考虑数据分类的建筑电能耗集成预测方法

建筑侧各类可再生能源的应用日益普及,建筑电能耗预测在用能供需平衡、电网稳定运行、尖峰需求响应等方面发挥越来越重要作用。尽管诸多数据驱动模型在能耗预测方面获得广泛应用,当前仍缺乏预测精度高、泛化能力强的短期预测模型。针对该问题,提出一种基于建筑物能耗特点并结合数据挖掘技术的分类集成式能耗预测方法。首先,采用递归特征消除法对数据进行特征筛选,并用模糊C均值聚类算法对训练集数据进行聚类,使用K最邻近法对验证集和测试集数据进行归类;选择5种结合智能优化算法的混合数据驱动模型作为子学习器,分别对每类数据做预测,最后使用多元线性回归法进行结果集成。经3个建筑电力用能案例验证,此集成预测模型精度均优于单个子模型,具有适用不同建筑类型和用能尺度的预测潜力。     

插值改进EKF算法在组合导航中的应用

为了提高GPS/DR组合导航定位的精度和稳定性,提出一种基于插值公式的EKF（扩展卡尔曼滤波）改进算法。插值滤波算法继承了EKF实时递推结构,利用基于Stirling插值公式的差分方法代替EKF中非线性函数导数的计算。将插值公式展开的一阶项和二阶项作为函数近似分别得到DD1、DD2（一阶、二阶差分）滤波算法。插值滤波不必计算函数稚可比矩阵,大大降低了计算的复杂度,并改善了EKF算法中泰勒展开线性化造成的较大误差。根据GPS/DR组合系统的状态和观测方程,采用EKF、DD1和DD2滤波算法分别估计目标的状态信息。对比分析表明,插值滤波的精度和稳定性好于EKF算法,应用范围更为广泛。     

动态卡尔曼滤波在导航试验状态估计中的应用

阐述了GPS动态试验的新方案,使用两个精度相差一个数量级的GPS接收平台,通过匀速运动车辆的DGPS及GPS的滤波对比试验,验证了卡尔曼滤波器的有效性.并针对传统EKF(extended Kalman filtering)滤波器动态滤波性能较差的缺陷,引入了一种基于非线性思想的动态无导数卡尔曼滤波器,并对其状态方差阵及随机噪声方差阵Cholesky分解更新公式做了改进,避免了导数的运算,加快了滤波速度,有效地确保方差矩阵平方根的正定性从而抑止了发散.将这种新的卡尔曼滤波器应用于实际动态定位状态估计问题上.试验结果表明:比起传统卡尔曼滤波器,新的卡尔曼滤波器有较高的精度,实用性更强.     

一种GPS接收板及其定位精度分析

介绍了世界最大的GPS公司-GARMIN公司的高性能OEM产品35LP的结构，接口，数据格式及其应用；对观测点进行实验观测，描绘定位点图，确定所测点的真实坐标，分析板子的定位误差范围。在校园内选取了多个观测点进行观察测量和精度分析，给出了有代表性的两点实验数据和点图分布，并对二者进行了比较分析，说明了环境视野因素对测量精度的影响。