基于多项式混沌展开的电力系统概率可用输电能力评估

大规模开发和利用风能有利于实现电力系统清洁低碳转型,是实现国家“碳达峰、碳中和”战略目标的重要技术手段,但风电出力的强不确定性对电力系统区域间可用输电能力(available transfer capability,ATC)评估带来了全新的挑战,传统用于求解计及风电出力不确定性的概率ATC评估模型在计算效率和计算精度方面均存在一定的不足。为此,该文提出一种基于多项式混沌展开(polynomialchaos expansion,PCE)的电力系统概率ATC评估方法,该方法首先构建基于机会约束的电力系统概率ATC评估模型;然后,根据风电出力预测误差的概率分布特征,选择对应的正交多项式为基函数以近似风电出力预测误差及电力网络中与之相关联的其他随机变量;进一步,借助Galerkin投影和基于一阶矩、二阶矩的机会约束转化方法,将所构建的机会约束模型的概率约束转化为确定性约束,实现基于机会约束的概率ATC评估模型向易于求解的确定性优化模型的转化;进而,将概率ATC评估模型的求解问题转化为ATC的最优多项式逼近系数的求解问题,根据求得的最优多项式逼近系数和选取的基函数计算电力系统ATC的概率分布特征;最后,通过修改后的PJM-5节点测试系统、IEEE-118节点测试系统及吉林西部电网实际算例验证了所提基于多项式混沌展开的电力系统概率ATC评估方法的准确性和有效性。

基于多项式代理模型的车顶绝缘子背风侧沿面压力优化研究

高速气流下,车顶绝缘子背风侧出现低气压会使得闪络电压降低,影响列车安全运行,为了改善车顶绝缘子背风侧的低气压现象,使用代理模型对车顶绝缘子结构参数进行优化。在车顶绝缘子结构参数上选取了伞裙上、下倾角以及伞裙间距作为因子,以绝缘子背风侧沿面压力的最小值作为响应,采用全因子试验设计方法获取样本数据,并对因子的主效应和交互效应进行分析,在此基础上建立多项式代理模型,进一步得到最佳的结构参数,最后进行闪络试验验证其有效性。结果表明:伞裙上、下倾角的主效应与伞裙间距相比更加显著,各因子之间没有显著的交互效应;最佳参数:伞裙上、下倾角分别为8°和0°,伞裙间距为45mm,背风侧沿面压力最小值提高了25.62%,同时压力平均值提高了42.47%;在100m/s的风速条件下,车顶绝缘子的闪络电压提高了16.80%。研究结果可以为车顶绝缘子结构设计提供参考。

纽结琼斯多项式与整系数多项式

主要研究纽结琼斯多项式与整系数多项式之间的关系.利用纽结琼斯多项式的性质以及在某些点的特殊值,给出了宽度不同的整系数多项式为纽结琼斯多项式的成立条件.首先,给出了整系数多项式是某纽结Jones多项式的充分必要条件,给出了宽度为6的多项式是某一组结Jones多项式的充分必要条件.其次,主要研究Jones多项式与十一次整系数多项式的关系,研究宽度为9的十一次整系数多项式是琼斯多项式的必要条件,进而给出了某些纽结的Arf不变量.

基于多项式Chirplet变换的线性调频引信干扰波形设计方法

针对现代战场环境下线性调频引信干扰技术的迫切需求,提出多项式Chirplet变换的方法实现低信噪比下对调频连续波无线电引信的信号参数估计,并针对调频连续波引信重构了干扰信号。基于线性小波变换原理,选取适当的核函数,将无线电引信信号经过旋转与平移操作后进行短时傅里叶变换,再利用遗传算法求得变换核的最优参数,实现对调频连续波信号的参数估计,并重构干扰信号。仿真对比结果表明,该方法可以在较低信噪比下实现对调频连续波无线电引信信号载波频率、调制周期、最大频偏等参数进行精准估计,相较于周期调制类干扰,重构干扰信号能够以更低功率对调频引信产生较好的干扰效果。

