基于抗差总体最小二乘法的电力系统谐波状态估计

介绍了谐波状态估计的数学模型及最小二乘和总体最小二乘的求解算法,综合考虑测量误差和参数误差的影响,利用总体最小二乘法进行谐波状态估计。分析了测量粗差对估计结果的影响,针对总体最小二乘法不具备抑制粗差能力的缺点,提出利用抗差总体最小二乘法进行谐波状态估计。用Matlab搭建了IEEE-14节点谐波测试系统仿真模型,在测量数据和参数矩阵中分别加入含有粗差的正态分布误差及正态分布误差,画出概率密度曲线图,并对总体最小二乘法、抗差最小二乘法和抗差总体最小二乘法进行比较,结果表明利用抗差总体最小二乘法能够得到更精确的谐波状态估计结果。     

基于岭估计方法的多谐波源责任划分

电网中受关注母线处的谐波电压是系统中所有谐波源共同作用的结果。在主要谐波源已知的情况下,量化这些谐波源在受关注母线处产生的谐波影响是划分谐波污染责任的前提。首先建立了多谐波源谐波责任划分的多元线性回归模型,考虑到系数矩阵病态情况下传统最小二乘估计无法得出正确结果,因此研究应用了岭估计方法。当谐波电流数据异常或者存在一定相关性时,岭估计方法避免了模型病态导致的错误结果。仿真算例验证了所述方法的有效性以及在系数矩阵病态时相对于传统最小二乘估计的优越性。     

基于广义岭估计的电力系统谐波状态估计

基于广域测量系统提供的网络部分节点的谐波同步测量数据和网络导纳矩阵建立谐波状态估计模型,通过对模型的求解得出整个网络的谐波状态。对于待求解的数学模型,由于网络中某些元件参数可能导致求解方程病态问题的出现,应用最小二乘估计所得结果存在较大误差,提出应用广义岭估计进行求解。仿真算例结果表明,在系数矩阵病态时,应用广义岭估计进行谐波状态估计的结果较最小二乘法有更高的准确度。     

考虑总体误差下降指标的电网参数辨识方法

电网参数错误是影响状态估计结果准确性的重要因素。文中以加权最小二乘状态估计为基础,分析了不良数据及错误参数集合对总体误差的影响,提出了基于总体误差下降指标的逐次型参数错误与不良数据辨识方法。该方法在辨识单个不良数据或参数错误时与正则化拉格朗日乘子法等价,并具备同时辨识多个不良数据及参数错误的能力。通过IEEE 14节点测试系统的仿真结果验证了所述方法的准确性与优越性。     

岭估计在Y/△变压器绕组参数辨识中的应用

阐述了变压器绕组参数辨识模型的建立过程,将岭估计法应用到Y/△变压器绕组参数辨识中,该方法解决了变压器正常运行情况下最小二乘法不能辨识变压器绕组电阻的情况,有效改善了辨识方程系数矩阵的病态性问题.EMTP及MATLAB仿真结果验证了该方法的可行性,辨识结果具有较高的精度.     

基于IGG抗差最小二乘法的三相配电网谐波状态估计

针对传统最小二乘法在谐波状态估计量测数据中混有粗差时的处理能力不足,提出了一种基于IGG法的抗差最小二乘法。抗差估计是统计学里面常用的一种针对数据中含有粗差的处理方法,而抗差最小二乘法就是将抗差估计和最小二乘法相结合的一种新的估计方法。该方法对量测数据进行降权、保权和淘汰,改善量测数据的权重,从而抵御了粗差对估计结果带来的恶劣影响。同时,目前大多数的配电网谐波状态估计模型采用简化的单相模型,并未考虑配电网三相不平衡的特点,文章建立了配电网的三相数学模型,并采用IEEE33节点系统进行仿真分析,在量测数据中混有粗差时分别运用抗差最小二乘法和传统最小二乘法求解并对估计结果进行误差对比,算例结果表明了抗差最小二乘法具有较强的抗差能力且估计精度优于传统最小二乘法。     

