应用于锂电池荷电状态估计的电流型阻抗谱分析仪的开发及应用

研制了一种高功率密度紧凑型的锂电池电流型电化学阻抗谱(GEIS)分析仪,其具有集成度高、精度高、输出激励大和测试频率范围广等优点,满足不同锂电池GEIS测试的需求。在完成仪器整体方案设计后,对硬件系统模块展开深入测试,以确保系统可靠性和准确性。通过对实际18650型锂电池进行GEIS测试,并将结果与专业仪器Gamry Reference 600+进行比较,结果显示本仪器测试阻抗模值的相对误差和相位绝对误差分别不超过2%和3°。为验证所提出的电池荷电状态(SOC)估计算法,使用该仪器对实际电池样本进行测试,共获得60组不同SOC下锂电池的阻抗谱数据。将阻抗谱数据作为高斯过程回归(GPR)的输入,可以实现对锂电池SOC的估计,平均绝对误差在3.9%以内。该文研发的锂电池GEIS分析仪,有望集成于电池管理系统,为更多基于阻抗谱的锂电池状态估计算法提供实时的数据来源,以实现锂电池更高水平的运行状态监测。

Heisenberg群上次Laplace算子的Carleman型估计与唯一延拓性

本文在适当条件下给出了Heisenberg群上次Laplace算子的Carleman型估计, 并由此建立了唯一延拓性.

L型阵水下目标方位和距离联合最大似然估计

空间目标定位是阵列信号处理领域中的研究热点,广泛应用于雷达、声纳、通信、射电天文、医学诊断、地震遥感等众多领域。传统的水下声源定位仅获取目标声源的深度和距离信息,却无法估计目标的方位信息。针对这一问题,在充分考虑水下声传播模型的基础上,利用L型阵列固有的结构特征,将最大似然估计技术应用到水下目标定位,提出一种基于L型水听器阵列的水下目标方位与距离联合最大似然估计算法。研究表明:最大似然估计法可有效突破传统波束形成分辨力“瑞利限”的限制,提高水下目标定位的分辨能力和精度。计算机仿真分析显示,在单目标和相干双目标的场景中,文中所提出的方法均具有更为尖锐的谱峰及更低的旁瓣水平,可对水下目标进行有效的方位角和距离联合估计。

Ⅱ型双删失样本下逆Topp-Leone分布的Bayes估计

在Ⅱ型双删失样本下,研究了逆Topp-Leone分布参数的极大似然估计,证明了极大似然估计的存在性和唯一性;基于未知参数的先验分布为Gamma分布和Jeffrey分布,分别在三种不同损失函数下,得到逆Topp-Leone分布未知参数的Bayes估计。根据后验密度函数得到预测密度,进而得到未来观测值在三种损失函数下的预测估计值。为了比较在不同损失下Bayes估计的优劣,采用数值模拟方法计算了各种估计的均值及均方误差,结果表明在Linex损失下未知参数的Bayes估计量更接近真值,均方误差最小。

基于贝叶斯估计的空间函数型自回归模型及其应用

目的为了研究函数型数据中响应变量的空间相关性,根据现有研究方法,对具有空间依赖性的函数型数据进行研究,并提出其模型的贝叶斯估计方法。方法以典型空间自回归模型为基础,根据函数响应变量的空间依赖性,假设响应变量和解释变量间存在内生关系,生成空间函数型自回归模型,通过主成分分析将模型中函数型部分变为离散型,然后在给定先验情况下计算模型中参数的完全条件后验分布,使用贝叶斯MCMC方法进行估计。结果使用联合Gibbs采样和随机游动的Metropolis-Hastings算法对模型中参数进行估计,通过模拟研究发现:不同参数下模型的函数型系数以及其他参数的估计偏差和均方误差较小,由此验证了贝叶斯估计方法的有效性,同时将空间函数型模型用于重庆市主城区新房平均价格的实证分析,结果表明所提出模型的贝叶斯估计方法是有效的。结论使用贝叶斯估计方法对模型中参数进行估计,在不同情况下函数型解释变量的估计效果一直都比较好,并且随着样本量的增大,其估计效果也越来越好,可以认为使用贝叶斯估计方法对空间函数型自回归模型进行估计是有效且可行的,同时通过实证分析说明重庆市主城区新房平均价格具有空间自相关性,而且会受到二手房挂牌量的影响。