基于多项式混沌展开的交直流系统全纯嵌入概率潮流计算方法

为快速、准确量化分析风电出力不确定性对交直流电力系统潮流分布的影响,提出一种基于多项式混沌展开(PCE)的交直流电力系统全纯嵌入概率潮流计算方法。该方法首先根据风电出力的概率分布特征选择最优正交基函数,构造近似风电出力概率分布特征的PCE表达式;其次,将该PCE表达式引入交直流电力系统的全纯嵌入潮流方程中,构建基于PCE的交直流电力系统全纯嵌入概率潮流计算模型;再次,通过Galerkin投影将所构建的全纯嵌入概率潮流计算模型转化为高维确定性全纯嵌入潮流计算模型;然后,借助确定性全纯嵌入潮流模型求解方法,实现对所转化的高维确定性全纯嵌入潮流模型的求解,并根据所得PCE逼近系数计算交直流电力系统潮流的概率分布特征;最后,通过修改的PJM 5节点、IEEE 30节点和IEEE 118节点交直流测试系统算例验证所提方法的准确性和有效性。

集合论、笛卡尔乘积和多项式定理在生命表研究中的应用:以取食玉米粒和茶树叶片的棉铃虫生命表为例

【目的】自我重复取样技术(bootstrap technique)广泛用于计算生命表各参数的方差、标准误和置信区间(confidence interval),而配对自我重复取样检验(paired bootstrap test,PBT)则用于检测处理间的生命表参数差异。本研究以取食玉米粒和茶树叶片的棉铃虫Helicoverpa armigera生命表为例,进一步解释集合论、笛卡尔乘积和多项式定理在害虫种群生物学研究中的应用。【方法】利用年龄-龄期两性生命表对取食玉米粒和茶树叶片的棉铃虫种群参数进行分析,利用集合论、笛卡尔乘积和多项式定理将种群统计分析以明确数学的方法呈现,以检测所有可能的自我重复取样样本、精确计算种群参数置信区间以及处理之间差异的置信区间,计算可育和不育样本的概率。【结果】取食茶树叶片的棉铃虫其成虫前期存活率、内禀增长率(r)、周限增长率(λ)、净增殖率(R_(0))、平均世代周期(T)均显著低于取食玉米粒的,说明茶树叶片不是棉铃虫的适宜寄主植物。因取食茶树叶片棉铃虫种群不育样本数较多,利用bootstrap重复取样接受可育与不育样本时,其结果与不用bootstrap技术计算的差异小于5%;若取样时仅接受可育样本,结果与原数值差异显著,误差较大(>5%)。使用笛卡尔配对检验(Cartesian paired test,CPT)比较取食两种食物的棉铃虫种群的R0的差异时,可计算两种处理bootstrap抽样结果所有可能差异的精确置信区间,而使用自我重复取样检验通常会导致置信区间的估值过高或过低,尤其是自我重复取样数较小时。多项式定理可以揭示可育和不育样本的自我重复取样结果。自我重复取样抽样记录必须保留,以便在后续分析中进一步应用。【结论】本研究进一步明确了两性生命表理论的数学基础,也为昆虫学研究中的生命表技术的应用提供数学支撑。

排叉链环的琼斯多项式与零点分布

该文利用纽结琼斯多项式的性质研究了排叉结的多项式的零点问题.首先,给出了纽结的多项式和排叉结的基本性质;其次,研究了排叉链环■的琼斯多项式的零点性质,讨论了当2≤n≤5时,排叉链环■的琼斯多项式的零点性质.

实系数多项式实根范围的探讨

针对实系数多项式方程,在已知一个实根的条件下,给出了其余实根上、下界的估计.然后将结论推广至已知多个实根的情形,并通过例题加以说明.

