基于EMD与Spearman相关系数的混合直流线路纵联保护方法

混合直流输电系统兼备常规直流以及柔性直流的优势,是直流系统发展的必然趋势。现有直流差动保护易受线路分布电容的影响,纵联保护依赖于边界条件,在混合直流输电系统中适用性差。针对以上问题,提出了一种基于经验模态分解(EMD)与斯皮尔曼(Spearman)相关系数的混合直流线路纵联保护方法。在分析故障电流增量的极性特征、考虑分布电容影响的基础上,首先对线路两端故障电流信号进行镜像延拓,通过EMD提取表征电流变化方向的残余函数,再计算残余函数的Spearman相关系数,以此识别线路内外部故障。该方法不受分布电容影响、不依赖于边界条件。通过仿真验证,所提保护方案动作速度快、可靠性高,且具有较强耐受过渡电阻与抗噪声干扰的能力。

基于信息增益与Spearman相关系数的电力用户行为画像

随着电力系统新技术的发展以及需求响应等灵活性政策的实施,传统的电力消费者正在逐步转变为产消者,其用电行为习惯也在逐步发生改变。在这一背景下,运用电力用户画像技术可以有效把握电力用户用电特性,挖掘海量用电数据的潜在价值,因此文中提出一种基于信息增益与Spearman相关系数的电力用户行为画像方法。首先,利用基于间隔统计量确定最优聚类数的k-means算法对电力用户用电数据进行聚类分析;然后综合考虑特征有效性与冗余度,构建特征集适应性评价系数;最后采用遗传算法进行迭代求解,得到最优特征子集,对电力用户行为画像进行刻画分析,并通过算例分析验证了所提方法的有效性。

基于Spearman相关系数法与有功分量法的高阻接地故障选线方法研究

电力系统中的谐振接地系统发生高阻接地故障时,由于消弧线圈和高阻抗的存在使得故障信号微弱,造成故障选线较为困难,从而危及电力系统的安全运行和电能质量。因此,电力系统的故障选线尤为重要,故提出一种基于Spearman相关系数与有功分量相结合的故障选线方法。首先通过分析线路之间零序电流的幅值,利用零序电流最大值判据判断出母线故障或线路故障,若判断故障为线路故障,再利用零序功率最大值判据初步确定出故障的线路,最后通过Spearman相关系数法分析线路零序功率波形间的相关性来确定出具体发生故障的线路。经PSCAD/EMTDC仿真验证该方法原理清晰,选线逻辑简单可靠且不受故障距离与过渡电阻的影响。

一种采用Spearman相关系数与电流积分比率配合的直流配网纵联保护方法

为满足直流配网故障隔离可靠性与选择性要求,提出了一种采用斯皮尔曼相关系数与电流积分比率配合的直流配网线路纵联保护方法。首先,分析了直流线路在不同类型故障时暂态电流波形相关性的特点;其次,利用线路暂态电流波形在不同故障时的相关性差异构造保护判据,进行区内外故障判定、故障类型区分和故障区段定位,利用单极接地故障时同端电流积分比率的差异判断故障极;最后,在PSCAD上搭建直流配电网模型对所提保护方法进行仿真验证,所设置的故障区域、类型等与所检测故障一致,验证了方法的准确性与选择性。对该方法抗过度电阻与分布电容能力进行的评估结果验证了方法的可靠性。

磐安地震序列的震源参数和谱振幅相关系数研究

基于浙江测震台网记录到的2017年2—9月磐安地区发生的地震序列资料,采用Brune震源模型理论和波谱分析方法,得到磐安震群序列的应力降、视应力等震源参数。利用台站的零频幅值,计算谱振幅相关系数。采用聚类分组,并结合Cut and Paste(CAP)反演方法得到ML4.0主地震事件的震源机制解,系统分析小地震的震源机制的一致性程度。结果显示:震源区应力降值在0.00~0.80 MPa之间,整体构造应力较低;谱振幅相关系数较低,在0.86~0.95之间,震源机制整体相似程度不高;应力积累没有形成一个优势方向,可能指示磐安序列为低摩擦应力的断层作用。研究结果表明:磐安地震序列为普通的小震序列,其震源机制类型与构造应力场基本一致;谱振幅相关分析法可为小震序列的震后快速判定提供重要依据。