并网型直流微电网的非线性降阶建模及其估计吸引域的优化计算

面对“双高”电力系统的高维度、高随机性和强非线性,现有的建模和稳定性分析方法受限于维度、难以求解且准确度低。针对此问题,该文提出一个面向“双高”电力系统,包含非线性降阶建模和估计吸引域优化计算的稳定性分析框架。首先,考虑分布式光伏和恒功率负载的地理环境因素,应用Pioncáre规范理论,将并网型直流微电网的二次状态偏差模型依次进行分块降维、解耦和降阶变换,建立一阶二次微分方程形式的非线性降阶模型。然后,基于李雅普诺夫稳定判据,结合构造含辅助变量的最优化模型思想,并利用克罗内克积性质,提出估计吸引域的优化计算方法,构建优化的估计吸引域(optimalestimatedregionofattraction,OEROA)。最后,以分布式光伏云层遮蔽和恒功率负载扰动下的微电网系统作为算例,与基于LaSalle定理的李雅普诺夫法、Takagi-Sugeno(T-S)模糊模型法对比,验证所提方法构建的估计吸引域具有更低的保守性,以及所提分析框架的有效性。

计及频率响应延时的构网型变流器惯量参数数据驱动估计方法

大量可再生能源并网引起电力系统惯量水平降低,变流器的虚拟惯性控制技术有效提高了系统频率稳定性。在此背景下,评估变流器的惯量参数对于了解电力系统频率调节潜力有重大意义。然而,考虑到频率响应特性的差异,现有的应用于同步发电机的惯量估计方法不适用于基于数字控制的虚拟惯性。为了解决这一问题,文中提出了一种基于深度强化学习的非侵入式构网型变流器惯量参数在线估计方法。首先,分析了构网型变流器的频率响应原理和延时特性并进行了测试;随后,在深度强化学习框架下设计串联-并联辨识结构,采用近端策略优化方法建立考虑频率响应延时的演员网络和评论家网络,进而估计构网型变流器的惯量参数。最后,采用数值仿真和硬件在环实验验证了所提方法的有效性和精确性。

逐步增加Ⅱ型截尾下Pareto分布形状参数的Bayes估计

基于逐步增加Ⅱ型截尾样本,首先得出Pareto分布形状参数的极大似然估计,考虑两个损失函数和形状参数的两个先验分布,得出该分布形状参数的4个Bayes估计。由数值模拟结果发现,上述四个Bayes估计值的均方误差均小于极大似然估计值,其中,当损失函数为二次损失函数,形状参数的先验分布为共轭先验分布时的Bayes估计的均方误差较小,估计效果更理想,且实例分析与数值模拟结果相符。其次在二次损失函数下,针对形状参数先验分布选取共轭先验分布,给出Pareto分布形状参数的多层Bayes估计和E-Bayes估计。

L型互质阵的虚拟共轭插值二维DOA估计方法

针对现有互质阵DOA估计方法无法充分利用非连续阵元信息和信号时域信息,而导致的DOA估计精度低、虚拟阵列的阵列孔径小和自由度少的问题,本文提出了一种L型互质阵的虚拟共轭插值二维DOA估计方法。该方法首先以L型互质阵的阵列接收数据为基础,通过求解其互相关函数,来构造虚拟共轭增广阵列的接收数据矩阵;然后通过阵列插值补零和选取协方差矩阵非零列,得到含有部分缺失项的虚拟均匀线阵接收数据矩阵,并依据原子范数的思想,构造无网格凸优化问题,对虚拟均匀线阵协方差矩阵的缺失项进行填充,再使用求根多重信号分类方法得到入射信号与x轴和z轴正方向夹角的估计值;最终基于虚拟信源功率的唯一性,通过构建相关代价函数实现各轴夹角估计值的匹配,进而根据各轴夹角与方位角和俯仰角的关系,得到相匹配的方位角和俯仰角估计值。本文方法提高了DOA估计精度,扩展了阵列孔径,提高了自由度,且通过求根多重信号分类方法,降低了计算复杂度。仿真实验结果表明,本文方法能够实现二维DOA估计与角度匹配,且相比于对比方法,本文方法能够估计更多的信号源,拥有更加优越的DOA估计性能。

