基于马尔科夫链蒙特卡洛方法的光伏电站可靠性评估

为了对大型光伏电站进行可靠性评估,首先建立了光伏电站各主要元件的可靠性评估模型,然后定义了光伏电站可靠性评价指标体系,最后采用马尔科夫链蒙特卡洛(MCMC)方法对光伏电站可靠性进行了评估。在光伏阵列建模过程中,以误差作为限制条件采用向后场景削减技术对其状态进行了削减和划分,在保证一定精度的同时简化了抽样过程。通过对某大型光伏电站可靠性评估算例,对比分析了MCMC方法和蒙特卡洛(MC)法的指标计算结果、收敛速度和稳定性,结果验证了该方法的评估结果与MC方法结果一致,在相同的收敛条件下所需抽样次数更少,速度更快。

近似贝叶斯计算结合马尔科夫链蒙特卡洛的概率潮流计算

风电等分布式电源的强随机性直接增强配电网的不确定性,提出一种近似贝叶斯计算结合马尔科夫链蒙特卡洛的方法求解概率潮流。根据近似贝叶斯计算考虑状态变量先验信息的概率思想,结合马尔科夫链蒙特卡洛得到计及随机性的状态变量模拟样本。再采用奇异值分解生成随机变量的观测样本,通过误差函数将系统的随机性刻画为模拟样本和观测样本的相似性。引入提议分布结合概率潮流模型实现统计特征值的计算和对比,再利用Jacobi行列式作为误差修正量更新样本值,使之最大程度接近真实后验分布。在IEEE 9、IEEE 33节点系统中的仿真结果表明,改进的近似贝叶斯计算较传统近似贝叶斯计算拟合精度更高,能有效降低状态变量后验概率求解难度,可用于高渗透率风电并网下系统分析与评估。

采用改进马尔科夫链蒙特卡洛法的风电功率序列建模

建立能更好复现历史数据特征的风电功率序列模型,对计及高渗透率风能接入影响的电网规划和运行具有重要意义。该文首先通过研究面向随机变量(风电功率)建模的滑动平均滤波参数寻优方法和构建状态数优化决策模型,提出风电功率序列的自适应状态划分策略,客观划分历史数据。然后针对现有方法难以计及状态转移概率随状态持续时间增长而变化的问题,提出三维状态转移概率矩阵及其解维修正方法,抽样生成人造风电功率状态序列,进而在分析历史数据波动量及噪声概率分布的基础上,完善现有的波动特征叠加方法,模拟人造风电功率序列。与现有马尔科夫链蒙特卡洛(MCMC)法进行对比分析表明,该方法能更好地复现历史数据特征(转移、波动特征等),在提高建模精度的同时,并未增加状态转移概率矩阵生成算法的时间复杂度。

基于马尔科夫链蒙特卡洛的台区可靠性评估方法

随着居民生活水平的不断提高,用于居民用电服务的台区供电强度不断提高。为了实现对运行中台区的可靠性进行实时监控与评估,提出基于马尔科夫链蒙特卡洛方法的台区可靠性评估理论,该方法实现海量待处理信息下高维数据的降阶与解耦,在兼顾经济性的同时又能及时发现潜在的存在安全风险的台区并及时地安排运维人员处理,历经一年多的现场运维检验,结果证明了所提出方法的有效性与科学性。

朴素贝叶斯模型及马尔科夫链蒙特卡洛方法在客服中心监控预警系统中的应用

通过对客服中心业务系统监控预警的需求分析，提出一种信息系统运行风险的预警算法，并通过信息系统运行的历史大数据学 习训练逐步调整算法参数，成功对关键业务系统运行风险提出预警。

基于马尔科夫键蒙特卡洛抽样的最大似然时差-频差联合估计算法

该文针对无源定位中参考信号真实值未知的时差-频差联合估计问题,构建了一种新的时差-频差最大似然估计模型,并采用马尔科夫链蒙特卡洛(MCMC)方法求解似然函数的全局极大值,得到时差-频差联合估计。算法通过生成时差-频差样本,并统计样本均值得到估计值,克服了传统互模糊函数(CAF)算法只能得到时域和频域采样间隔整数倍估计值的问题,且不存在期望最大化(EM)等迭代算法的初值依赖和收敛问题。推导了时差-频差联合估计的克拉美罗界,并通过仿真实验表明,算法在不同信噪比条件下的估计精度优于CAF算法和EM算法,且计算复杂度较低。