基于经验似然方法对分位数相关系数的区间估计

分位数相关系数是一种度量两个随机变量之间线性相关关系的非对称相关系数,在统计,金融,化学等领域的特征选择问题中都扮演着重要的作用.同时,经验似然作为一种非参数方法,被广泛应用于各类模型的统计推断问题.对于任意两个随机变量,从分位数相关系数的定义出发,建立估计方程,引入代入经验似然方法(PEL)和其修正版本(APEL),分别得到渐近规则化的卡方分布和标准卡方分布,从而得到分位数相关系数的区间估计.数值模拟部分从覆盖概率,置信区间长度和基于区间得分的平均损失三方面比较了两种基于经验似然的方法同其他已有方法的效果.实证分析部分将提出的方法应用于一项来自福布斯排行榜的数据集.

决定系数与相关系数辅助的LASSO回归

现有LASSO回归方法尚未解决回归关系式中冗余特征和无关特征的去除问题,提出一个决定系数与相关系数辅助的LASSO回归方法。设给定响应变量Y和备选解释变量集X,首先设计结合决定系数的LASSO回归正则化路径求解方法,找出X中的主解释变量;然后,设计结合决定系数、相关系数和正则化路径的方法,在固定主解释变量条件下求解LASSO回归的正则化路径过程中,去除X中的无关变量和冗余变量。模拟数据集和真实数据集的实验结果表明,新方法解决了LASSO回归中冗余特征和无关特征的去除问题,在冗余变量和无关变量的去除效果上胜过对比方法。

基于皮尔森相关系数的自适应SLIC超像素分割算法

针对简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)算法对不同图像自适应性差的问题,提出了一种基于皮尔森相关系数的自适应SLIC超像素图像分割算法。首先,通过量化非间隔进行图像预处理,并计算颜色熵作为图像复杂度,从而确定所需分割的超像素个数。其次,利用皮尔森相关系数作为相似性度量函数。最后,通过纹理特征对类内异常点进行滤除,确保种子点更新的准确性。实验结果表明,在超像素个数相同的情况下,基于皮尔森相关系数的自适应SLIC超像素图像分割算法相比主流超像素分割算法,可以获得更高的边缘命中率以及更低的欠分割率,性能优于LSC(Linear Spectral Clustering)、SLIC和SLIC0(Simple Linear Iterative Clustering Zero)算法。

基于相关系数法的煤自燃危险性关联分析及预测

为缩短煤自燃倾向性的鉴定时间,首先利用工业分析仪及程序升温试验装置,测得各煤样煤质指标值及不同温度下煤自燃指标气体含量,并通过CO体积分数确定各煤样低温氧化临界温度点;然后再通过Arrhenius公式拟合得出温度与耗氧速率间的方程,并求解出各煤样临界温度前后不同阶段的表观活化能,通过Pearson相关系数法进行煤质指标值与煤样临界温度前后表观活化能之间的关联分析,并计算其相关系数;最后选取相关系数最大的煤质指标值,建立用于计算煤样表观活化能的多元线性回归模型,分析并预测煤自燃危险性。结果表明:煤质指标中不同成分与临界温度前后表观活化能间的相关系数有较大差异,其中挥发分与临界温度前后表观活化能的负相关系数最大,分别为-0.893和-0.977,燃料比与临界温度前后表观活化能的正相关系数最大,分别为0.956和0.968。所建立的多元线性回归模型,其拟合度可达0.9125和0.9330。

