基于邻域降噪正交自编码器的工业过程故障检测

针对采用自编码器提取过程特征进行故障检测时,没有考虑数据的局部结构信息,提出邻域降噪正交自编码器（neighborhood denoising quadrature autoencoder, NDQAE)的方法。邻域保持嵌入算法提取数据的邻域信息作为权重对过程数据进行加权,强化数据局部结构信息。正交自编码器进一步提取带有局部信息加权的过程数据非线性特征。通过加入噪声增强自编码器的鲁棒性,并采用反向传播算法训练网络参数,获得能够捕捉数据局部特性和全局特性的鲁棒自编码器模型。在该模型的隐特征和重构残差空间分别构建T2和SPE统计量,并计算统计量控制限用于故障检测。在田纳西-伊斯曼（TE）化工过程和三相流过程进行仿真实验,结果表明了所提算法的有效性。     

非线性系统模糊间接自适应控制的后推设计

采用模糊神经网络作为非线性逼近器，针对一类一阶非线性多入多出系统，提出了一种具有扰动抑制的鲁棒自适应控制方法，给出了高阶多入多出系统具有扰动抑制的自适应后推(backstepping)设计方法。在鲁棒项合理简化的情况下，给出了系统Lyapunov意义下的稳定性证明，简略分析了各设计参数的物理意义及其对系统性能的影响。理论分析和仿真实验均显示，本方法可以保证系统的全局渐近稳定性，且若选取恰当的设计参数可保证系统对输入信号的跟踪达到任意精度；由于鲁棒项的引入可使系统的设计更具灵活性。     

基于分形维和局部切空间均值重构的非线性降噪方法

基于主流形识别的非线性降噪方法中,约简目标维数选择随意和相空间数据在降维、全局排列和反求过程中可能畸变,使得降噪效率和效果降低。针对此问题,提出一种新的基于分形维和局部切空间重构的降噪算法。将主流形识别降噪通过仿射变换求解全局低维主流形的过程,变为对局部切空间低维坐标进行全局均值重构直接获取降噪后的全局相空间信号,并用分形几何方法估计信号的本征维数,以此作为主流形提取时的约简目标维数,在此维数空间之外的向量数据作为噪声进行消除。对混沌含噪信号和风机振动信号的降噪实验表明本文方法具有更好的降噪效果。     

鲁棒优化在电力系统调度决策中的应用研究综述

鲁棒优化是一种利用区间扰动信息,在最劣扰动条件下进行最优决策的优化方法,因其具有基础数据易得、计算效率高、适用于大规模系统求解等优点,近来,被应用于电力系统的调度决策问题。文中在阐明鲁棒优化自身特点的基础上,首先,对鲁棒优化方法在电力系统机组组合问题中的应用进行了介绍,阐述了连续性、偶发性扰动模式下的鲁棒优化方法建模规律,讨论了常用不确定集的形式和保守度的控制方法;其次,介绍了鲁棒优化方法在经济调度问题中的研究现状,介绍了三类典型方法,包括自适应鲁棒优化方法、含仿射矫正过程的实时调度鲁棒优化方法和最大化可接受扰动范围鲁棒优化方法,并对其各自的特点进行了阐述;最后,对该领域研究面临的关键问题和未来的发展方向进行了探讨和分析。     

基于模糊自适应形态滤波器和S变换的暂态电能质量扰动检测

提出一种基于模糊自适应形态学滤波器与S变换结合的暂态电能质量扰动检测方法。该方法根据数学形态学理论和模糊控制原理构造一种模糊自适应形态学滤波器,对扰动波形进行预处理,以滤除信号中的随机、脉冲等多种噪声,可较好地保留信号的基本特征,对于滤波后的信号波形,利用S变换幅值包络线对暂态电能质量扰动起止时间进行检测。最后通过对噪声背景下含电压骤升、电压中断和电压骤降电磁暂态现象的电压信号进行仿真验证,结果表明该方法具有计算简单、快速和准确的特性和优点。     

