风速时间序列的符号化描述

利用统计分析技术,对已知的时间序列外推,可以克服短期风速预测中缺乏因果关系的困难。但在选择外推模型、参数及学习样本等方面存在主观认识模糊性的挑战。为降低主观认识模糊性对分类预测效果的影响并提高样本分类效率,提出按变化特征来定义符号,以及用符号串描述风速时间序列的粗粒化概念。在此基础上,引入趋势特征,完善风速时间序列的符号化过程,提出单元窗口特征和趋势特征相结合的两层符号化方法。利用甘肃酒泉风电基地一年的实际数据验证了该粗粒化方法的有效性。     

计及信息不确定性的风电机组健康状态实时评估方法

运行工况识别作为风电机组状态监测与健康管理领域的重要环节,往往受到不确定信息以及高速实时数据流的影响,造成健康状态评估难以有效实施。在此背景下,文中提出一种基于Spark流式处理的健康状态实时评估方法。首先,采用大数据分析技术实现风电机组运行工况的空间划分;然后,在充分考虑风电机组监测信息不确定性的情况下,结合数据采集与监控(SCADA)历史运行数据,对基于高斯云模型和高斯云变换的健康状态评估模型进行训练,并以健康指数作为风电机组健康状态评估的指标。最后,将该评估方法应用在中国北方某风电场1.5 MW风电机组故障前的健康状态评估中。算例分析结果表明,该方法可监测到风电机组健康状态的变化趋势,初步实现了故障的早期预警。     

基于核偏最小二乘回归方法的发电机关键运行参数预测分析

通过对发电机关键运行参数的实时预测能够辅助实现发电机运行状态的有效监控。传统偏最小二乘斱法(Partial Least Squares,PLS)在应用过程中没有考虑变量间的非线性关系,为提高发电机关键运行参数的预测精度,引入核函数迚行变量空间的非线性映射变化,实现非线性回归分析,幵将核偏最小二乘回归斱法(Kernel Partial Least Squares Regression,KPLSR)应用于发电机定子线圈出水温度预测,实际运行数据的对比分析验证了斱法的有效性。     

永磁同步电机双矢量模型预测电流控制

在占空比模型预测电流控制中,由于第二个电压矢量只能是零电压矢量,在每个采样周期中只能选择6个固定方向上的电压矢量,因此电流仍存在较大波动。提出一种双矢量模型预测电流控制方法,该方法在每一个采样周期中进行两次电压矢量选择,可以在进行第二次电压矢量选择时采用非零电压矢量,电压矢量的选择范围扩大为任意方向、任意幅值的电压矢量,并且在价值函数中考虑了作用时间对电压矢量选择的影响,使得电压矢量的选择更加准确。实验结果表明:所提出的方法具有良好的静动态性能,同时与占空比模型预测电流控制相比,该方法有效地减小了电流波动。     

基于模糊动态代价函数的永磁同步电机有限控制集模型预测电流控制

提出一种基于模糊动态代价函数的有限控制集模型预测电流控制方法。分析了dq轴电流及开关次数三个控制目标权重分配不同对电流控制性能的影响,针对传统有限控制集模型预测电流控制中代价函数的dq轴电流项无针对性优化的状况,通过判断转速偏差及转速变化率,应用模糊算法对权重系数进行多目标动态优化分配,并给出模糊论域和相应的模糊推理规则设计。该方法提高了动态过程中系统电流响应速度,优化了逆变器开关频率,改善了不同权重系数下系统动态性能和稳态裕度相互制约的状况。仿真和实验结果均证明了所提方法的有效性。     

