基于QM-DBSCAN与BiLSTM的风电机组异常工况预警研究

提出一种基于四分位(QM)-具有噪声的基于密度聚类法(DBSCAN)与双向长短期记忆网络(BiLSTM)的风电机组故障预警方法。首先,针对风速-功率图中限功率点难以清洗完全的问题,提出利用QM与DBSCAN联合来对建模运行数据进行预处理;其次,通过分析风电机组运行原理,并结合轻量梯度提升机(LightGBM)特征选择法确定风电机组正常工况预测模型的输入输出参数,并基于BiLSTM建立了高精度的风电机组正常性能预测模型;之后,利用滑窗算法构建了风电机组状态性能评价指标,并通过统计学区间估计法确定指标阈值;最后,采用风电机组真实故障数据,开展风电机组异常工况预警实验,验证了方法的有效性。

震前电离层TEC异常探测方法研究

考虑到震前电离层TEC异常扰动探测方法(主要包括平均数法、中位数法、四分位距法等)的局限性,提出采用电离层TEC拟合后的剩余残差来识别TEC异常,即先对电离层TEC时间序列进行拟合,然后利用滑动时窗法进行异常识别。基于中国地壳运动观测网络GNSS观测资料解算的电离层TEC数据,采用上述方法对汶川8.0级大地震进行分析,结果显示该方法能够合理有效地探测到震前电离层TEC的异常扰动。

基于主成分分析与滑动四分位法的震前TEC异常探测对比分析

通过利用IGS提供的全球电离层格网数据对四次震级Mw>7.0的地震(汶川大地震,玉树地震,东日本大地震,于田地震)分别利用主成分分析(PCA)和滑动四分位法进行震前的TEC异常探测。结果显示,两种方法都能有效探测到震前TEC异常,且异常有稳定的时间尺度。两种方法相比,PCA方法更优,其探测到的异常比较直观、简明,而滑动四分位法则探测到的异常天数较多,但两者总体趋势一致,且两种方法得到的结果与其他学者分析得到的结果也一致。从探测的效果上来看PCA不易受太阳地磁活动影响,这也表明PCA的确可用于震前TEC异常分析,分析时将两种方法有效结合,相互补充,能对震前的电离层异常分析起到更好的效果。

多分辨率匹配CRB分析中噪声估计方法

多分辨率目标匹配克拉美-罗界(CRB)分析中,CRB对噪声敏感,噪声估计尤为重要。采用不同阶次有限差分算子构成一组高通滤波器,分别对图像滤波处理,并将四分位间距(IQR)方法与中值滤波原理结合,估计CRB分析中的噪声方差,避免了残留轮廓信息的复杂处理,实验表明算法简单有效。

数控磨床可靠性模型优选与分析

可靠性评估是可靠性工作的首要任务,为了避免在可靠性建模过程中的主观性,并取代繁琐的计算过程,首先采用四分位距法对故障数据进行离群值判定,进而使用MINITAB软件实现对有效故障数据的可靠性模型优选,最后通过线性相关性和K-S检验来验证该方法的准确性;同时,为了提高数控磨床可靠性水平,采用失效模式与影响分析、故障树分析方法对机床进行可靠性分析,并对关键故障因素提出有效的可靠性改善措施;以上方法在项目中均得到有效应用,对提升该机床可靠性水平及今后的可靠性设计改进有着重要作用。

基于张衡一号电磁卫星数据对印尼Ms 7.4地震的研究

以2018年9月28日印尼Ms 7.4地震为背景,利用张衡一号电磁卫星观测的ULF磁场X,Y和Z三分量数据,采用滑动四分位(IQR)算法、滑动主成分分析算法(PCA)和短时傅里叶变换算法(STFT),对震中范围的时空电磁数据进行分析,结果显示3种算法都能有效地提取到震前异常。1)X,Y和Z分量均值震前7天开始出现异常,随着发震时间临近,Y和Z分量的异常程度逐渐增加,震前2天达到峰值,Y分量最大异常达到0.7 nT,震后异常慢慢消失;2)震前5天主成分出现异常,第一主成分占比急剧下降,下降幅度超过15%,第二、第三主成分占比急剧上升,异常持续3天;3)震前9天,13和25 Hz功率谱密度占比同时出现大幅异常,13 Hz占比上升35%,25 Hz占比下降超过40%,13 Hz占比出现正异常,最大正异常达到0.1,25 Hz占比出现负异常,最大负异常达到−0.15,震后异常消失。结合同时段的太阳地磁活动情况,认为上述电磁异常可以作为印尼地震的前兆。

九寨沟7.0级地震前电离层TEC异常分析

以2017-08-08四川省九寨沟Ms7.0地震为背景,利用IGS提供的全球电离层格网数据,采用滑动四分位距法对震中所在网格的四个格网点进行TEC异常分析。发现震前13天,震前4天和地震当天分别出现了不同程度的电离层异常。结合同时段的太阳地磁活动情况,可以确定地震当天的电离层异常与此次地震的相关性。进一步分析电离层异常的空间分布后,确认震前13天的电离层异常可作为九寨沟地震的前兆,而震前4天出现的电离层异常是由地磁剧烈活动引起的。

