辅助状态估计

针对传统的无迹粒子滤波(unscented particle filter,UPF)存在不准确的新息向量及未知的量测噪声协方差矩阵导致估计精度低的问题,提出一种改进Att-LSTNet与UPF融合的主动配电网预测辅助状态估计(forecasting-aided state estimation,FASE)方法。首先,采用引力搜索算法(gravitational search algorithm,GSA)对支持向量回归(support vector regression,SVR)的关键参数进行优化处理,利用历史数据建立GSA-SVR模型,并将其引入至Att-LSTNet模型的输出层,构建一种增强预测模型。然后,利用UPF中的新息向量来训练该模型,并结合孤立森林算法和箱线图法对原始新息向量进行监控和修正。最后,针对量测噪声协方差矩阵未知的情况,结合修正后的新息向量和UPF计算出未知量测噪声协方差矩阵,并进行状态估计。基于IEEE33与IEEE118节点标准配电系统的算例结果表明,所提出的方法在估计精度、泛化能力和鲁棒性等方面具有优越性。

基于改进粒子滤波的综合能源系统预测辅助状态估计

高效准确的状态估计是综合能源系统安全稳定的基础。粒子滤波具有精度高、对非线性系统适应性强的优点,已应用于电力系统的状态估计中。为提高综合能源系统的状态估计精度,文中提出一种基于改进粒子滤波的综合能源系统预测辅助状态估计方法。首先,构建包含电-热-气网络的区域综合能源系统模型;然后,将粒子滤波算法拓展到电-热-气网络,在粒子滤波相关理论的基础上,针对传统粒子滤波算法存在的跟踪误差问题对粒子滤波的预测步进行改进;最后,利用经典的综合能源系统算例对文中提出的改进粒子滤波算法进行验证。结果证明该方法能够有效解决传统粒子滤波算法的跟踪误差问题,提高系统的估计精度。

一种鲁棒预测辅助电力系统状态估计算法

状态实时监测与控制对于电网安全经济运行具有重要意义。提出一种鲁棒预测辅助电力系统状态估计算法,即广义最大似然-扩展卡尔曼滤波法(GM-EKF)。该算法以预测辅助状态估计为基础,由线性回归模型构建、异常值辨识、鲁棒预白化和鲁棒滤波等过程构成。在高斯噪声分布时,GM-EKF可以有效降低异常值对估计性能的不良影响。仿真实验在多种不同测试系统中进行,且每个测试都包括正常运行、多不良数据和负荷突变3种情况,实验结果验证了GM-EKF的可行性和鲁棒性。

联合长短期记忆神经网络和粒子滤波的配电网预测辅助鲁棒状态估计方法

针对配电系统状态估计(distribution network state estimation,DNSE)中量测数据存在非高斯噪声、异常以及缺失的关键问题,提出了一种联合长短期记忆神经网络(long short term memory,LSTM)和粒子滤波(particle filter,PF)的配电网预测辅助鲁棒状态估计方法(robust forecasting-aided state estimation,FASE),以实现对配电网运行状态的实时动态估计。基于配电系统的历史运行数据建立了深层LSTM预测模型,采用改进的PF构建量测和状态之间的非线性模型。针对量测缺失或异常问题,采用孤立森林异常检测技术准确识别量测信息中的异常数据。基于此,结合深层LSTM预测值经潮流计算(powerflowcalculation,PFC)得到的伪量测可实现对缺失和异常数据的替换。此外,提出的联合长短期记忆神经网络和粒子滤波的电力系统预测辅助状态估计方法(longshortterm memory-particlefilter,LSTM-PF)可以实现对拓扑结构改变后的节点状态的预测和估计。对IEEE33节点标准配电网和某市10 kV 78节点实际配电网测试系统进行了数值仿真,仿真结果表明LSTM-PF算法具有较高的精度和鲁棒性,可为配电网状态估计提供参考。

考虑小样本不平衡的主动配电网预测辅助鲁棒状态估计

为了解决主动配电网状态估计中数据集的小样本不平衡问题,提出了基于改进少数过采样技术(synthetic minorityoversamplingtechnique,SMOTE)的Prophet和粒子滤波(particlefilter,PF)的主动配电网预测辅助鲁棒状态估计方法(robust forecasting-aided state estimation, FASE),对主动配电网进行状态估计。首先,针对主动配电网小样本不平衡问题,基于主动配电网的数据特征构建哈希函数,提出利用哈希函数对Borderline-SMOTE+Tomek-Links算法进行优化的方法,处理主动配电网数据集。然后,针对主动配电网海量数据量、分布式能源的出力随机变化等特点,将Prophet预测模型用于主动配电网状态估计,提出了一种基于Prophet-PF的鲁棒FASE方法,达到快速、准确地估计主动配电网状态的目的。最后以IEEE 118节点标准配电网和DTU 7k 47实际配电系统为测试系统进行仿真,结果表明所提方法具有较高的精度和鲁棒性,为主动配电网状态估计提供相应参考。