基于混合蒙特卡洛/多项式混沌展开方法的多参数随机等离子体不确定性分析

多项式混沌展开(polynomial chaos expansion, PCE)方法对于分析随机等离子体电磁传播不确定性已经展示出了相当大的潜力。然而,由于构建多项式混沌模型的计算量随着不确定性输入维数的增加呈指数增长,数值模拟耗时长,导致“维数灾难”问题。因此,本文基于非侵入式多项式混沌(non-intrusive polynomial chaos,NIPC)方法,采用混合蒙特卡洛(Monte Carlo, MC)/PCE方法研究了多层等离子体平板电子密度不确定性对透射系数的影响,并验证了所提出方法的实用性。与MC方法相比,本文方法可以大大加快仿真的速度,有效缓解了多项式展开项的数量随着随机变量维数的增加而快速增加的缺点,同时大大降低了MC方法的仿真次数,有利于电磁模型的多参数不确定性分析。

准晶问题多项式应力函数及其在有限元中的应用

本文基于广义Lekhnitskii各向异性弹性理论,提出了一种确定准晶问题多项式应力函数的系统性方法,并将之应用于杂交应力函数(HSF)单元的构造.结果表明,对于准晶平面问题,任意齐n次多项式应力函数至多存在6个独立的多项式,且多项式应力函数的一般表达式可以显式地给出.所得的多项式作为解析试函数用于构造准晶问题的新型八节点HSF单元,与传统的有限元相比,HSF单元具有更高的精度和更优异的性能.

高质量加工五次多项式速度规划算法研究

通过分析直线、指数、S曲线以及正弦函数几种常用的加减速算法,针对传统的速度规划算法存在的加工曲线不连续以及加工过程出现振荡、加工精度低等问题,提出适用于高质量加工的五次多项式速度规划算法,将整个加工过程分段,细化每一段的方程,并介绍对于待定的NURBS曲线使用五次多项式速度规划算法进行插补的过程,针对快速插补和实时插补两个阶段进行优化。结尾根据仿真加工实验图像得出结论,该算法实现了加工过程中运动曲线的连续变化、柔性变化。并将加工精度控制在理想范围之内,适应于高质量的加工。

基于多项式混沌的机床几何误差灵敏度分析

为解决目前灵敏度分析方法普遍存在的样本需求量大且计算效率不高的问题,提出了一种基于多项式混沌展开的全局灵敏度分析方法。首先,以AC型双转台五轴数控机床为研究对象,根据旋量理论建立了完备的空间误差模型。其次,构建了机床几何误差的多项式混沌展开模型,采用正交匹配追踪实现模型的稀疏化,并给出了基于该方法的Sobol灵敏度指数。进而,对五轴数控机床几何误差进行了实例分析,测量并统计出41项误差的近似概率分布,分析了影响各方向位姿误差分量的关键几何误差。通过与蒙特卡洛法和拉丁超立方法进行对比,多项式混沌展开方法的正确性得到验证,且在不降低计算精度的前提下,样本量从1×10^(5)降低到1×10^(3),计算时间分别减少96.8%和98.1%,计算效率显著提高。

n 的多项式为系数的幂级数和函数注记

研究了以n的多项式为系数的幂级数的和函数的求解问题,给出了这类幂级数和函数的一种求解方法,并得到了其和函数的通用计算公式,通过实例验证了公式的正确性.文中还得到了两个关于组合数的等式.

一类微分-差分多项式的值分布及分担有理函数的唯一性

本文利用Nevanlinna值分布理论,研究了零级超越亚纯函数条件下的一类微分-差分多项式的值分布问题,以及两个零级超越亚纯的微分-差分多项式在极点相同(不计重数)的条件下CM分担一个有理函数的唯一性问题,得到了两个定理及三个推论,所得结果改进或推广了陈文杰等人以及赵秋霞等人的相关结果.

关于矩阵多项式Jordan标准形刻画

本文利用矩阵运算、矩阵相似关系及矩阵的秩,深化了Jordan矩阵的性质,并在此基础上刻画了矩阵Jordan标准形中Jordan块的个数及阶数,最后讨论了矩阵多项式Jordan标准形,充实了高等代数中Jordan标准形的结果.

