基于核密度估计的电网电压质量分析系统研究

针对目前传统电压质量评估方法的缺陷与电力系统数据分析软件存在的瓶颈,在引入核密度估计分析方法的基础上运用R语言开发了基于核密度估计的电网电压质量分析系统,从均值、标准差、核密度估计、小提琴分布等方面建立模型参数,对电网电压质量进行分析。通过对杭州西湖区典型变电站2016年电压数据统计分析,验证了用R语言开发的基于核密度估计的电网电压质量分析系统的优势,其具有更加完善的电压质量评价指标、强大的统计计算功能和便捷的数据可视化等特点。     

基于随机响应面法的主动配电网无功优化

考虑分布式电源(DG)的无功主动调控能力,计及状态变量的机会约束,建立主动配电网随机无功优化模型。通过非参数核密度估计对随机因素进行建模,进一步借助随机响应面法,研究适应于多种概率模型的概率潮流计算方法,用以判断状态变量是否满足机会约束,并利用Nataf变换处理随机变量的相关性。结合基于粒子群的无功优化方法,对所建立模型进行求解。最后,基于修改过的IEEE 33节点和美国PGE 69节点配电系统测试所提方法的正确性和有效性。算例表明所提概率潮流计算方法所得累积分布函数具有较高的精度,同时设计不同的场景,进一步表明所提模型和算法适应不同DG无功控制策略、可发现确定性优化方案的概率越界风险并调整解决。     

基于非参数核密度估计法的光储系统容量优化配置

储能技术有助于缩减光伏功率输出的预测误差,并可以提高光伏预测输出作为电力系统调度参考的可靠性.为此,提出基于光伏功率预测误差分布,提出了一种光储系统容量配置方法.利用Markov链和持续法的组合预测模型实现了光伏功率超短期预测,依靠储能系统弥补实际光伏发电功率与预测功率的预测误差.根据非参数核密度估计法建立了光伏功率预测误差分布模型,由日最大绝对能量的累计分布函数给出储能系统的总体容量配置,实现储能系统的整体容量规划.通过对某20 MW(峰值)光伏电站实测数据仿真分析可知,在满足95％储能容量的日需求下,储能配置容量为9MWh.所提出的方法为光伏电站合理配置储能系统提供了理论依据,使光伏电站具备更好的可调可控能力.     

基于非参数核密度估计的扩展准蒙特卡洛随机潮流方法

扩展蒙特卡洛方法将随机潮流的误差转化为可控量,并可在样本数增加时保留已知的潮流计算结果。基于扩展拉丁超立方抽样的方法效率比简单随机抽样高,但仍存在两方面的问题:第一,扩展拉丁超立方抽样无法保证序列的差异性,这成为计算效率提高的瓶颈;第二,当输出变量偏离正态分布时,扩展拉丁超立方抽样方法缺乏性能良好的收敛判据。针对以上两个问题,采用基于Sobol序列的扩展准蒙特卡洛方法进行随机潮流计算,并提出基于非参数核密度估计方法的收敛判据。对IEEE 30和IEEE 118节点系统的仿真结果表明,所述方法比扩展拉丁超立方抽样方法更加方便、准确,同时效率更高、收敛更快;而基于非参数核密度估计的收敛判据直观、适应性强,对变量的概率分布没有附加条件,可准确指导扩展随机潮流的收敛。     

基于非参数密度估计的不确定轨迹预测方法

随着大量移动设备的出现，准确和高效的轨迹预测有助于提高面向位置的应用和服务的质量和水平.针对现有方法对轨迹不确定性缺乏有效建模的问题，提出了基于非参数密度估计的不确定轨迹终点预测方法.在轨迹建模及模型训练阶段，利用非参数估计对起点与终点相同的轨迹构建基于密度分布的不确定轨迹模型；在轨迹预测阶段，将待预测轨迹视为轨迹数据流，并通过KS（Kolmogorov-Smirnov）检验方法与具有相同起点的不确定轨迹模型进行匹配，其中匹配程度最高的不确定轨迹即为预测轨迹.通过真实轨迹数据集上的实验表明，与现有各类主要轨迹预测方法相比，本方法在不同条件下的预测效率与准确性都有较明显优势.     

改进局部保持投影算法及其在故障诊断中的应用

针对局部保持投影(LPP)的邻域参数设置主要依靠经验这一缺点,对LPP邻域参数的设置进行了改进设计,提出了改进局部保持投影算法(ILPP).相比于LPP,ILPP中引入了核密度估计,使得邻域参数会根据数据集的样本密度而自适应的变化,可以更好地对高维数据集的流形结构进行保持.将ILPP用于齿轮典型故障的诊断中,实验结果表明,ILPP可以对不同故障类型数据进行有效区分,实现了故障诊断精度的提高.     

DATA PREPROCESSING AND RE KERNEL CLUSTERING FOR LETTER

Many classifiers and methods are proposed to deal with letter recognition problem. Among them, clustering is a widely used method. But only one time for clustering is not adequately. Here, we adopt data preprocessing and a re kernel clustering method to tackle the letter recognition problem. In order to validate effectiveness and efficiency of proposed method, we introduce re kernel clustering into Kernel Nearest Neighbor classification （KNN）, Radial Basis Function Neural Network （RBFNN）, and Support Vector Machine （SVM）. Furthermore, we compare the difference between re kernel clustering and one time kernel clustering which is denoted as kernel clustering for short. Experimental results validate that re kernel clustering forms fewer and more feasible kernels and attain higher classification accuracy.     

基于估计点的滑动窗宽核密度估计算法

针对核密度估计中窗宽确定困难的问题，提出了基于估计点的滑动变窗宽核密度估计算法。通过采用固定窗宽的密度估计函数代替假设的正态分布密度函数的方法，对估计域中的每一估计点求取其最优窗宽值，实现了窗宽根据样本的分布情况，在不同的估计点自动调整窗宽的取值。文中给出了算法的具体推导以及实现步骤，给出了对比试验。结果表明，新算法在估计结果的精度、平滑度等方面比现有固定窗宽的算法有明显提高。     

基于贝叶斯网络的群体性事件智能视频分析与判定技术

为提高群体性事件智能视频监控的可靠性,提出在传统图像处理算法实现目标检测和特征提取的基础上,采用贝叶斯网络进一步对事件特征进行分析,重点介绍人群聚集事件判定贝叶斯网络建模、参数设置和推理等关键过程,并以具体的实例进行验证。结果表明:该方法具有建模简单、对智能视频分析算法依赖性低、鲁棒性和移植性强等特点,对建立可靠的智能视频监控系统具有参考价值。