基于偏最小二乘回归的年用电量预测研究

对年用电量的预测若采用一般最小二乘回归法建模，其估计参数存在着很大的误差且物理意义明显不足。而偏最小二乘回归方法则实现了多元线性回归、主成分分析和典型相关分析的综合、克服了自变量之间的多重相关性的问题，因而更具有先进性，其计算结果更为可靠，在实际系统中的可解释性也更强，且方法简单，计算快捷。该文将偏最小二乘回归模型(Partial Least Square Regression，PLS)应用于年用电量预测，并与基于最小二乘的多元线性回归模型预测成果进行对比，探讨了偏最小二乘法在电力负荷预测中的可行性和优势。通过四川省电网年用电量预测表明：偏最小二乘回归法比一般最小二乘法优，具有较强的实用性。     

基于核偏最小二乘的电厂热力参数预测与估计*

为了解决机组运行过程中参数失效和优化过程中参数计算的问题,提出了一种基于核偏最小二乘方法的热力参数预测和估计方法。首先用正常数据建立机组参数的预测和估计模型,确定各变量之间的回归关系,然后将其用于参数的在线预测与估计。其基本思想是通过非线性核函数将数据映射到高维特征空间,然后在高维特征空间中进行偏最小二乘回归运算。该方法可以有效地捕捉变量间的非线性关系,参数预测和估计效果明显好于偏最小二乘法和主元回归方法等线性回归方法。某1 000 MW发电机组烟气含氧量历史特征数据集仿真试验及实际应用比对实验证明了该方法的有效性。     

基于核偏最小二乘的电厂热力参数预测与估计

为了解决机组运行过程中参数失效和优化过程中参数计算的问题,提出了一种基于核偏最小二乘方法的热力参数预测和估计方法.首先用正常数据建立机组参数的预测和估计模型,确定各变量之间的回归关系,然后将其用于参数的在线预测与估计.其基本思想是通过非线性核函数将数据映射到高维特征空间,然后在高维特征空间中进行偏最小二乘回归运算.该方法可以有效地捕捉变量间的非线性关系,参数预测和估计效果明显好于偏最小二乘法和主元回归方法等线性回归方法.某1 000MW发电机组烟气含氧量历史特征数据集仿真试验及实际应用比对实验证明了该方法的有效性.     

基于PSO-LSSVM的锂离子电池荷电状态预测方法

锂离子电池荷电状态(State of Charge,SOC)直接影响着锂离子电池使用性能和效率。为了实现准确的SOC在线预测,提出一种粒子群优化最小二乘支持向量机软测量方法。该方法使用最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)建立非线性系统模型,以锂离子电池工作电压、电流为输入量,电池SOC为输出量。建立软测量模型时,LSSVM正则化参数λ和径向基核宽度μ直接影响着模型的准确度,采用粒子群算法(Particle Swarm Optimization,PSO)对这两个关键参数进行优化。用型号为BTS6050C4的NBT电池测试系统进行样本数据采集,通过MATLAB仿真软件进行模型训练并校正。实验和仿真结果表明采用PSO-LSSVM优化算法精确度高、易实现,且在正常和过充工作环境下均可有效预测锂离子电池SOC。     

基于偏最小二乘算法的热耗率回归分析

针对热耗率影响因素众多且呈现高度多重相关的特征,提出了偏最小二乘(Partial Least Square PLS)算法建立热耗率回归分析模型.在数据预处理方面对机组热耗率的主要因素和主要参数做了相关性分析,进而更合理地确定了偏最小二乘回归分析的数据表,有效建立了热耗率预测模型.预测模型的检验方式采用交叉有效性检验,选定对模型有显著改善的PLS主成分个数.通过实例验证了偏最小二乘方法能够有效解决自变量集合高度相关的问题.     

基于KPCR的发电机组参数预测与估计

为了解决机组运行过程中参数失效和优化过程中参数计算的问题,提出了基于核回归(KPCR)的发电机组参数预测和估计方法。首先用正常数据建立机组参数的预测和估计模型,确定各变量之间的回归关系,然后将其用于参数的在线预测与估计。该方法可以有效地捕捉变量间的非线性关系,参数预测和估计效果明显好于偏最小二乘回归(PLS)和主元回归(PCR)等线性回归方法。某电厂1000 MW发电机组烟气含氧量历史特征数据集仿真试验证明了该方法的有效性。     

非线性偏最小二乘回归在电力负荷预测中的应用

非线性(二次多项式)偏最小二乘既能够解决线性偏最小二乘只能提取线性成分的问题,它又借鉴了偏最小二乘回归方法能够有效地解决自变量集合多重相关性的问题,因而它更具有先进性,其计算结果更为可靠.本文将二次多项式非线性偏最小二乘回归应用于泉州地区的电力负荷预测.文章还将二次多项式偏最小二乘的预测结果并线性偏最小二乘和logistic模型的预测结果进行比较,实例预测结果表明,非线性偏最小二乘具有较高的预测精度,它能满足实际工程的要求.     

