基于互Box-Cox变换和Markov链风速云模型的发电系统充裕度评估

为准确计及风速随机性和自相关性对风电并网系统充裕度的影响,建立基于互Box-Cox变换和Markov链的风速云模型,并将该模型与时序Monte Carlo模拟法结合,提出计及风速随机性和自相关性的风电并网系统充裕度评估方法。仿真结果表明,所提模型产生的仿真风速样本与实测风速样本具备相似的概率分布特性和自相关性,所提方法可较精确地评估风电并网系统充裕度及风电容量可信度。

基于EEMD与Markov Chain的雷暴日动态与趋势预测——以盐城地区为例

以盐城地区为例,通过滑动t突变检验、EEMD(集合经验模态分解,Ensemble Empirical Mode Decompositon)以及Markov Chain(马尔科夫链)统计模型,对盐城地区54 a年雷暴日数据进行动态与趋势预测研究,并对周期研究结果进行显著性和误差检验,结果表明:盐城地区54 a年雷暴日呈现减少的趋势,突变年为1966年,其54 a年雷暴日序列可以分解成4个IMF(Intrinsic Mode Function)分量和1个趋势分量。主要存在0~0.05、0.45~0.50 Hz两个频率区间,相应的其周期为2.22 a年际周期和27 a年代际周期(可信度均超过95%)。EEMD重构雷暴日数据与原始数据的误差百分比处于±0.8%范围内,其马尔科夫链长周期预测显示未来年雷暴日处于25~35 d之间的概率为45%,大于35 d的概率为32%。

基于神经网络与改进马尔可夫链中压背景噪声建模研究

在中压电力线通信中,信道噪声构成复杂,需根据不同类型噪声单独分析建模。针对一段特定中压线路的背景噪声,提出了一种基于小波包变换的噪声模型,将得到的小波包系数分别进行神经网络训练和改进马尔可夫链计算转移概率矩阵,得到新的小波包系数重构噪声信号,并进行仿真验证及去噪,同时将2种方法与传统直接神经网络训练比较分析。结果表明,基于改进马尔可夫链方法所建噪声比传统马尔可夫链方法更加准确,基于小波包变换的神经网络方法所建噪声与原噪声相似度更高,去噪效果更好,且优于传统神经网络训练方法,为进一步研究中压电力线通信提供了可行性方案。

Markov过程的一个不变测度问题

马尔可夫链的不变测度在马尔可夫过程的常返性和遍历性的研究中具有十分重要的地位。该文利用了不中断分解定理得到了遍历 Q过程R(λ)的不变测度和一类单瞬时态拟 Q -矩阵的不变测度的一般表达形式 ,并构造了一个Kolmogorov矩阵 ,解决了在单瞬时态不可和的条件下D .Williams教授提出的开问题 ,即给定已知不变测度的条件 ,Q过程的存在性问题。

基于GRNN-MC的变压器振动信号预测

变压器振动信号是评估其工作状态的重要参数之一,与绕组松动或变形等隐患密切相关,为揭示变压器振动信号的变化趋势,本文提出了一种基于广义回归神经网络和马尔科夫链修正的变压器振动信号预测方法。即分别以变压器运行电压、负载电流和振动信号归一化特征频率为输入和输出建立变压器振动信号广义回归神经网络预测模型,然后引入马尔科夫链并结合负载电流的变化对振动信号计算结果进行修正以获得最终的预测结果。对某500 kV变压器振动在线监测信号的分析结果表明:经马尔科夫链修正后的变压器广义回归神经网络振动信号预测模型预测精度高,可为变压器绕组运行状态的振动监测技术提供重要参考。

基于阶次小波包与Markov链模型的转子早期故障诊断

针对转子启动过程中振动信号表现为非平稳、非高斯特征及传统诊断方法精度不高的现状,将阶次小波包和Markov链模型引入转子的早期故障诊断中,提出了一种新的自适应故障诊断模型。首先利用阶次跟踪算法对瞬态振动信号重采样,得到等角度分布诊断信号;其次采用小波包对该信号分解——重构,提取其在各频带的能量特征向量,通过Markov链模型对其进行预测;最后通过故障实例验证,结果表明:将阶次小波包变换和Markov链模型相结合进行故障诊断是可行而有效的。

