异常情况下基于贝叶斯的多传感器融合方法

针对多传感器融合过程中异常测量数据的出现会降低数据融合质量的问题,提出了基于贝叶斯方法的一种多传感器数据融合方法,通过识别传感器间测量数据的不一致,在传感器数据融合前剔除异常数据,提高数据融合的精度.提出的方法在简单的贝叶斯方法上增加一项概率因子,以此表征测量数据为非异常事件的概率.在某只传感器输出数据与其他传感器不一致时,增加的因子项具有增加后验分布方差的效果.通过仿真实验对融合方法进行了验证,结果表明该方法能有效识别传感器数据间的不一致,融合精度得到一定提高.     

基于系统辨识的电子设备建模及其应用

基于实验数据,对于可测量的电磁干扰,利用系统辨识理论提出了一种为电子设备干扰建模的新方法,较好地解决了以往在为电子设备内部电路建模过程中遇到的模型精度和复杂程度之间的矛盾。并将该仿真模型应用于滤波器参数的优化设计中,使得对于结构已经确定的滤波器,能在其允许的误差范围内,考虑其元件寄生参数的情况下,进行滤波器参数的优化设计。从而弥补了以往对于可测量的电磁干扰,在进行电磁敏感性仿真分析和滤波器的设计时只以实验为主、缺乏系统仿真指导及其验证的缺陷。     

基于贝叶斯推断和谱聚类的户变关系动态辨识

低压台区线路的日常维护以及改造升级会导致台区户变关系变动频繁。针对低压台区户变关系难以人工维护的问题,提出了一种基于贝叶斯推断和谱聚类的户变关系动态辨识方法。首先运用高斯核函数和IIR滤波器方程计算节点间电压数据相似度,然后利用贝叶斯推断构建节点间相似度时序矩阵,最后对其进行谱聚类进而实现户变关系的动态辨识。该方法能够沿时序方向根据最新时刻的电压数据进行户变关系的动态辨识,不仅能够对用户更改台区的情况做出快速响应,还能有效提高数据缺失和节点投入或退出台区情况下辨识的鲁棒性。以广东省惠州市4个台区为例进行的算例分析结果良好,验证了所提方法在工程实践中的可行性和可靠性。     

基于贝叶斯网络和油中溶解气体分析的变压器故障诊断方法

电力变压器属电力系统中的重要设备,目前油中溶解气体分析(DGA)的三比值法是对变压器进行故障诊断的最方便、有效的方法之一.本文结合改良的三比值法,将贝叶斯网络方法引入大型变压器的故障诊断,提出了基于贝叶斯网络(BN)理论和变压器油中溶解气体分析方法的变压器智能故障诊断方法,并据此建立了变压器故障诊断模型.通过实例判断验证了本文方法的有效性.     

基于ARIMA和递归贝叶斯的窃电用户识别算法

低压窃电负荷小,难以被及时发现,给电力企业造成了巨大的经济损失。文中基于差分整合移动平均自回归模型(Auto-regressive Integrated Moving Average model, ARIMA)和递归贝叶斯算法,构建了一种针对配电网低压窃电行为的识别方法,该方法结合用户历史数据对低压用户与台区表夜间各时段电力负荷数据进行分析,并算出用户窃电概率,从而发现用户是否存在窃电行为。仿真与实际结果表明：该方法对及时准确发现窃电行为,提高配电线路线损治理效率具有重要意义。     

基于多传感器融合的电力变压器内部放电定位与辨识技术

针对电力设备状态监测中传感器信息融合的难题,应用油中溶解气体、特高频、光纤超声等监测传感器构建了适用于变压器的融合传感阵列,提出了变压器内部放电的辨识策略。采用超声信号到达时间差估算实现了放电源定位,建立了多传感器监测特征融合算法,并结合K邻近（K nearest neighbors,KNN）算法实现了放电模式辨识。实验结果表明：放电源定位平均误差为45.1 mm,放电类型辨识准确率达到90.6%;所构建的多传感器融合感知策略与系统,可实现变压器内部放电源的准确定位与辨识,具有一定的应用推广价值。     