基于马尔科夫链-蒙特卡洛法的债务抵押债券定价模拟

文章旨在通过马尔科夫链-蒙特卡洛法(MCMC)对债务抵押债券CDO进行定价模拟。以寻求CDO产品预期回收率与其预期违约率间的关系,并研究两者对债务抵押债券定价模拟的影响。研究发现,在CDO投资中,资产池中的个别资产违约,将会将违约信号和相应的信用损失传递给各个相关投资者。所以,理性控制CDO标的资产的违约风险,降低其违约概率是提升CDO资产定价的重要举措。

不规则区域上Poisson方程的蒙特卡洛马尔科夫链方法求解

本文研究了不规则区域上泊松方程的蒙特卡洛马尔科夫链方法数值求解。在不规则区域上,微分方程的数值计算通常是困难的。基于有限差分的思想,本文构造了可吸收马尔科夫链来求解不规则区域上的微分方程。不规则区域的数值实验结果表明了该方法的可行性和有效性。该方法为求解不规则区域上的泊松方程提供了一种新的计算思路,并保持了空间方向上二阶收敛阶。

船舶引航过程风险马尔科夫链模型动态仿真

为定量研究特定水域船舶引航过程风险演化规律,有效进行船舶进出港安全预控,本文通过对港区水域船舶引航作业工作流程分析,确立不同船舶引航作业任务的风险程度,提出船舶引航状态处于港内外锚地、航道和泊位前沿等水域之间的转移方程。计算结果表明:船舶引航状态的转移符合马氏稳态特性,经潮汐型波动后走向稳定;船舶航行状态转移的过程变量对港区水域总体船舶秩序影响明显。基于马尔科夫链蒙特卡洛方法的过程风险仿真模型适用于海上交通风险的模拟分析,可为船舶安全管理提供风险演化的基本规律。

基于RFM分析模式与马尔可夫链的客户行为预测模型研究

对客户的分析预测立足于RFM分析模式,并以F,M两个行为变量定义出单期客户购买行为的9种状态,接着采用k-means算法对客户进行聚类分析,归纳出5种针对前面9种不同客户状态所要采取的方案。然后借助马尔可夫链理论,建立转移矩阵。同时利用Dirichlet-Multinomial模型来估计转移概率,从而解决客户信息的单一性不足和转移矩阵内的多项式分配问题。对于Dirichlet-Multinomial模型的参数本文是运用马尔科夫链蒙特卡洛模拟方法(MCMC)中的吉布斯(Gibbs)抽样算法来估计的。最后通过软件WinBUGS1.4建模分析进行实证研究,并进一步针对模拟次数和统计变量进行参数优化,来得到最终的转移矩阵。结果证明其适用性与准确性都优于传统预测方法,提高了客户购买行为预测的准确性。

冷链温度在线计量的不确定度动态评定

温度测量过程具有时变性、随机性以及自相关性的特点,传统的不确定度评定方法并不适用。针对冷链温度在线计量的不确定度动态评定这一难点,提出一种结合马尔科夫链蒙特卡洛的数据融合贝叶斯估计方法。按历史数据设定先验分布,对当前样本数据应用最大似然估计方法获得似然函数,以先验分布和似然函数的联合概率密度函数为状态转移函数构造马氏链,并使用Metropolis-Hastings算法进行抽样,以抽样后的结果作为该次评定结果及下次评定的先验信息,实现信息的继承与更新。分别使用GUM法、传统贝叶斯不确定度评定方法和所提方法对冷库工况下温度测量数据进行评价。结果表明所提方法较传统贝叶斯方法改善了41.67%,且精准度更高、稳定性更好,有助于提高测量结果价值和实现动态不确定度评定。

多孔介质中多环芳烃与细菌共运移数值模拟

地下水中微生物等胶体对多环芳烃的运移具有促进作用,为进行多环芳烃污染的精准、高效修复,需要建立准确、可靠的多环芳烃与细菌胶体共运移数值模拟模型。研究基于室内砂柱荧蒽运移系列实验,采用Hydrus中Colloid-Facilitated Solute Transport(C-Ride)模块构建荧蒽与细菌FA1共运移数值模型,并采用马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo,MCMC)进行模型参数不确定性分析,定量刻画荧蒽在水动力和微生物胶体作用下的运移过程。结果表明:基于Hydrus C-Ride模块和MCMC参数不确定性分析,能够准确地刻画荧蒽和细菌FA1的共运移过程;细菌FA1促进了荧蒽在多孔介质中的迁移速度,且导致荧蒽在多孔介质中运移回收率的增加,即由55.06%提升至76.16%,其中吸附至可移动胶体迁移和随水流迁移贡献的回收率分别为41.46%、34.69%。研究成果对于指导地下水污染微生物修复方案的优化设计具有重要的理论和现实意义。