多复变数某类推广的螺型映射精确的系数估计

主要用统一方法建立限制条件下复Banach空间单位球与Cn中单位多圆柱上某类推广的β型螺型映射全部项齐次展开式的精细估计.同时,也用统一方法建立较弱限制条件下C^(n)中Dp1,p2,…,pn=■,pl>1,l=1,2,…,n上某类推广的β型螺型映射主要系数的精细估计.特别地,限制条件下k折对称β型螺型映射的结果是精确的.所得结果包含前面文献中许多已知结论.

经二极管整流并网的构网型风机大扰动建模与稳定性分析

二极管整流单元型高压直流(DRU-HVDC)送出系统因其经济性优势,在新能源基地直流送出领域具有良好的应用前景。然而,在当前构网型换流器的大扰动稳定性研究中,大多由大容量同步机或大电网支撑故障点的频率和相位,且查表式设定故障电流参考值,缺乏对构网型风机接入DRU-HVDC系统这类故障点频率由换流器控制主导且动态调整故障电流参考值系统的研究。为解决上述问题,首先,建立计及电流限幅和频率控制的高阶非线性微分方程模型;然后,推导故障后系统平衡点的解析表达式,并论证采用q轴优先的电流限幅策略和频率控制在保障大扰动后平衡点存在性方面的优势;最后,基于Takagi-Sugeno法构建Lyapunov函数并得到系统的估计吸引域,分析换流器关键控制参数对暂态稳定性的影响,并与PSCAD/EMTDC中仿真算例进行对比,以验证暂态稳定性分析的准确性。

特殊拉格朗日型方程在超临界相位下的内部梯度估计

本文研究了在超临界相位下的特殊拉格朗日型方程arctan{∆uIn−D^(2)u}=Θ(x),并建立了与特殊拉格朗日型方程相关的解的内部梯度估计.

参数估计误差对多级评分题型测验等值的影响

信息量加权特征曲线方法在二级评分题型测验等值中表现优异,但未有研究探讨参数估计误差的作用。本文将其扩展到多级评分题型。通过模拟研究探讨参数估计误差、考生能力差异、题目数量对等值的影响。采用特征曲线与误差类指标评估等值表现。结果发现测验信息量加权特征曲线方法略优于传统方法,其他方法与传统方法相当。参数估计误差与考生能力差异越小,题目数量越大,测验等值表现越优。偏差与方差权衡现象为测验等值提供新方向。

带有删失函数型协变量的非参数模型的估计研究

该文在删失函数型协变量背景下,研究非参数模型的估计问题,通过使用曲线扩展算法把删失函数型数据扩展为完整函数型数据.该算法具有很好的准确性和灵活性,避免了删失函数型数据难以建模的问题.使用函数型核估计方法得到模型中非线性算子的估计值.通过数值模拟验证该算法的有效性和删失函数型数据对非参数模型的影响,并应用于肝硬化数据集的数据分析中.

基于改进型Smith预估计器与大数据的光伏电网调频逐步惯性控制方法

光伏电网频率调整过程中,依靠常规Smith预估控制器实现电网调频控制,对模型精度具有较强的依赖性,控制策略实施后最大频率变化率(rate of change of frequency,RoCoF)较大。因此,提出基于改进型Smith预估计器与大数据的光伏电网调频逐步惯性控制方法。首先,采集历史气象数据和光伏电网运行数据,应用大数据分析领域的密度峰值聚类算法进行划分处理,再筛选相似日数据输入长短期记忆网络中,预测出未来光伏发电的功率变化;然后,依托逐步惯性控制思想,设计包含短时超发、转速恢复等多个阶段的电网调频控制策略,将模糊自适应比例-积分-微分(proportion-integration-differentiation,PID)控制器融入常规Smith预估计器,从而升级得到优化版的Smith预估计器;最后,在不受被控模型变化影响的情况下,依据预估补偿原理完成逐步惯性调频控制,并应用麻雀搜索算法求解出最优控制参数。实验结果表明:该控制方法实施后,光伏电网运行过程中最大RoCoF仅为0.086 Hz/s,有效降低了对模型精度的依赖性,保证了电力系统的稳定运行。