基于多周期性MILP模型的新型配电系统拓扑辨识方法

在新兴低成本、非接触式的电流传感器的基础上,本文提出了基于多周期性混合整数线性优化的拓扑辨识方法。首先基于支路电流绝对值误差建立了拓扑辨识的混合整数非线性优化(MINLP)模型,然后采用线性化方法将MINLP模型转化为混合整数线性优化(MILP)模型,并通过多周期性测量数据建立多周期性优化模型,从而减小伪测量误差的影响。此外,证明了支路电流传感器优化配置条件,以确保拓扑辨识的准确性。在IEEE-33节点系统的仿真测试结果表明,本文所提出的拓扑辨识方法拓扑辨识精度高,随多周期性场景的增加,拓扑辨识精度逐渐增加,且受伪测量误差的影响比受支路电流测量误差更大。     

基于EE模型的励磁系统参数时域辨识法

提出一种基于EE（方程误差）模型的时域辨识算法，通过对离散采样数据的多重积分（PLPF法）估计模型参数值，直接求取待辨识系统微分方程的系数；再根据微分方程的系数，由特定系数法得到一个非线性方程组，然后用牛顿迭代法求解得出传递函数的模块环节实际参数。该方法的优点在于根据输入输出采样数据直接在时域上进行参数辨识，方法简便，较好地解决了由传递函数多项式a,b系数转化为传递函数框图环节参数的实际需求。该方法通过工业试验得到校核验证。     

基于超椭球贝叶斯网络的配电系统可靠性评估

针对配电系统实际运行中元件故障概率无法以精确值描述的问题,提出了一种将超椭球模型约束的元件故障区间概率与贝叶斯网络相结合的配电系统可靠性评估方法。该方法应用证据理论获取元件的信度函数和似真函数以得到初始故障区间概率;应用超椭球模型约束元件初始故障区间概率以得到贝叶斯网络分析中根节点区间概率;应用贝叶斯网络正向推理叶节点区间概率以得到配电系统的可靠性评估指标;应用贝叶斯网络反向推理负荷点故障条件下的根节点后验区间概率以得到系统薄弱环节。通过对IEEE-RBTS Bus 6母线系统进行算例分析,证明了该方法适用于实际配电系统的可靠性评估。     

基于混杂系统模型的DC/DC电力电子电路参数辨识

基于混杂系统理论构建了电力电子电路的混杂系统模型，并基于该模型提出了电力电子电路参数辨识的一种方法，可应用于故障趋势判断和预知维护。文中给出了6种DC/CC电路的混杂系统模型，并以Buck电路的滤波电感、滤波电容及其等效串联电阻的参数辨识为例，通过实验验证了这一方法的有效性。     

基于区间约束的主谐波电流来源判别方法

针对流过线路元件的谐波电流难以明确来源的问题,提出一种基于区间约束的公共连接点(PCC)主谐波电流来源判别方法。在谐波诺顿等效电路的基础上,分析得出谐波有功功率方向法在一定的区间内是可以完全正确有效的。通过PCC处测量的谐波电压和电流信息,利用电路基本原理和严格不等式约束条件及谐波电流指标基本准则,讨论系统侧和用户侧谐波阻抗基本性质的各类情况,推导得出:主谐波电流来源为用户侧的情况仅根据谐波电压和电流的相角差就可直接判别;主谐波电流来源为系统侧的情况,将两者相角差和简单阻抗条件相结合进行判别。通过多种实际工程场景的测量数据验证了所提方法是正确和有效的。     

基于系统辨识的电力系统惯量在线评估改进方法

虽然基于系统辨识的惯量在线评估方法可以在线评估电力系统惯量,但是目前无法确定最佳的模型阶次,导致误差较大.为提升惯量在线评估的准确性,首先对电力系统正常运行条件下的实测数据进行信号预处理,防止噪声信息造成的过拟合现象,以提高抗噪声扰动能力.其次将发电机的有功功率变化量作为输入,频率波动作为输出,利用AIC准则确定系统辨...     