基于数学形态学消噪的电能质量扰动检测方法

提出了一种利用数学形态滤对波形进行预处理，然后用小波检测电力系统扰动的方法。该算法着力解决电力系统扰动中滤除随机噪声和和脉冲噪声的困难，利用数学形态学设计的前置滤波单元在有效抑制各种噪声的同时，较好地保持了扰动的基本形状；小波变换算子则有效地检测出扰动并进行精确定位。MATLAB仿真表明所提算法可以准确检测电能扰动时的波形畸变点，同时，形态学－小波综合算法的计算量较单一的低通滤波器和多尺度小波变换的计算量小，有利于工程实现。     

电能质量扰动信号的自适应去噪方法

有效地降低电能质量信号中的噪声,是做好电能质量信号检测、识别等工作的基础。为了克服一维电能质量信号降噪的难点问题,即有效地去除噪声并完整地保留奇异点的特征,对目前图像处理领域中针对高斯等噪声降噪性能最好的基于块匹配的三维变换域联合滤波(BM3D)算法进行了改进,提出一种电能质量扰动信号的自适应去噪新方法。该方法参数较少,无需估计噪声方差,也无需人为设定滤波阈值,而是通过自适应估算较为准确的阈值实现离散余弦变换(DCT)域的滤波。通过对电压中断、电压暂降、电压暂升、脉冲暂态、振荡暂态和谐波这6种常见的电能质量信号进行降噪仿真实验,并与应用较为广泛的小波阈值去噪法进行对比分析,最后应用于实际电能质量扰动数据的降噪,验证了所述算法的有效性。     

多机电力系统自适应鲁棒Terminal滑模励磁控制

设计了多机电力系统发电机励磁的自适应鲁棒Terminal滑模控制器,将L2增益干扰抑制、自适应逆推法、Terminal滑模控制相结合,可以自适应估计发电机的不确定阻尼系数,对扰动具有鲁棒性。给出了控制器的设计过程。针对2区域4机系统的仿真结果表明,所设计的自适应鲁棒Terminal滑模励磁控制器能够快速抑制功率振荡,有效提高电力系统的暂态稳定性,并保持机端电压的恒定。     

基于VMD的电力电缆局部放电信号自适应阈值降噪方法

局部放电(Partial Discharge, PD)用于高压电缆在线监测时,采集到的信号包含多种噪声,白噪声是最常见、影响最广泛的一种。为了抑制白噪声的影响,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)的局部放电信号降噪方法。采用变分模态分解对含噪局部放电信号进行分解,得到频率从低到高的模态分量后,计算各个变分模态分量的峭度值,选取脉冲特征分量进行重构,利用小波自适应阈值对重构信号再次降噪。与小波变换阈值法对比在不同噪声环境下的降噪结果,结果从均方误差、波形相似系数定量优于小波标准软阈值降噪法和小波全局硬阈值降噪法。仿真和现场实验结果表明,该方法可以有效去除噪声信号,能够较为完整地保留原始信号波形。     

基于自适应阀值的小波全频降噪方法研究及实现

在含噪信号中提取有效的局部放电信号时,传统的小波阈值降噪方法只对小波分解的高频部分进行降噪处理,而忽略了低频部分噪声对局部放电信号的影响。针对该方法的缺陷,本文提出一种基于自适应阈值的小波全频降噪方法。该方法根据噪声的小波分解系数随尺度增大而减小的特点,采用随尺度变化的自适应阈值对高频部分噪声进行处理,采用传统的固定阈值对低频部分噪声进行处理,从而实现对局部放电信号的小波全频降噪处理。实验数据表明:与传统的小波阈值降噪方法相比,小波全频降噪方法的均方根误差降低了19.3%,噪声抑制比和噪声降低水平分别提高56.4%、10.8%。由此验证了自适应阈值的小波全频降噪方法的降噪效果优于传统小波阈值降噪方法。     