损失函数下逐步二型删失数据广义Pareto分布参数的Bayes估计

基于逐步二型删失数据,在几种不同的损失函数下,选择广义Pareto分布,讨论其形状参数的Bayes估计。当尺度参数给定时,为θ参数引入Gamma分布作为先验分布,得到了几种不同损失函数下参数θ的Bayes估计的数学表达式,通过数值模拟方法,比较了几种损失函数下所得到的Bayes估计的效果。结果表明:在Linex损失函数下,广义Pareto分布参数的Bayes估计效果最优。

二元逻辑回归模型中的一阶近似刀切修正岭型估计

在二元逻辑回归模型中,基于一阶近似修正岭型估计方法和刀切法提出了一类新估计,即一阶近似刀切修正岭型估计,探讨得到了新估计在均方误差等准则下优于一阶近似修正岭型估计、一阶近似极大似然估计的充分条件,同时通过数值模拟和实证分析对部分理论结果进行了说明,结果显示,当满足理论结果中的条件时,一阶近似刀切修正岭型估计在相关准则下优于一阶近似修正岭型估计、一阶近似极大似然估计。

逐步Ⅱ型删失下Burr Type X分布的参数估计

针对逐步Ⅱ型删失数据下Burr Type X分布的参数估计问题,提出模型参数的一种新的贝叶斯估计及相应的最大后验密度(HPD)置信区间.假设伽玛分布为待估参数的先验分布,考虑待估参数的条件后验分布未知、单峰且近似对称,选取以正态分布为提议分布的Metropolis-Hastings(MH)算法生成后验样本,基于后验样本在平方误差损失函数下得到待估参数的贝叶斯估计和HPD置信区间.将基于MH算法得到的贝叶斯估计和HPD置信区间与基于EM算法得到的极大似然估计和置信区间在均方误差准则和精度意义下进行比较.Monte-Carlo模拟结果表明,基于MH算法得到的估计在均方误差准则下优于基于EM算法得到的极大似然估计,基于MH算法得到的HPD置信区间长度小于基于EM算法得到的置信区间长度.

基于记录值数据的一种浴盆型寿命分布置信集估计

针对一种具浴盆型失效率曲线的寿命分布,本文在记录值数据场合研究了模型参数的置信集估计问题。首先,基于记录值样本构造枢轴量,进而分别建立模型参数的精确置信区间和置信域。其次,为补充起见,进一步利用大样本原理构造了模型参数的渐近置信区间估计。最后,通过数值模拟和算例分析比较了不同置信集结果的优良性。This paper investigates the confidence set estimation problem of model parameters for a lifetime distribution with a bathtub-shaped failure rate curve in the case of recorded data. Firstly, based on the recorded value samples, pivotal quantities are constructed, and then exact confidence intervals and confidence regions for the model parameters are established separately. Secondly, for the sake of supplementation, the asymptotic confidence interval estimation of the model parameters was further constructed using the large sample principle. Finally, the superiority of different confidence set results was compared through numerical simulation and case analysis.

Ⅰ型区间删失下威布尔分布的最小二乘估计

针对Ⅰ型区间删失数据无闭合形式解的问题,提出了一种基于累积分布函数性质和指数分布顺序统计量性质的参数估计方法——NLSE方法.此方法将概率分布函数转换为累积密度函数,建立了两参数威布尔分布模型,利用威布尔线性变换构建一个回归形式,运用最小二乘估计法进行参数估计.此外,添加区间样本观测数据,在NLSE方法基础上进行改进,提出了PNLSE方法.进行蒙特卡洛数值模拟,利用偏差和均方误差两个指标对NLSE方法、PNLSE方法、MLE方法进行比较评价.结果表明,所提方法与MLE方法相比具有竞争性.另外,利用一组来自PA44飞机某训练单位发动机起动机拆换数据进行实证分析,进一步验证了PNLSE方法的优越性.