α稳定分布噪声环境下DLMP算法的收敛特性分析

本文给出了分数低阶统计量的一个定理,对DLMP算法的收敛性进行了数学分析和理论证明.包括:DLMP算法代价函数的收敛性证明以及DLMP算法步长因子μ值的选取分析.当p=2时,DLMP算法的代价函数,算法估计结果的无偏性以及算法的步长因子μ值的选取范围均与基于二阶统计量的DLMS算法保持了统一.证明了DLMP算法为DLMS算法在α(1<α≤2)稳定分布噪声环境下的推广.

分数低阶α稳定分布下DLMP算法的收敛特性分析

DLMP算法是一种在高斯和分数低阶α稳定分布噪声环境下均具有良好韧性的EP信号潜伏期变化检测算法 .本文基于分数低阶统计量的原理 ,根据确定性平均方法 ,结合文中给出并证明的两个引理 ,对DLMP算法的收敛性能进行了理论分析和证明 .结果表明 ,若EP潜伏期变化为EP信号采样间隔的整数倍 ,则DLMP算法对这种变化的估计是无偏估计 .若整数倍的条件不满足 ,则DLMP算法的估计偏差不大于半个采样间隔 .

平行能源系统:博弈的复杂社会技术系统

为了研究和模拟能源系统与社会系统之间的交互,提出了基于博弈论的复杂社会技术系统CSTS(compos ite socio-technical systems),从而建立两个不同系统之间的联系。首先通过对美国丹佛大学校园电网各楼宇的用电行为进行数学建模,为了得到博弈最佳校园用电量,策略迭代P(Ipolicy iteration)算法被用来提高综合能源系统中的整体社会福利。分布式虚拟迭代DFI(distributed fictitious iterative)算法可以确定校园电网内57栋楼的最佳温度设定和对应的耗电量。结果表明社会系统与技术系统之间存在着相互作用,相互引导的关系。数值实验从节能和减少用电成本等方面验证了所提出方法在美国丹佛大学校园电网的可行性。