基于决策分析的社交网络链路预测方法

社交网络是社会媒体信息传播的骨架,对其进行链路预测的研究将有助于社会媒体平台上的信息管理和舆论控制.在既有网络链路预测方法研究的基础上,以决策分析的思想为出发点,提出了引入效用函数分析的社交网络链路预测方法;针对效用函数中参数的估计问题,进一步提出了允许一定误差度的马尔科夫链蒙特卡洛参数校准方法,并对方法的正确性进行理论上的论证.在收集到的5个腾讯QQ群的数据集上,进行了新方法的验证研究,并与既有的链路预测方法在准确性方面进行了比较分析.研究表明:本文提出的预测方法考虑了链路形成的微观行为基础,具有较好的预测准确性,并且参数估计算法中"允许误差"的引入有助于模型应用者在模型效率和准确性方面的折衷中做出合理的决策.

基于爬坡方向状态划分的MCMC风电功率序列建模方法

由于电网弃风或者灵活性资源不足往往发生在风电大量发电时,故提高风电时间序列模型对大出力状态的建模-抽样精度,有助于后续的电网灵活性资源相关研究。在传统马尔科夫链蒙特卡洛(MCMC)法和持续与波动蒙特卡罗(PV-MC)法基础上,提出一种考虑爬坡方向状态划分的改进方法,以更准确地描述风电出力连续爬坡至大出力状态的过程。该方法以累积分布概率而不是以功率大小均匀划分状态区间,使各个状态区间的样本分布更均匀,提高了风电时间序列模型对大出力状态的建模-抽样精度。通过算例比较所提方法、MCMC法及PV-MC法生成风电功率序列与历史数据的分布特性和统计特性指标,结果表明,所提方法的拟合度较好,且能够有效解决MCMC法和PV-MC法高出力、样本偏少的问题。

基于拉丁超立方抽样的改进型多链DRAM算法求解地下水污染反问题

针对运用贝叶斯统计方法求解地下水污染反问题时,经典MCMC算法(Metropolis算法)求解结果受样本初始点影响且计算效率低的问题,提出了一种基于拉丁超立方抽样方法的改进型多链延迟拒绝自适应Metropolis算法(DRAM)。将贝叶斯统计方法与二维水质对流-扩散方程相耦合,建立地下水污染源识别模型。构建一个污染物在地下水含水层中瞬时排放的算例,分别运用Metropolis算法、多链Metropolis算法以及改进型多链DRAM算法对污染源信息(污染源强度、排放位置(x,y)和排放时长)进行反求。算例研究表明,Metropolis算法受样本初始点影响,容易出现反演结果局部最优或者反演结果难以收敛的问题;多链Metropolis算法虽然显著提高了反演结果的准确性,但是反演效率相对低下;改进型多链DRAM在保证反演准确性的条件下,可显著提高反演效率(相对于多链Metropolis算法提高68%),实现反演结果准确性与效率的双提高。

基于Jeffreys先验的参数相关退化可靠性评估

通过Jeffreys无信息先验分布描述了Gamma退化过程中参数的相关性,由贝叶斯模型得到各参数满条件分布,使用马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法得到参数后验期望估计,最后给出可靠度评价模型。工程实例表明,所得可靠性评估较独立情形更为保守,能够更早地给出产品修理建议。同时,仿真表明,可靠度要求越高,相关与独立情形寿命估计结果偏差越大,0.9999可靠度下偏差率最大可达9.26%。

基于贝叶斯推断的地下水流模型非高斯源项场的识别

地下水模型中非均匀介质的复杂性及观测数据的稀缺性使模型存在不确定性。为了更好地预测模型的输出,需要我们基于有限的观测数据来估计模型中的未知参数,降低不确定性。贝叶斯方法是刻画不完全数据、模型偏差和测量误差带来的不确定性的有效方式,它可以根据现有数据确定参数向量的后验分布。在实际应用中,其主要挑战在于从后验分布中抽样。传统抽样方法随未知参数维数的增加而出现退化现象。本文主要利用最大期望变量选择(EMVS)方法来识别稀疏离散余弦变换(DCT)系数,并对后验分布中的超参数进行自适应更新,以提高问题的求解效率;特别地,利用逆Hessian矩阵来加速朗之万动力学蒙特卡洛马尔科夫链(MCMC)的收敛速度,使用敏感性矩阵构造的简化模型来有效地计算梯度和Hessian矩阵,高效地解决高维不确定性分析和反演问题。基于地下水源项识别高维反演数值实验,验证了反演方法能够得到可靠的参数估计,为提高地下水模拟在实际应用中的可靠性和计算效率提供了新的思路,对后续的地下水资源管理决策制定具有重要意义。