基于ASRUKF和IMC算法的电力信息物理系统虚假数据注入攻击检测

针对传统电力信息物理系统的虚假数据注入攻击(FDIA)检测精度低问题,提出了基于自适应SageHusa噪声无迹卡尔曼滤波(ASRUFK)和改进马尔科夫链(IMC)预测算法的电力信息物理系统FDIA检测方法。首先,通过加入随机插值调整状态区间,提出了一种改进马尔科夫链(IMC)预测算法;然后,利用ASRUKF和IMC预测算法分别对系统待测数据进行状态估计,根据2种预测算法状态估计结果的偏差值构建随机变量,利用Box-Cox将随机变量转换为服从正态分布的变量;最后,通过双边假设检验实现电力信息物理系统的FDIA检测。在IEEE-14节点和IEEE-30节点系统中验证了所提出方法的有效性和正确性。

基于FFT和Markov预测的低违约率云平台调度模型

针对云平台下资源利用率不高,资源变化的准确预测缺乏等问题,设计了基于混合预测的云平台资源分配方法。该方法结合服务资源需求的周期性特点,通过快速傅里叶变换方式对服务资源需求的周期性进行判断,利用马尔科夫过程预测缺乏周期性的资源请求,再根据预测结果自适应地分配虚拟机资源。实验结果表明,该方法可以对服务资源需求进行准确预测,合理分配虚拟机资源,改善虚拟机资源的利用率,并且能够减少服务等级协议的违反次数。

基于小波包和Markov链的低压电力线背景噪声重构

针对传统方法难以重构出时域特性和频域特性与真实低压电力线背景噪声一致的背景噪声问题,搭建了噪声测量平台实测了背景噪声,提出了一种基于小波包变换与Markov链相结合的背景噪声重构方法,通过小波包变换得到真实背景噪声在不同频带中的小波包分解系数,并利用Markov链对分解系数进行统计,模拟生成与实测噪声分解系数统计规律相同的仿真分解系数,将仿真分解系数重构后即可得到背景噪声。实例仿真结果表明,该方法重构的背景噪声在时域波形上与实测噪声极为相似,且功率密度谱变化趋势也与实测噪声基本一致,可作为电力线载波通信设备性能测试的可靠噪声源。

基于模糊数学和Markov链的三比值法及其应用

为了解决三比值法区间边界过于绝对化和编码缺失的问题,提出了基于模糊数学和Markov链的三比值法。基于模糊数学和Markov链的三比值法利用模糊数学的方法模糊边界值,并利用Markov链进行时间序列的进一步处理,使诊断结果更加准确。通过采用改进前、后的两种三比值法对40组油色谱数据进行检验,结果表明基于模糊数学和Markov链的三比值法解决了传统三比值法边界过于绝对化的缺点,同时很好地处理了编码缺失问题,对于变压器故障诊断的结果准确率更高,也更符合故障发展的规律。

工业高质量转型绩效的空间分布特征及演进趋势

文章基于五个维度构建工业高质量转型绩效评价指标体系,分析中国30个省份2008—2019年工业高质量转型绩效的地区异质性、空间集聚程度和分布演进规律。结果表明:(1)工业高质量转型绩效存在着显著的空间非均衡特征,表现为东部>中部>西部。造成工业高质量发展总体差异的第一来源为区域间差异,其次为区域内差异,超变密度的影响相对较小。(2)工业高质量转型绩效分布表现出显著的正向空间集聚特征,且集聚模式逐渐从以低低-低效型集聚为主向以高高-高效型集聚为主转变。高高-高效型集聚主要分布在环渤海和长三角地区以及中部地区部分省份,低低-低效型集聚主要分布在西部和东北地区。(3)东部、西部地区和全国整体的工业高质量转型绩效的空间差异呈发散趋势,而中部地区的空间差异呈收敛趋势。考虑空间滞后的影响时,邻接省份的高水平会提高本省向上转移的概率,而邻接省份的低水平则会提高本省向下转移的概率。

面向调控领域多源数据融合的电力变压器态势感知与预警方法研究

为了应对日益复杂的电网设备监控一体化要求,有必要完善电力变压器态势感知模型,以辅助监控人员在海量且离散的监控信息中及时发现状态有劣化趋势的变压器,并提前作出应对。而目前的变压器状态感知技术具有数据来源单一且实时性较差的普遍性问题,且仍需要监控人员结合遥测信息作出人工分析与预判,无法完全满足电网设备监控要求。本文基于多源数据融合技术,通过关联挖掘变压器告警信息、缺陷管理记录、设备检修记录、离线试验报告和输变电在线监测数据,提取了五个变压器运行态势评估的维度特征。通过构建多层感知机模型,建立基于马尔科夫链原理的变压器状态转移模型,可提前2 h对其可能发生的缺陷进行预测并达到了很好的效果,并确定了变压器状态预警指标,为监控人员提前对变压器运维工作的部署提供充分时间。