基于相关系数法的涠西南凹陷潜山地层提速技术

北部湾盆地涠西南凹陷深部潜山地层高强度灰岩对钻井参数敏感性高、机械钻速慢,制约了深部潜山油气田的经济勘探开发。由于钻井参数数据量大、种类多,需要综合分析潜山地层难钻原因,设计提速方案。为此基于现场大数据,采用相关系数法,分析影响潜山地层难钻的主控因素,推荐合理钻井参数,并结合钻头优化设计和提速工具选用形成针对性的提速方案。该提速技术在潜山层位应用后相比于邻井机械钻速提高41%,取得了良好效果。

基于GINI相关系数的超高维分类特征变量筛选

本文提出了一种基于GINI相关系数的超高维判别分析的GINI相关特征筛选方法。该方法在简单条件下建立了稳健筛选性能。首先,对重尾分布、潜在异常值情况下的数据具有稳健性。其次,它没有具体的数据模型限制,适用于参数及非参数模型。第三,由于所得统计量的有界性,在理论推导上比较简单。第四,筛选指标结构简单,计算成本低。通过蒙特卡罗模拟和实际数据实例验证了该方法的有效性。

基于子带处理与相关系数的风电机组功率异常波动检测

风电机组功率的周期性异常波动容易引起电网的低频振荡,威胁电网安全;而风电机组功率信号是一种非线性、非平稳信号,其异常波动频率存在不确定性,为异常波动特征的提取与检测带来困难。为此,文章提出一种基于子带处理与相关系数的风电机组功率异常波动检测方法。其首先将原始功率信号通过高通滤波器去除趋势项,然后采用子带处理滤波器组进行信号分解,得到一系列子带信号;将去除趋势项后的功率信号与各子带信号分别计算互相关系数,并根据互相关系数实现周期性异常波动所在子带的定位及子带筛选;基于筛选所得子带信号进行信号重构得到高信噪比重构信号;采用峰值检波与自相关分析相结合的检测方法,识别重构信号中特定幅值周期性异常波动发生时段,从而达到风电机组功率信号周期性异常波动检测的目的。现场数据测试结果表明,对于0.06 Hz、0.32 Hz等不同频率的功率周期性异常波动,该方法能够准确识别其所在子带及特征。

Spearman秩相关系数的Python程序设计及应用——图书阅读与隐性知识习得能力相关性实证分析

样本若无重复数据时,计算Spearman秩相关系数的程序比较容易设计。如果样本出现重复数据时,则可以从样本数据的结、秩平均值等概念出发设计程序;此时,既要考虑不重复数据的秩,也要考虑对重复数据秩平均值的确定。该课题基于清华大学王星教授给出的数据结、秩平均值定义,设计Spearman秩相关系数的计算程序,并在实证分析中运用,操作简便易行。

基于Spearman秩相关系数与AHP法的天然气管道运行风险绩效评估

由于城镇天然气管道敷设的隐蔽性与其风险状态的复杂性,加大了天然气管道风险管理的难度。面对风险指标之间信息冗余且缺少关联性,邀请10位专家从人因、管理、技术、环境四大类初步构建天然气管道泄漏风险评估指标体系,首先引入Spearman秩相关系数筛选出了关键风险评估指标;其次,描述了AHP法求解步骤,利用yaahp软件确定关键风险指标权重,建立了天然气管道运行风险绩效评估方法;最后,将该绩效评估方法应用天然气管道风险绩效评估实例中,得到该企业风险评估结果达到良好状态。该风险评估方法可为天然气管道日常运营及检查提供决策参考。

基于皮尔逊相关系数和信息熵的多传感器数据融合

近年来,多传感器数据融合的研究因其优异的性能而受到广泛关注.为了缓解高冲突数据对融合的影响,本文提出了一种基于皮尔逊系数和信息熵的多传感器数据融合方法.首先,引入皮尔逊系数来衡量证据碎片之间的冲突程度,得到证据的信度;同时,采用信息熵来度量证据的不确定性.然后,根据得到的信息熵对证据的可信度进行修正,进一步得到加权平均证据.最后,根据Dempster的组合规则对加权证据进行数据融合.数值算例结果表明,该方法具有较好的鲁棒性,更适合于实际场景.在目标检测和故障诊断中的应用结果表明,该方法的准确率分别高达98.09%和91.94%,证明了该方法的有效性和可行性.