一种HRG模型初始化算法及在链路预测中的应用

在利用层次随机图(HRG)模型对真实网络进行链路预测的过程中,需要构造一个初始层次随机图来初始化马尔科夫链以运行马尔科夫链蒙特卡洛抽样算法。针对现有的层次随机图初始化方案效率不高的问题,本文对初始层次随机图模型进行重建,提出一种新的层次随机图模型初始化算法。该算法分为2个阶段,第一阶段引入相似性指标(LHN-I指标)为网络中的边进行排序;第二阶段利用排序好的边对层次随机图模型进行构造。在该过程中,设计一种将网络顶点插入到层次随机图模型中的方法。通过3个实例网络对提出的算法与现有算法的性能进行比较,实验结果表明,利用提出的初始化算法构造出的初始层次随机图不仅有着较高的似然值,而且使得马尔科夫链蒙特卡洛算法能够更快地收敛,进而降低链路预测的时间消耗。除此之外,在链路预测实验中,改进的基于层次随机图模型的链路预测算法相比一些基于相似性指标的链路预测算法有着较好的预测精度。

似然函数形式对水稻物候期模型品种参数校正的影响

针对传统高斯正态似然函数(Gaussian likelihood function,GLF)在观测数据存在测量误差和模型算法结构复杂时无法描述模型残差异方差特点,造成马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)算法进行模型参数校正时结果存在偏差的问题,通过引入变异系数(coefficient of variation,CV)变换的高斯似然函数(GLF with CV transformation,GLF-CV)和BC(Box-Cox)变换的高斯似然函数(GLF with BC transformation,GLF-BC)对观测数据和模型结构造成的异方差进行特征描述,并比较了参数校正效果及模型不确定度(uncertainty ratio,UR)。以2004—2009年高要雪花粘(早熟)、2001—2004年兴化武育粳3号(中熟)、1991—2004年六安汕优63号(晚熟)3个生态点的田间栽培试验数据为基础,RiceGrow和Oryza2000物候期模型为对象,利用仿射不变马尔科夫链蒙特卡洛集成采样(ensemble sampling for affine-invariant MCMC,EMCEE)算法实现模型参数校正,并比较了GLF-CV、GLF-BC、GLF对校正结果的影响。研究表明:1)3种似然函数下,RiceGrow和Oryza2000物候期模型预测均方根误差(root mean square error,RMSE)范围分别2.66~4.54d、2.30~4.41 d,表明3种似然函数用于参数校正均有效果。2)在RiceGrow物候期模型中,3个水稻品种参数相对均方根偏差(relative root mean square deviation,RRMSD)和模型预测RMSE均是GLF-BC最小,在GLF-BC下模型预测RMSE比GLF-CV小0.09、0.07、0.80 d,比GLF小1.21、0.20、0.07 d,表明GLF-BC对RiceGrow物候期模型具有良好的适应性。3)在Oryza2000物候期模型中,雪花粘、武育粳3号、汕优63号3个水稻品种的模型预测RMSE最小的是GLF、GLF-BC和GLF-CV,分别为2.30、4.17、3.50 d。可以看出LF的选择与模型残差异方差的主要来源有关,当主要来源为观测数据时,GLF-CV好于其他;当主要来源为模型结构本身时,GLF-BC好于其他;当模型残差的异方差性较小时,可使用GLF。

基于氢能设备多状态模型的电氢区域综合能源系统可靠性评估

针对现有电氢区域综合能源系统(EH-RIESs)可靠性评估方法未能充分考虑氢能设备故障机理及其多状态运行特性、缺乏供氢可靠性水平量化评估指标及方法等问题,该文提出基于氢能设备多状态模型的EH-RIESs可靠性评估方法。首先,剖析了氢能设备运行特性与故障机理,建立了考虑降额运行状态的碱性电解槽多状态可靠性评估模型、计及热电联产模式的燃料电池多状态可靠性评估模型及加氢机组的多状态可靠性评估模型,为准确模拟EH-RIESs运行状态奠定了坚实基础;其次,以弃风光成本和异质能源负荷削减成本之和最小为目标,建立考虑电氢异质能量系统耦合的最优负荷削减模型;然后,从供氢可靠性水平、设备对氢负荷缺供能量的贡献程度及系统经济损失等方面,构建了供氢可靠性评估指标体系;最后,结合氢能设备多状态模型和马尔科夫链蒙特卡洛法,建立了EH-RIESs可靠性评估方法,实现了对EH-RIESs内氢能等异质能源供给可靠性水平的准确量化。采用两个不同规模的EH-RIESs进行仿真分析,验证了该文所提模型及评估方法的有效性和适应性。