基于平方根UPF的电力系统鲁棒预测状态估计

针对辅助预测状态估计器在迭代计算中会出现状态预测误差协方差矩阵不正定,导致估计精度差甚至发散的问题,提出了基于平方根UPF的电力系统鲁棒辅助预测状态估计。该方法采用两种数学方法:矩阵Cholesky分解因子更新和矩阵QR分解,引入平方根技术动态更新状态预测误差协方差矩阵以保持状态预测误差协方差矩阵的正定性。运用MATLAB进行仿真模拟测试,结果表明:IEEE 30节点系统非高斯噪声测试中,平方根UPF电压相角的均方根误差平均值为UPF相应测试值的0.09%,平方根UPF电压幅值的均方根误差平均值为UPF相应测试值的0.14%;IEEE 57节点系统非高斯噪声测试中,平方根UPF电压相角的均方根误差平均值为UPF相应测试值的0.67%,平方根UPF电压幅值的均方根误差平均值为UPF相应测试值的0.57%。所提出的平方根UPF对解决辅助预测状态估计中状态预测误差协方差矩阵不正定的问题具有很好的效果,具有更高估计精度和鲁棒性。

计算机辅助预测(CAP)湿敏性产品的包装储存期

通过对湿敏性产品的包装储存期影响因素的分析,建立了包装储存期模型,并给出计算机辅助预测包装储存期的总体流程图。

上海市粮食供需平衡预测与辅助决策系统的WWW集成技术

上海粮食供需平衡预测与辅助决策系统采用ActiveX控件和浏览器 /服务器技术 ,建立基于ActiveX的地理信息平台 ,实现对系统数据库的可视化检索查询、预测、分析等功能。通过Internet网络 。

注气辅助重力泄油开发油藏采收率预测方法

注气辅助重力泄油已成为油藏提高采收率的最新开发方式,可解决常规连续注气和水气交替注入体积波及系数低的主要问题,大幅度提高最终采收率,然而还未有相对应有效的采收率预测方法。通过对注气辅助重力泄油开发机理研究,利用量纲分析方法,对毛管数、邦德数及重力数进行分析,评价其对采收率影响的相对作用,然后通过考虑储层润湿性、油气密度差与粘度比,重新修正重力数和重力泄油数,利用实验及现场数据,确定其与采收率的关系,最后建立了注气辅助重力泄油开发油藏采收率预测方法。非混相驱替时,重力泄油数与采收率具有很好的相关性,修正重力泄油数与采收率的相关性更好;混相驱替时,重力泄油数与采收率的相关性差一些,但修正重力泄油数与采收率的相关性较好。实例应用表明,经过修正的采收率预测方法计算的结果更接近实际采收率。

工程投资决策中计算机辅助预测系统的设计

根据工程投资决策及工程信息管理的特点，应用数据库原理，结合定量预测方法和统计学等，实现与工程项目投资决策系统（或工程信息系统）相配合的计算机辅助预测系统．

计算机辅助预测茶叶包装储存期系统的研究

本文首先阐述了茶叶包装储存期的影响因素,然后研究了茶叶包装储存期预测系统软件的具体编程方法,最后结合实例,展示了计算机辅助预测茶叶包装储存期的过程。

大、中型冲压模具计算机辅助成本预测系统

建立了针对大、中型冲压模具进行成本预测的三种数学模型,通过引入模具相似度,将指数平滑法科学地用于模具成本预测,实现了对模具成本的模糊预测。以此为基础,开发了大、中型冲压模具的计算机辅助成本预测系统。

基于预测码辅助的CDMA系统盲NBI抑制技术

在信号统计特性和训练序列未知的情况下,针对现存盲自适应最小均方(LMS,Least Mean Square)码辅助算法码分多址(CDMA,Code Division Multiple Access)系统强窄带干扰(NBI)进行抑制时稳态性能较差,以及盲自适应递归最小二乘(RLS,Recursive Least Square)码辅助算法收敛速度和性能难以折中的问题,提出盲自适应预测码辅助技术。盲自适应预测码辅助技术基于盲自适应RLS预测-LMS码辅助算法实现,实现了对三类NBI的抑制,包括音频干扰、数字窄带干扰和自回归(AR,Autoregressive)随机过程。本文详细分析了盲自适应RLS预测-LMS码辅助算法的性能,并通过仿真分析证明了算法的有效性。