基于Netica的自学习贝叶斯网络的构建

针对贝叶斯网络构建时参数与结构难以自适应调整,提出基于Netica的自学习贝叶斯网络的构建方法。首先根据Netica要求处理样本数据集,然后运用Netica基础函数开发结构学习模块和参数学习模块,进而能够构建出自动学习样本数据集的贝叶斯网络。同时,开发了概率推理模块和证据敏感性分析模块以评估所建网络的有效性。以国家电网的短路故障样本数据为例建立其自学习贝叶斯网络,实验构建的自学习贝叶斯网络能够实现不确定性推理,表明所提方法是贝叶斯网络功能实现的一个新途径。     

基于GIS的潘家口水库面源污染负荷计算

潘家口水库是海河流域的重要水源地，在水资源匮乏的北方地区，水源地的保护有非常重要的意义。本文内容是海河流域重要水源地富营养化防治研究的一部分，利用SWAT模型研究了潘家口水库上游地区面源污染负荷和产出特征。SWAT模型是一个物理分布式的流域面源污染计算模型，AvSwat是ArcView软件的一个扩展模块，可以处理SWAT模型需要的GIS数据。文中利用实测数据对模型进行了参数率定，对不同水平年进行了面源污染负荷计算，并分析了施肥对于面源污染负荷的影响。     

基于单辅助源校正的MUSIC测向性能分析与实验验证

实际测向系统中,由于多通道微波组件、天线阵元及连接电缆等射频部件传输特性不一致的影响,使得接收通道失配问题不可避免。存在通道失配时,天线阵列的接收数据中含有幅度和相位误差,最终导致空间谱的波达方向（Direction of Arrival,DOA）估计性能急剧下降甚至失效。本文针对这一问题,采用一种基于单辅助信源的通道校正算法,研究了该算法在通道数据预补偿和导向矢量修正的具体应用方法,并结合多信号分类算法（Multiple Signal Classification, MUSIC）进行DOA估计。从信噪比、快拍数和均方根误差等仿真参数证实了校正算法的有效性,并利用硬件平台的实测数据,验证了校正算法能够对通道失配进行有效补偿并获得较高的DOA估计性能。     

基于贝叶斯频谱估计的相位差测量及实现

针对传统的相位测量方法测量误差大,又受波形失真、频率以及噪声等条件影响的缺点,提出了基于贝叶斯频谱估计理论的相位差测量方案,有效地避免了上述问题.仿真结果证明,该方法检测精度高,可以检测的相位差值达0.0004°,具有一定的实用性和推广价值.     

基于贝叶斯网络的电源监控系统设计

对电源工作状态进行实时高效的监控,对电源设备使用安全性能尤为重要,同时也为一些隐患故障提供了有效的预防。提出了一种基于贝叶斯网络的无线传感技术,作为数据信息采集/处理终端,设计了一套完整的电源监控系统,可以简化电路设计、提高实时响应以及预防故障的准确性。     

A fault segment location method for distribution networks based on spiking neural P systems and Bayesian estimation

With the increasing scale of distribution networks and the mass access of distributed generation, traditional centralized fault location methods can no longer meet the performance requirements of speed and high accuracy. Therefore, this paper proposes a fault segment location method based on spiking neural P systems and Bayesian estimation for distribution networks with distributed generation. First, the distribution network system topology is decoupled into single-branch networks. A spiking neural P system with excitatory and inhibitory synapses is then proposed to model the suspected faulty segment, and its matrix reasoning algorithm is executed to obtain a preliminary set of location results. Finally, the Bayesian estimation and contradiction principle are applied to verify and correct the initial results to obtain the fnal location results. Simulation results based on the IEEE 33-node system validate the feasibility and efectiveness of the proposed method.     

在IBM-PC机上辨识系统脉冲响应

本文论述了用相关辨识法辨识控制系统脉冲响应的理论和方法,并给出了用BASIC语言在IBM-PC机上实现这种方法的实例。这个实例很好地验证了维纳-霍甫方程的正确性和可行性。