结合PCA和滑动时窗的电离层异常探测方法研究

针对主成分分析(PCA)方法探测电离层异常时探测范围有限且无法区分正负扰动的问题,提出一种结合PCA和滑动时窗的探测方法,并以3次强震为例检测其异常探测能力。结果显示,PCA-滑动时窗方法同时具备了2种方法的探测优势,相较于滑动时窗法,其探测结果更加直观、简明,且不易受空间环境影响,有相对更高的异常探测置信度和可靠度;相较于PCA方法,其能更好地用于长时间时空异常探测,并准确区分出正负异常。另外,通过进一步分析2020年瓦哈卡地震后发现,电离层在震前11~13 d、9 d及4~6 d出现明显异常,且异常位于震中偏南区域。综合4次地震可知,异常主要出现在震中偏南方向,大多呈共轭结构。

基于滑动四分位和可行搜索圆算法的风速-功率异常数据清洗方法

受气候条件、运行环境等因素影响,风电场SCADA系统所采集的原始风速和风电功率数据常存在大量奇异点,较难反映风电机组真实性能。本研究提出一种基于滑动四分位和可行搜索圆算法的风速-功率异常数据清洗方法。首先,分析了原始数据的时序特征和异常数据分布特点,将数据分为分散型异常数据和堆积型异常数据两类;然后,运用滑动四分位算法实现了分散型异常数据的识别,提出可行搜索圆(FSC)算法,剔除堆积型异常数据,获得符合风电机组出力特性的数据主带;最后,以我国北方某风电机组实际运行数据为例验证,表明本研究方法能较好地识别异常数据,与传统方法相比,本方法清洗效率高、效果好,具有一定的通用性。

基于GNSS数据的地震电离层扰动探测分析

针对传统方法无法解决地震-电离层扰动探测参考背景值较低的问题,借助中国地震局全球卫星导航系统(GNSS)数据产品服务平台提供中国区域电离层格网数据(GIM),基于滑动四分位距法对2020-06-26新疆和田地区于田县(35.73°N,82.33°E)发生Mw6.4级地震进行地震-电离层扰动探测。实验结果表明在震前3 d和震前7 d 4个格网探测格网点均探测到地震-电离层扰动现象,且仅探测格网点(36°N,82°E)在震前12 d探测出地震-电离层扰动现象,排除空间环境因素干扰后,判定此次电离层扰动现象可能是新疆和田地区于田县地震引起的。

2001号台风“黄蜂”路径电离层TEC异常分析

该文以2020年太平洋台风季首个被命名的风暴--强台风“黄蜂”为例,采用国际GNSS服务组织发布的全球垂直总电子含量数据,结合双线性插值、滑动时窗及四分位距的方法,分析台风发生发展过程前后,台风路径特征点上空电离层TEC的异常情况。研究发现,电离层异常集中发生在台风起编日及其前后各一日的时间,具体时段在0:00—10:00 UTC,异常属性全部为负异常,且扰动范围先增大后减小,综合判断认为2001号台风“黄蜂”是引起这几日台风路径上空电离层形扰的原因。

泸定M_S6.8地震前后的电离层TEC扰动分析

为了分析泸定M_S6.8地震期间的电离层TEC异常与地震之间的相关性,基于2022年8月6日—2022年9月8日GFZ全球电离层格网数据,选取4个特征点并使用滑动四分位距法,检测2022年9月5日泸定M_S6.8地震孕震区上空的VTEC异常。4个特征点的VTEC在8月26日、8月30日、9月4日、9月5日和9月8日均出现异常扰动,排除空间环境活动的干扰后,8月26日的负异常和8月30日的正异常与本次地震相关,且VTEC异常集中出现在世界时间UT04:00-12:00,呈现先增大后减小特征。检测结果表明,地震期间的电离层TEC异常与地震之间具有较强的相关性,可为地震的预测分析提供参考。

2014年鲁甸6.5级地震震前TEC异常分析

2014年8月3日云南省鲁甸发生了6.5级地震。针对震前电离层异常问题,利用IGS提供的全球电离层数据,采用滑动四分位法对鲁甸地震震中及其周围格网点的TEC进行异常探测,发现震前3d、6d和13d电离层有明显的异常,其中震前3d、6d的异常最为显著。在进一步分析了太阳地磁活动及这几天的全球TEC异常分布后,认为这3d的电离层异常可能与震前的孕育地震有关。另外,这3d的TEC异常分布区域都满足在经度方向跨度和纬度方向跨度长度比约为3∶1,且异常的峰值点并不位于震中的正上方,而是位于震中偏向赤道方向,同时赤道共轭区域也存在异常,但范围和幅度都较小。

台风“鲶鱼”期间电离层TEC变化异常分析

为了分析台风中心区域的电离层异常扰动过程,本文利用CODE提供的全球GIM电离层TEC网格数据,借助滑动四分位距法对2016年超强台风'鲇鱼'发生期间的电离层TEC异常进行了探测和分析.对超强台风'鲇鱼'发生的7个时间段电离层时间序列进行了异常值探测,发现在台风发生前2天,电离层TEC出现异常.此次电离层TEC异常主要发生在当地时间的02:00到12:00,持续时间长达十个小时,台风中心区域最大异常值达到12TECU.台风中心区域附近上空和对应的磁赤道共轭区上空的电离层均出现异常现象,两区域异常现象基本呈现相同变化趋势,而台风中心区域的电离层异常扰动现象很可能是此次台风发生的前兆之一.