基于Pearson相关系数与广义S变换的低压直流微电网的故障选线方法

针对低压直流微电网线路的故障选线方法的研究有限,提出一种基于Pearson相关系数与广义S变换的故障选线方法。首先,介绍了低压直流微电网的一般组成。在此基础上,研究了低压直流微电网的单极故障以及极间故障的故障特征,提出选线方法,对各线路正负极首末端电流差进行Pearson相关系数计算来确定故障线路。然后对所选故障线路正负线路首端的电流量进行广义S变换,计算出其能量和的比值判别故障极性或者极间故障。最后,在PSCAD/EMTDC中搭建出低压直流微电网模型以输出各线路电流数据,并利用Matlab对数据进行仿真。结果表明,所提选线方法直接有效,且耐受过渡电阻的能力较强。

融入距离方差和距离相关系数的偏最小二乘回归方法

偏最小二乘法(partial least square,PLS)在内部采用Pearson系数度量自变量和因变量之间的相关性时提取出的成分不能确保解释性最强,并且PLS在将提取的成分进行线性回归时也无法真实反映变量间的函数关系.针对这些问题,该文提出了融入距离方差和距离相关系数的偏最小二乘回归方法(DVDCCPLS).DVDCCPLS基于距离方差和距离相关系数提取距离成分,再将距离成分进行拟线性回归得到距离回归方程,通过模型求解方法将距离回归方程转换为原始数据的表达,最终得到结构简洁、精度较高的回归模型.该文分别采用麻杏石甘汤数据和UCI数据集测试DVDCCPLS的性能,并与其他5种经典的回归算法对比,结果表明:DVDCCPLS具有较好的回归效果和回归性能.

基于暂态电流相关系数的环状直流配电网保护方法

基于模块化多电平换流器(modular multilevel converter,MMC)的环状直流配电网因其供电可靠性优势而备受瞩目,MMC环状直流配电网的稳定运行与快速而又可靠的线路保护方法息息相关。为了保证环状直流配电网系统的安全运行,提出了基于故障暂态电流的Pearson相关系数保护方法。首先,提取环状直流配电网中线路首末两端电流的线模分量,利用其线模电流的差异完成区内、外故障的识别;根据单极接地和双极短路故障时的特征,利用线路正负极暂态电流相关系数数值差异进行单双极故障判定,并完成故障选极;最后,在PSCAD/EMTDC(power systems computer aided design/electromagnetic transients including DC)中搭建环状直流配电网模型进行验证,结果表明:所提方法在2 ms内可以快速可靠动作,可以保护线路全长,耐过渡电阻能力强,在40 dB噪声情况下,依旧可以识别故障,有一定的抗干扰能力,并且不严格要求同步通信。

Spearman秩相关系数的批量计算

介绍了采用Visual FoxPro计算机语言对环境质量多时段监测数据计算Spearman秩相关系数的方法,用评价指标与时间序列间的相关性分析,并检验相关系数的显著性意义,进行环境质量变化趋势的评价;给出了实例和源程序。

基于Spearman秩相关系数的红外弱小目标检测

针对红外弱小目标检测,目标运动跨像元,引起目标的丢失的问题,提出了一种基于Spearman秩相关系数的红外弱小目标检测新方法。该方法首先采用时空域中值滤波的方法估计背景;然后通过计算邻域像元点与目标处于像元中心位置时的Spearman相关系数,获得候选目标点;最后采用二次滤波和运动方向匹配得到目标运动轨迹。该方法充分利用邻域信息,即使在目标处于像元边缘处,也能有效地检测到目标。仿真分析表明了该算法的有效性。