大型风电场超短期风电功率预测

针对大规模风电场风电功率的非线性特性,采用最小二乘支持向量机（LS-SVM）的预测模型。由于LS-SVM的参数选择直接影响着模型的预测精度,于是采用一种基于量子粒子群优化方法来选择模型的超参数。为了弥补模型损失的鲁棒性,通过给每个样本误差不同的权系数,建立了具有良好泛化性能的WLS-SVM回归模型,从而进一步提高了模型预测的精度。本文提出一种基于量子粒子群优化（Quantum-behaved Particle Swarm Optimization, QPSO）参数选择的加权最小二乘支持向量机（Weighted Least Squares Support Vector Machine, WLS- SVM）的超短期风电功率预测模型。应用上述方法对内蒙古地区大型风电场进行了预测,结果证明了该方法的有效性。     

改进偏最小二乘回归在电力负荷预测中的应用

多元回归分析是中长期电力负荷预测中的一个重要方法,其中偏最小二乘法因为可以有效解决样本数据偏少以及自变量多重线性的问题而得到采用。探讨了通过Bootstrap方法给偏最小二乘法筛选自变量后进行负荷分析预测的可行性,将计算结果与一般偏最小二乘法及经变量筛选的逐步回归法进行比较。算例表明,应用Bootstrap方法进行参数检验的偏最小二乘方法在变量关系的描述上更简明准确,同时提高了预测精度,具有一定的实用性。     

基于偏互信息与核心向量机的煤质大数据预测

为了改善基于算法的煤质发热量预测在大规模数据数下计算耗时的情况,利用可完成大规模数据建模的核心支持向量回归机(Core Vector Regression,CVR)建立了煤质发热量预测模型,并利用偏互信息(Partial Mutual Information,PMI)对模型特征变量进行分析筛选。通过对某电厂6 180组数据的验证比较,发现经过PMI筛选后的CVR煤质发热量预测结果相对误差为0.025,计算时间为0.272 s,优于未筛选的CVR,并与最小二乘支持向量机(Least Square Supported Vector Machine,LSSVM)算法在不同样本规模下对比,结果表明随着数据规模的增加PMI-CVR的计算时间远小于LSSVM,所以在大规模数据趋势下PMI-CVR计算更快、更具优势。     

基于CNGWO-LSSVM的汽轮机热耗率预测模型

为了准确计算汽轮机热耗率,提出一种改进灰狼优化算法优化最小二乘支持向量机（LSSVM）的热耗率软测量方法。首先针对灰狼算法收敛精度低的缺点提出一种混沌非线性灰狼优化算法（CNGWO）,通过Kent混沌搜索策略和非线性动态递减权值策略来改善灰狼优化算法的性能。然后利用CNGWO算法预先选择LSSVM模型参数,并建立CNGWO-LSSVM的软测量模型。以某600 MW超临界汽轮机组实时运行数据仿真实验,对具有复杂非线性的热耗率变量进行预测,预测结果表明,经过CNGWO算法优化的LSSVM模型取得了较好的预测效果,为汽轮机热耗率的精确计算提供了一种有效方法。     

大型发电机突然三相短路试验数据分析和动态参数辨识

高速采样和高精度数字化自动测试仪器应用于大型同步发电机测试,需要计算机辅助分析程序自动分析数据和辨识电机的参数。为了提高参数辨识精度,本文提出了一种全新的动态参数辨识方法,即根据短路电流中衰减分量的性质,推导出优化组合模型分时段采用非线性最小二乘回归方法直接辨识发电机参数的原理。另外,还根据IEEE Std-115和GB／T-1029有关发电机突然三相短路电流波形处理方法实现对短路电流上下包络线的拟合以计算大型同步发电机的动态参数。并开发了利用突然三相短路试验数据辨识大型同步发电机动态参数的计算机辅助分析软件。通过实际电机的测试数据处理,验证了软件及算法的实用性。     