一种应用于异步电机的基于Laguerre函数的模型预测控制电流调节器

电动汽车用异步电机复杂的运行工况,造成电机参数改变,传统同步PI控制性能不甚理想。基于复矢量比例积分(PI)控制和模型预测控制(MPC)的电流调节器,使得其控制效果得到一定改善,但仍然存在响应时间长和超调大的问题。针对电动汽车用异步电机控制器,设计一种基于Laguerre函数的模型预测控制(LMPC)电流调节器,该电流控制器根据过去和现在的信息,对系统的状态量进行多步预测,并综合考虑控制对象的预期值和控制量的变化等评价指标,得到最优的控制律。仿真和实验结果表明,该调节器相比于复矢量PI控制和模型预测控制,具有更快的动态响应和更好的参数鲁棒性。     

基于模糊转换的图像椒盐噪声检测和去除

为了去除椒盐噪声,提高图像的质量,提出了一种基于模糊转换的加权均值方法来有效的对图像中的噪声进行抑制,主要包含两个阶段:噪声检测和噪声去除。在噪声检测阶段,首先将不含噪声的像素点与可能为噪声的像素点(像素取最大值或最小值)区分开来,对于后者,提出了一种相邻处理过点的绝对差分和方法对其是否为噪声进行进一步判别,并引入两个预定的阈值,将可能为噪声的像素点划分为3类:无噪声点、轻度噪声点和重度噪声点;在噪声去除阶段,一种D8距离相关的模糊转换加权均值滤波方法被提出对噪声进行有效的去除。仿真结果表明,与一些现存方法相比,提出的方法较好的去除了椒盐噪声,并且在去除噪声的同时较好的保持了图像的细节信息,无论是峰值信噪比(PSNR)还是结构相似度(SSIM)都有了较大的提高。和实验效果与其最接近的自适应加权均值滤波相比,提出方法节省了超过65%的运行时间。     

平行堆栈式自编码器及其在过程建模中的应用

在面对流程工业存在的多参数、强非线性和富含复杂机理等问题时浅层算法的学习能力有限,故将深度学习理论引入过程工业预测建模中。而针对单个深层网络对多样性数据的特征挖掘困难,本文提出一种改进的堆栈式自编码器。该方法首先通过聚类算法对输入数据属性进行聚类,按结果将数据分类后输入并行的稀疏自编码器中进行特征的模块式提取,并行输出经整合后输入至叠加的深度网络中,联合这些特征再进行逐层学习得到拟合结果。为减轻过拟合带来的预测误差,将"dropout"方法引入网络训练中。在加氢裂化的预测建模研究中,所提出的算法具有比其他方法更好的预测水平和泛化能力。     

基于变量选择与高斯过程回归的短期负荷预测

提高短期电力负荷预测精度是保障电网安全稳定运行的技术措施之一,通过选取影响负荷的最优输入变量集合,建立高斯过程回归(Gaussian process regression,GPR)短期负荷预测模型。负荷预测建模输入变量的选取对预测精度有很大影响,首先采用随机森林(random forest,RF)算法给出输入变量重要性评分(variable importance measure,VIM),并对各输入变量影响程度进行排序,基于序列前向搜索策略确定最优输入变量集合,避免人工经验选取的不足。其次针对共轭梯度(conjugate gradient,CG)法求解高斯过程回归模型超参数时易陷入局部最优解,且存在优化性能依赖于初值选取、迭代次数难以确定的问题,采用改进粒子群优化(particle swarm optimization,PSO)算法搜索模型超参数,形成优化高斯过程回归预测模型。最后,算例测试表明该模型的有效性。     

基于三维匹配块的SAR图像相干斑抑制研究

合成孔径雷达(SAR)图像中存在相干斑噪声,不能准确反映照射区域的散射特性,增加了信息提取的难度。三维匹配块(BM3D)算法是在变换域中的稀疏表示,将相似的图像块分到一个三维空间中,从而达到去噪的目的。通过对噪声模型特征的分析及参数设置,将适用于加性噪声模型的BM3D算法应用到乘性噪声中。采用仿真与传统方法对比表明,利用BM3D算法抑制相干斑噪声,其边缘保持指数达到了0.484 5,在降噪的同时又较好地保存了图像的细节特征,验证了算法的有效性。