基于随机奇异值分解的局部放电脉冲提取及去噪技术

针对低信噪比下局部放电信号易漏检与传统奇异值分解算法在进行局放脉冲提取时计算量大的问题,提出一种基于随机奇异值分解的局部放电脉冲提取及去噪方法。该方法能有效提取局放脉冲及去除白噪声,且相较于传统SVD脉冲提取计算所需时间更短,更具工程实用价值。首先,利用滑动短时数据窗截取原始局放信号片段,采用随机奇异值分解法计算最大奇异值,并与全局最优奇异值阈值进行比较,确定脉冲信号的起止点;然后,利用奇异值分解法结合局部最优奇异值阈值,去除提取信号的白噪声。通过对典型局放模拟脉冲进行实验,验证了该算法在脉冲提取时的执行效率优越性。在工频电压下对实验室模拟电缆缺陷进行局放测试,分别采用所提方法、离散小波变换及自适应双阈值方法进行对比性实验,结果表明,所提方法局放信号漏检率低,去噪效果好。     

考虑负荷自适应检测和修复的鲁棒极限学习机短期负荷预测方法

针对现有负荷预测方法对于温度、湿度累积效应下的短期负荷预测精度低的不足,该文提出了一种基于时变Cook距离统计量的负荷异常值检测和基于非参数概率密度估计的负荷自适应修复的鲁棒极限学习机(extreme learning machine,ELM)短期负荷预测方法。首先将历史负荷数据按季节分组,根据每个季节实时负荷和对应的气象因素,利用递归最小二乘法获取历史负荷数据的自适应遗忘因子,构建基于遗忘因子的时变Cook距离统计量,检测负荷数据中的异常值(或强影响值);采用非参数概率密度估计,构建实时负荷与气象因素的随机模型对异常负荷值(或强影响值)进行修复。考虑电力负荷数据异常值对预测精度的影响,采用了一种鲁棒ELM算法对负荷数据进行回归分析;最后,引入基因遗传算法对负荷预测模型参数进行优化,提升负荷预测算法预测准确率;通过实例仿真分析,验证了该方法提高预测精度的有效性。     

考虑风电场量测相关性的双馈风力发电机鲁棒动态状态估计

基于相量测量单元（PMU）的风力发电机动态状态估计能够为风电场能量管理系统提供实时可靠的数据基础。然而，目前多数风电场不具备为每台风机都安装PMU的量测条件，且动态状态估计易受不良数据及扰动的影响。针对上述问题，提出一种考虑风电场量测相关性的双馈风机鲁棒动态状态估计方法。在用最少数量的PMU实现风电场所有节点可观的基础上，提出基于PMU量测空间相关性和风机动态模型时间相关性的冗余量测集构造方法，进而利用加权最小绝对值鲁棒估计得到所有风机的机端电气量，并滤除不良数据。考虑到扰动时状态预报值不准确，提出了基于过程噪声尺度因子的鲁棒滤波方法，在扰动时降低不准确预报值的权重。仿真表明，所提方法对量测配置要求低，并能准确估计风电场内单台风机的动态状态。     

基于样条变换偏鲁棒M-回归的电站热力过程数据检验

提出基于样条变换偏鲁棒M-回归(partial robust Mregression of splines,PRMS)的电站热力过程数据检验方法.首先通过样条变换将原测量数据间的非线性关系转化为拟线性关系;再采用偏鲁棒M-回归方法对经变换后的数据进行加权迭代,建立具有鲁棒性的非线性数据检验回归模型;然后采用测量检验法检验数据,用模型预测值对数据进行重构.该方法不仅能够克服变量间的多重相关性,消除各类离群点对模型的影响,并且具有较高的预测精度和计算效率.选用某300MW机组热力系统作为算例,结果表明该方法能够进行有效的数据检验和数据重构.     