基于改进预测码辅助的CDMA系统盲NBI抑制技术研究

针对码分多址(CDMA)系统各类窄带干扰(NBI)-自回归(AR)随机过程、音频干扰及数字NBI的抑制问题,在传统盲串行-最小均方预测-最小均方码辅助(S-LMS-LMS)技术的基础上,提出了两种改进的盲预测码辅助技术。其中,对实时处理要求较高时,提出的盲并行-最小均方预测-最小均方码辅助(P-LMS-LMS)技术通过将串行处理的预测模块和码辅助模块并行化实现了高速滤波;对系统性能要求较高时,提出的盲串行-最小均方预测-递归最小二乘码辅助(S-LMS-RLS)技术通过将码辅助模块的LMS算法变换为RLS算法,不仅可获得更快的收敛速度,而且具有更低的用户均方误差均值。通过仿真分析证明了2种改进算法的有效性。

计算机辅助预测茶叶包装储存期系统的研究

近年来,随着物联网的发展,茶叶的销售、存储逐渐呈现出智能化、网络化的发展趋势。对茶叶包装存储期的预算对产品的保质期有很大的影响,包装不仅可以保护产品的品质,而且优美的包装还可以刺激消费者的消费需求,促进销售的作用。饮茶作为我国民众生活中非常重要的生活享受,加强茶叶包装对于茶叶销售具有很大的影响。随着计算机技术的发展,针对茶叶包装存储期预测将有利于控制茶叶质量,促进茶叶销售。本文将针对计算机辅助预测茶叶包装储存期系统进行研究,为茶叶包装储存期系统构建提供建议。

梁系结构焊接变形计算机辅助预测系统

介绍了以焊接变形经验公式和试验数据为基础 ,结合数字化技术 ,预测梁系焊接构件焊接变形的系统构建与实现。该系统既避免了仅凭个人经验来预测梁的焊接变形而引起的偏差 ,又省去了采用复杂耗时的各种数值计算 。

计算机辅助安全因素分析预测方法及应用

将传统的事故树分析与模糊数学理论结合起来,既能利用基本事件的概率进行分析预测,同时在无法确定概率值的情况下又能方便地利用现场实际经验进行因素分析预测。整个预测过程由计算机辅助完成。

基于支持向量机的电力系统状态估计多类型数据异常检测

为了解决异常数据严重影响电力系统状态估计性能的问题,提出了一种基于支持向量机(SVM)的电力系统预测辅助状态估计(FASE)多类型数据异常检测方法。首先,针对传统FASE的预测准确率欠佳的问题,提出了基于极限学习机的FASE方法,并利用SVM并基于预测数据、量测数据与估计值,实现了对坏数据、负荷突变和单相接地等多种类型的数据异常检测。其次,针对惩罚因子和核函数参数会影响分类精度的问题,提出采用灰狼算法对SVM参数进行优化,在兼顾计算速度的同时提高了数据异常检测的准确率。最后,在IEEE 33和丹麦DTU 7K 47节点主动配电网系统上进行仿真测试,所提方法在正常工况下提升26.08%与26.76%,计算速度提升46.05%,在数据异常情况下准确率综合提升32.04%与29.27%,结果表明,所提方法具备较强的通用性与实时性,可以有效地检测电力系统中各种类型的数据异常,并提高状态估计的性能。

基于LightGBM的乳腺癌预测模型

目的利用乳腺癌临床数据集,构建LightGBM预测模型,评价LightGBM模型预测效果。方法选取Wisconsin医学院WilliamH.Wolberg博士提供的共699例乳腺癌临床数据,构建LightGBM预测模型,并与SVM模型、XGBoost模型在准确性、灵敏度、特异性、AUC上进行对比,绘制三种模型的ROC曲线。结果经过五折交叉验证结果表明LightGBM模型在准确性上为97.14%,灵敏度为98.32%,特异性为96.54%,AUC为0.9743,在准确性、AUC方面均高于SVM模型、XGBoost模型。结论相比而言,LightGBM预测模型更具优势,分类效果更好,在利用计算机技术对乳腺癌进行辅助诊断的方面有促进作用。

标记的等位基因频率对标记辅助导入效率的影响研究

本研究利用标记辅助最佳线性无偏预测(MBLUP)方法探讨了标记的4个等位基因具有不同频率时对标记辅助导入效率的影响。结果表明:利用MBLUP进行前景选择时,导入QTL频率不随供体中初始的标记等位基因频率的变化而变化,即使当供体中初始的标记等位基因频率很低时(0.5/0.25/0.2/0.05),仍然能获得很高的导入QTL频率(0.9954)。