一种从UML模型到可靠性分析模型的转换方法

以构件化的软件开发方法为背景,提出了一种将UML模型自动地转换为可靠性分析模型Markov链的方法.该方法基于构件化的软件体系结构,从UML的用况图、顺序图、活动图和构件图出发,对其进行扩展,在模型中标注了可靠性分析所需的信息.在此基础上,通过构造一个称为构件转移图的中间模型,将标注了可靠性信息的UML模型转换为Markov链.该方法产生的结果能够直接作为现有可靠性相关的数学分析方法的输入,从而使可靠性分析工作变得更加方便、高效.

利用小波域HMC模型进行遥感图像变化检测

传统阈值检测算法都是基于单函数模型进行的,当差异影像分布函数较复杂时检测结果较差.针对这个问题,提出一种基于小波域的隐马尔科夫链模型的遥感图像变化检测算法.将双高斯混合模型与小波变换结合,解决了单函数模型匹配率低的问题,并通过小波变换引入了图像的空间信息,提高了检测精度.利用双高斯混合模型对小波分解后的多层差异影像进行拟合,根据拟合结果判定待检测点类别.对得到的多层初始分割结果,利用隐马尔科夫链模型根据连续最大后验概率融合,得到最终变化检测图.对真实遥感数据集进行实验,证明这种算法可以得到较好的检测结果.

基于改进HMM的潜在电子故障状态识别模型

针对复杂电子装备隐性故障难以诊断的难题,在深入分析隐马尔可夫模型的核心问题及基本算法的基础上,探讨了其在故障诊断应用中存在的主要问题,建立了多状态电子装备可靠性评估模型,利用系统可靠性评估结果作为隐马尔可夫模型的初始模型特征量,改进了传统的隐马尔可夫模型,并对Baum-Welch训练算法进行了优化,形成了一套适于复杂电子装备潜在故障状态跟踪识别的数学模型。实验结果显示,理论方法及模型能够更好地识别潜在故障状态,加快了模型训练速度,提高了故障状态识别率。

基于马尔可夫链模型的图像拼接篡改盲取证算法

利用马尔可夫链对图像DCT变换系数的相关性进行建模,提取模型的状态转移概率矩阵作为特征向量,然后采用支持向量机分类器对自然图像和篡改图像进行分类。实验结果表明,该算法的平均准确率达到了86%,性能优于Ng提出的基于双相干特征的拼接图像检测算法。

基于混合预测的云平台资源自适应分配方法

针对云平台下资源利用率低,缺乏资源变化的准确预测等问题,提出了基于混合预测的云平台资源分配方法。该方法根据服务资源需求的周期性特点,采用快速傅里叶变换(fast Fourier transform,FFT)的手段判断服务资源需求的周期性,对缺乏周期性的资源请求采用马尔科夫过程进行预测,进而可依据预测结果自适应地分配虚拟机资源。实验结果表明,该方法能够准确预测服务资源需求,合理分配虚拟机资源,提高了虚拟机资源利用率,有效降低了SLA(service-level agreement)的违反次数。

综合业务CDMA系统业务模型分析

从综合业务 CDMA系统的业务特点出发 ,从信道的角度描述了系统的业务模型 ,指出传统 M/ x/ x/ x模型不再适用于分析数据业务。作者针对不同信道状态 。

排队优先权站点轮询系统的平均周期时间

本文首先介绍了排队优先权站点轮询系统的操作原则，在此基础上，通过对系统嵌入马尔科夫链，构造队列母函数及拉普拉斯—斯蒂吉尔斯变换，求解平衡状态下各队列的平均长度，进而求出系统的平均周期时间。

结构可靠性分析高效自适应重要抽样方法

提出了一种基于自适应Metropolis算法和快速高斯变换技术的结构可靠性分析高效自适应重要抽样方法.该方法首先利用自适应Metropolis算法高效生成结构失效域样本,然后运用自适应宽核密度估计方法构造重要抽样密度函数,最后采用快速高斯变换加速重要抽样过程中核函数的计算.与传统方法相比,自适应Metropolis算法能够在相同计算量下提供更多结构失效域信息从而改善计算精度,即为求得给定精度问题的解,可有效减少样本生成过程中的结构分析次数,提高方法的计算效率;快速高斯(Gauss)变换大幅降低核密度估计的计算复杂度从而大幅缩减重要抽样的计算耗时.通过数值算例可以看出该方法具有较高的计算精度和效率.