基于数据驱动的电-热互联综合能源系统线性化潮流计算

电-热互联综合能源系统非线性潮流方程的线性化处理是简化电-热互联综合能源系统运行与控制分析计算的一种重要方法。基于偏最小二乘法及最小二乘法对电-热互联综合能源系统的历史数据进行处理，构建热网中节点热功率到管道流量、节点供水温度和回水温度的回归模型以及电网中节点有功和无功功率注入到节点电压相角和幅值的回归模型。结合电-热耦合单元的模型，提出一种基于数据驱动的电-热互联综合能源系统潮流线性化模型，通过历史数据与物理模型的融合克服了传统物理模型的数值稳定性问题。     

结合稳态测试法的两步最小二乘法的发电机建模

针对目前获取准确的发电机组参数存在很大难度的问题,提出了一种改进的非线性最小二乘法,即动态测试和稳态测试相结合的两步最小二乘法,对发电机参数进行辨识.仿真研究表明,该方法能够准确地辨识发电机参数,满足工程需要.     

基于最优模糊系统的非线性校准数据计算方法

为了将通过非线性传感器测量的参数转换为参数物理量,研究了最小二乘多项式拟合非线性传感器校准数据的局限性,提出了基于最优模糊系统,采用最近邻聚类方法设计模糊系统,实现对非线性传感器校准数据的精确拟合.通过调整最小二乘多项式和最近邻聚类模糊系统两种方法的计算参数,对比分析了校准数据拟合曲线随参数调整的变化情况.实验结果验证了该方法的有效性,适当调整聚类算法的平滑参数和聚类半径,即可以任意精度逼近非线性的校准数据,明显优于传统的最小二乘多项式拟合方法,且简便、实用.     

基于SCADA及时域最小二乘法的抽水蓄能电站发电机多工况参数辨识

为了辨识抽水蓄能电站发电机多种运行工况下的模型参数,通过建立发电机的微分方程模型,并经过数学推导建立了发电机实测数据变量与发电机待辨识参数数学关系。基于时域最小二乘法的原理,给出了发电机各工况下适用的参数辨识方法,并通过抽水蓄能电站的SCADA(supervisory control and data acquisition)数据采集系统获得运行数据并对各工况参数进行辨识。仿真验算运用南方电网某抽水蓄能在发电和抽水两种工况下的实际运行数据,通过编制C++程序分析计算得到发电工况和抽水工况下的抽水蓄能整个发电机系统的参数值。将参数值与实际铭牌值相比,误差不超过5%。仿真结果表明,运用高采样速度的实时运行数据,能够激发抽水蓄能机组的暂态和次暂态过程。这种经过采样数据和公式推导相结合的辨识方法比通过传统做实验的辨识方法更简单、方便、有效,且适合抽水蓄能机组多工况运行的特点。     

Chaotic system identification using Wiener‐LSSVM model

In this paper, a new method is proposed for identifying chaotic system based on a Wiener‐least squares support vector machine (Wiener‐LSSVM) model. The model consists of a linear dynamic subsystem followed by a static nonlinear function, which is represented by LSSVM in this paper. The parameters of the linear dynamic part and those of LSSVM are estimated simultaneously by solving a set of linear equations using the least squares (LS) method. The proposed method incorporates partial structure information into the identification process and does not assume that the parameters of linear dynamic part are known. On the other hand, the LS algorithm is more efficient than gradient‐descendent‐based algorithms for estimating the parameters of Wiener‐LSSVM. Three identification examples are given to validate the effectiveness of the proposed method. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

太赫兹时域光谱用于橡胶添加剂的定量分析

在利用太赫兹时域光谱（THz TDS）技术对丁腈橡胶中的添加剂进行定量分析时,将偏最小二乘法(PLS)推广到多维偏最小二乘方法(N PLS),解决了高维数据的建模问题,并且具有良好的模型预测能力。为验证本算法的有效性,分别采用PLS算法和N PLS算法对样本进行建模分析,得出N PLS模型的均方根误差为2.04%,相关系数为0.98。PLS模型的均方根误差为2.71%,相关系数为0.97,结果表明,两种方法都可以对丁腈橡胶中添加剂的含量进行预测,而N PLS算法具有更好的预测效果。     

过热汽温增益自适应Smith预估控制

过热蒸汽温度是机组运行过程中需要监控的重要参数,为解决实际中的过热汽温普遍存在着滞后、非线性等问题,利用实际工程中过热蒸汽系统阶跃响应特性的数据,采用最小二乘法建立了控制对像的数学模型,在串级双回路控制的基础上引入了增益自适应SMITH预估控制。实际投运时过热汽温稳态偏差不超过2℃,负荷波动30%BMCR时动态偏差不超过4℃,结果表明,采用该控制策略具有较强的可实现性和较好的控制品质。