五次多项式微分方程的通解

针对五次多项式微分方程,在微分方程的系数满足一定条件的情况下,利用变量变换法,将五次多项式微分方程转化为伯努利方程或变量分离方程,进而通过积分法得到五次多项式微分方程通解存在的充分条件及通解表达式。

改进的局部最值分段多项式拟合算法精确校正拉曼光谱基线

基线校正作为拉曼光谱预处理极为关键的步骤之一,对进一步拉曼光谱数据分析和实现拉曼成像等有重要意义。目前,最常用的基线校正算法基于多项式拟合,由于其采用手动或半手动的形式,因此依赖人工经验,对用户的专业性要求较高,处理过程繁琐,处理结果差异较大。同时,在使用过程中,多项式阶数及移动分段窗口难以选择确定,因此处理的结果常出现欠拟合或过拟合现象。针对传统多项式拟合算法的此类局限性,改进了局部最值分段多项式拟合(NPPF)算法用于精确校正拉曼光谱基线。首先采用了改进的基于分段的局部最值算法,选取光谱中最宽峰底部轮廓的近似横向宽度作为背景点窗口宽度,依次选取窗口内的最小两个值作为需要拟合的背景基线点,避免直接比较或者人工选取导致的背景点选取困难,实现更准确地选取每个背景轮廓基线点。然后通过每个窗口三次拟合迭代覆盖的方式,得到三个拟合曲线函数,选取窗口内每个点对应三个曲线函数值,分别计算与前一拟合值的差值绝对值,取绝对值最小的曲线函数值作为此点拟合曲线值,从而较好地避免了传统分段多项式拟合(PPF)算法中的欠拟合和过拟合现象,同时也确定了拟合过程中的阶数和分段窗口。模拟了两种不同背景类型的拉曼光谱,将NPPF与PPF算法分别对两种模拟光谱进行处理比较,发现NPPF处理结果均方根误差(RMSE)小,证实NPPF较于PPF的优越性。最后,对实际样品(烯啶虫胺、罗丹明6G)的拉曼光谱进行了NPPF和PPF对比处理,发现NPPF的拟合基线较为准确,证实该算法NPPF在拉曼光谱基线校正预处理中具有广泛的实际应用价值和前景。

改进的多项式曲线拟合轨迹预测算法

针对传统多项式曲线拟合轨迹预测算法对复杂多变的轨迹预测准确率不高问题,提出改进的多项式曲线拟合轨迹预测算法。首先,获得轨迹的曲率、挠率阈值;然后,通过该阈值识别预测误差可能较大的轨迹部位,并采用插值滚动预测算法进行预测;最后,采用双误差预测值更新算法,对预测值进行更新。仿真结果表明,相较于传统多项式曲线拟合轨迹预测算法,所提算法的平均位移误差(average displacement error,ADE)下降了42.77%,最终位移误差(final displacement error,FDE)下降了36.62%,从而验证了所提算法的可行性和有效性。

函数域中与相交多项式相关的计数估计

设F_(q)[t]为q个元的有限域F_(q)上的多项式环,设h∈F_(q)[t][x]为一个相交多项式,A■F_(q)[t]为由一些次数小于N的多项式构成的集合.利用密度增量估计构造4元组序列,当A的密度适当大时,得到了方程x-y=z解数的估计,其中:x、y∈A,z∈h(F_(q)[t])\{0}.

关于一些特殊图类的弱控制多项式的研究

研究一些特殊图类的弱控制多项式.令图G=(V(G),E(G))是一个简单连通图,若对任意v∈V(G),存在u∈V(G),使得uv∈E(G)且d(u)≥d(v)成立,则称v弱控制u.设W(G)?V(G),如果对任意u∈V(G)W(G),存在v∈W(G),使得v弱控制u,则称W(G)为图G的一个弱控制集.含点数最少的弱控制集称为最小弱控制集,最小弱控制集中所包含点的个数称为图G的弱控制数,记为γwd(G).图G的弱控制多项式为WD(G,x)=nΣj=γwd(G)Wd(G,j)x印j,其中Wd(G,j)表示图G中阶为j的弱控制集的个数.