一种平滑光伏并网发电系统输出功率的方法研究

随着光伏并网发电占大电网比重的增加,光伏输出功率间歇性波动对大电网的影响越来越大。对平滑光伏发电系统输出功率的方法进行了研究,提出了一种减小光伏并网输出功率波动的方法,通过加入微型燃气轮机与光伏阵列组合形成可控微源来平滑光伏输出功率。进一步研究了微型燃气轮机的慢动态特性,采用改进加权移动平均模型对光伏输出功率进行预测,提高微型燃气轮机响应速度,减小光伏并网系统输出功率波动。通过在PSCAD/EMTDC平台中进行仿真分析,验证了该方法的有效性。     

大坝监测中环境量对效应量影响的评价

以分量过程线围成的面积对其基准值的矩经量纲归一处理,使用加权面积定义距离的合理性,给出了确定距离基准值的方法,为确定各个分量占效应量的比例提供了定量的依据.结合应用实例,说明该方法解释环境量对效应量影响的有效性较符合实际.     

Adaptive local kernel-based learning for soft sensor modeling of nonlinear processes

Soft sensor techniques have been widely used to estimate product quality or other key indices which cannot be measured online by hardware sensors. Unfortunately, their estimation performance would deteriorate under certain circumstances, e.g., the change of the process characteristics, especially for global learning approaches. Meanwhile, local learning methods always only utilize input information to select relevant instances, which may lead to a waste of output information and inaccurate sample selection. To overcome these disadvantages, a new local modeling algorithm, adaptive local kernel-based learning scheme (ALKL) is proposed. First, a new similarity measurement using both input and output information is proposed and utilized in a supervised locality preserving projection technique to select relevant samples. Second, an adaptive weighted least squares support vector regression (AW-LSSVR) is employed to establish a local model and predict output indices for each query data. In AW-LSSVR, instead of using traditional cross-validation methods, the trade-off parameters are adjusted iteratively and the local model is updated recursively, which reduces the computational complexity a lot. The proposed ALKL is applied to an online crude oil endpoint prediction in an industrial fluidized catalytic cracking unit (FCCU) process. The experimental results demonstrate the high precision of our ALKL approach.     

基于诱导有序加权平均算子的最优组合短期负荷预测

为提高预测精度,弥补现有组合预测方法中单项预测方法在各预测点的加权系数恒定等不足,提出了一种新的组合预测方法——基于诱导有序加权平均算子（induced ordered weighted averaging operator,IOWA）的短期负荷最优组合预测方法。该方法针对同一预测方法在不同时刻的预测效果不同,按照各单...     

基于类加权支持向量机的永磁直流电机故障模式识别方法

该文针对永磁直流电机故障在线诊断中存在类样本数目不平衡、误判损失不等、在线样本数据缺少类别标识等问题,通过对支持向量机数学模型中的误差惩罚因子进行加权,构建了一种基于加权支持向量机的永磁直流电机故障模式识别算法。理论分析和实验结果表明:该算法可以提高小样本类(故障样本类)诊断精度,降低误判损失。     

计及加权网络拓扑的备用购买双层决策

为反映大电网多市场环境下对电网运输的不确定影响,提出了加权网络拓扑分析下的电力交易对备用服务的购买模型。以备用服务为研究对象,基于线路电抗的加权电网拓扑,考虑关键线路的备用可用率,构造了考虑阻塞风险的备用获取模型,并利用双层规划进行全局优化计算得最优备用分配。该模型通过带阻抗权重的将电网简化为有向加权稀疏连通图,从输电通道裕度角度和发电容量归属建立脆弱深度指标,定量反映不同交易注入下通道受扰程度。上层优化以供电公司效用最大化为目标,下层以备用成本最小化为目标,以通道受扰程度为约束。算例结果表明备用通道分析可方便调度人员明确通道冗余度状况,加大了安全性和经济性。     

基于加权SVM与信息粒化的时序波动范围预测

复杂时间序列是高度复杂的非线性动态系统,传统的支持向量机方法无法对单一点值进行精确的预测,因此,对时序波动区间的预测更有参考意义。基于此,提出一种基于加权支持向量机的时序波动范围预测算法。研究中以股票指数为例,首先将原始价格数据进行模糊信息粒化,并针对金融时间序列的特点,利用改进后的加权支持向量机对粒化后的价格数据作出回归分析,同时对参数进行优化。最后对3大股票指数的预测实验验证结果表明,该方法能对复杂时间序列的波动范围进行有效的预测,并且精度优于标准支持向量机模型。     

一种图像压缩的改进方法

提出了一种自适应最短码长熵编码方法,用加权后的条件概率分布进行Context建模,最后用算术编码对图像进行编码,从而达到压缩效果。     

一种小波域改进双边滤波的水果图像去噪算法

采用机器人实现水果的自动化精确采摘是现代水果采摘技术发展的基本趋势之一。但由于成像条件以及机器人自身电子电路等因素的影响,使得所获取的图像或多或少存在大量噪声。将小波变换与双边滤波算法有机结合,提出了一种针对水果图像中颗粒噪声的滤波算法。该算法首先对噪声图像实现小波分解,对于各高频子图像,给出了相似像素的基本定义并分别设计出尺寸为5的多方向的相似像素检测窗口;然后根据检测窗口中相似像素的个数与检测窗口全部像素点个数的比值大小,分别采用自适应双边滤波算法和改进加权中值滤波算法加以处理。最后实现小波系数重构。实验仿真结果表明,该滤波算法性能优于双边滤波算法以及小波域双边滤波算法,对于农产品视觉图像、基于流媒体技术设施现场采集的图像处理等领域也具有一定的参考价值。     

局部归一化融合EW-Gabor特征的光照变化人脸识别

针对光照变化人脸识别问题,提出了一种基于局部归一化融合熵加权Gabor特征方法。首先,计算类熵加权向量;然后,对图像进行局部归一化,并且计算输入图像的Borda计数,从而消除低值Gabor jet比较矩阵;最后,利用投票得分策略和k近邻分类器完成人脸识别。在扩展YaleB和AR人脸数据库上进行实验评估,在AR上的识别率可接近100%,相比其它几种较新的局部特征方法,本文方法取得了更高的识别精度,并且在一定程度上减少了计算开销。