永磁直线同步电机伺服系统鲁棒反步控制器设计

针对永磁直线同步电机(PMLSM)伺服系统强鲁棒性、高控制精度的要求,提出一种鲁棒反步控制器。为了解决常规PID跟踪精度不高、参数调节难度大及鲁棒性差的问题,将自适应控制与反步控制结合。利用自适应机制实时估计系统的扰动,去除了反步控制设计过程中对外界扰动上界的要求,同时克服了控制律高频抖振的问题。同时,分析了闭环反馈系统中高频噪声的特性以及对系统的不利影响,使用低通滤波器来抑制高频噪声。最后,在Googol公司的试验平台上,通过与一种改进的PID对比,验证了设计的鲁棒反步控制器的可行性以及抑制高频噪声的有效性,可为先进控制理论的工程化提供参考。     

基于模糊熵的自适应小波包电能质量扰动检测

为提高电能质量扰动检测定位在高噪声环境下的准确性,在小波包降噪的基础上引入模糊熵判据,对不同噪声水平的扰动信号自适应最优分解层数,构造阈值随噪声系数改变的函数.选取噪声序列模糊熵最大时的阈值作为最优阈值,对降噪后的扰动信号进行Hilbert-Huang变换,以确定其起止时间与频率等参数.将算法与传统的小波阈值降噪方法进...     

采样系统慢时变扰动比例积分观测器鲁棒控制

针对控制系统存在扰动或噪声使传统观测器存在较大观测误差问题,依据鲁棒控制理论,采用线性矩阵不等式(LMI)方法,设计了鲁棒H2/H∞全维状态比例积分观测器。研究了系统存在慢时变扰动情况下,采样系统基于比例积分观测器的状态观测效果及鲁棒稳定性,得到了一类充分条件,给出了观测器比例增益、积分增益、控制器增益以及鲁棒H2性能指标的求解方法。仿真结果表明,所设计的观测器计算量小,鲁棒性强,提高了状态观测精确度。     

短时电能质量扰动检测的一种新方法

将DCT(离散余弦变换)变换和差变算法结合起来进行短时电能质量扰动的检测.对含强噪声的短时电能质量扰动采样信号(电压凹陷、电压凸起和电压间断)进行DCT变换,从所得DCT系数中提取出差变信号,通过DCT系数和差变序列检测出扰动的幅值和起止时间.仿真结果表明,用该方法检测扰动,分析过程简单,利用DCT系数的噪声鲁棒性能实现强噪声环境下的扰动信号检测,且检测精度较高.     

短时电能质量扰动检测的一种新方法

将DCT(离散余弦变换)变换和差变算法结合起来进行短时电能质量扰动的检测。对含强噪声的短时电能质量扰动采样信号(电压凹陷、电压凸起和电压间断)进行DCT变换,从所得DCT系数中提取出差变信号,通过DCT系数和差变序列检测出扰动的幅值和起止时间。仿真结果表明,用该方法检测扰动,分析过程简单,利用DCT系数的噪声鲁棒性能实现强噪声环境下的扰动信号检测,且检测精度较高。     

基于多项式混沌和进化算法的快速鲁棒优化算法及其在电磁场逆问题中的应用

为提高电磁场逆问题鲁棒优化设计的计算效率,提出一种基于多项式混沌和进化算法相结合的快速鲁棒优化方法。在该方法中,通过将多项式混沌展开作为鲁棒性能参数的随机响应面模型,提高了期望函数的计算效率和计算精度。此外,为进一步提高算法的计算效率,文章又提出了期望适值赋值的新机制,以及概率可行性模型处理约束函数鲁棒性的方法;引入同时搜索全局最优解和鲁棒最优解的迭代循环机制。通过典型电磁场逆问题的鲁棒优化设计对本文算法进行了数值验证。数值分析结果证明了该文方法的可行性和先进性。