用于含风电场的电力系统概率潮流计算的高斯混合模型

大规模风电并网使电力系统的不确定性显著增加,给电力系统的安全稳定运行带来更大的挑战,用于系统不确定性分析的概率潮流的研究日益重要。该文针对短期风电功率预测误差不对称甚至多峰的概率密度分布特性,提出采用高斯混合模型对预测误差概率密度分布进行拟合。在此基础上,针对各高斯混合模型中子高斯的随机组合结果,采用改进加权最小二乘法计算各组合对应状态变量的概率密度分布。最后,以各组合中子高斯权重系数的乘积为权重,将各组合对应状态变量的概率密度分布加权整合,得到电力系统概率潮流结果。该方法将高斯混合模型与改进加权最小二乘法相结合,很好地拟合了短期风电功率预测误差的概率分布特性,避免了传统加权最小二乘估计中繁琐的迭代寻优过程,大大简化了电力系统概率潮流求解过程。以改进IEEE14节点系统进行算例分析,验证了该方法的准确性和有效性。     

互感线路零序参数在线测量中的参数估计

增量法、微分法和积分法等互感线路零序参数在线测量方法的共同点是通过多次测量,建立超定方程,利用最小二乘法求解线路参数。为寻求更适合的参数估计方法,针对测量所建数学模型的参数估计问题进行了研究。首先分析了最小二乘估计和总体最小二乘估计两种方法的原理,然后通过matlab数字仿真实验对比了两种估计方法在不同扰动情形下的拟合优度。研究结果表明,最小二乘估计方法在未知数的系数矩阵与常数向量都存在扰动的情况下,无法得到最优解;而其改进的总体最小二乘估计方法则能较好地克服这一不足,获得最优解。实验室的模拟实验进一步验证了所得研究结果。     

一种提取噪声中正弦信号的总体最小二乘法

本文提出了一种提取噪声中正弦信号的总体最小二乘方法。在采用信号增强技术降低观测噪声后 ,利用总体最小二乘方法估计被测信号参数可以得到比传统方法更好的分析结果。仿真实验表明 ,本文方法具有较好的噪声稳定性和较高的频域分辨能力 ,能准确地检测出频率非常接近的正弦信号 ,具有较好的估计性能     

基于最小一乘法的GM（1,1）模型及在负荷预测中的应用

为克服传统GM（1,1）模型中利用最小二乘法估计参数存在的不足,改善GM（1,1）模型在有突变情况下的中长期负荷预测中的精度,提出了利用最小一乘法估计GM（1,1）模型参数的方法。在GM（1,1）建模过程中,以误差绝对值之和最小为优化目标,针对目标函数不可导的特点,利用线性规划对模型的参数进行估计。对某中长期负荷进行预测,并与传统的GM（1,1）模型进行对比分析。结果表明,所提方法预测精度更高。该方法发挥了最小一乘法受奇异值影响小,稳健性好的优点,避免了利用最小二乘法估计GM（1,1）模型参数存在的不足,是有突变情况下的中长期负荷预测的有效方法。     

基于奇异值总体最小二乘法的间谐波估计算法

通过分析噪声误差,提出采用奇异值总体最小二乘(singular value decomposition total least squares,SVDTLS)算法进行间谐波频率估计,即同时考虑矩阵方程两边的噪声干扰,采用SVDTLS算法求解该情况下的最小范数解,通过对增广矩阵进行奇异值分解(singular value decomposition,SVD),采用简单实用的与信噪比相关的主奇异值个数确定方法对分解的右奇异矩阵进行存储计算,得到了较精确的间谐波频率估计结果。仿真结果表明,该算法具有良好的抗噪性能和数值稳定性,在低信噪比情况下可准确提取信号的频率。     

机动目标跟踪的完全最小二乘法输入估计

针对最小二乘法对目标机动进行估计时忽略系数矩阵偏差的问题,采用完全最小二乘法,同时考虑测量数据偏差和系数矩阵偏差对目标机动估计的影响,给出了机动目标跟踪中基于完全最小二乘法的输入估计方法。根据卡尔曼滤波器的一致性条件判断目标是否发生机动,使用完全最小二乘法估计出目标所发生的机动大小,并用目标机动的估计值对跟踪算法进行了补偿。仿真结果表明,基于完全最小二乘法的输入估计方法的跟踪效果要优于基于最小二乘法的输入估计方法。     

基于正则化的接地网断开故障诊断方法

为准确检测接地网断开故障,提出一种基于正则化的接地网断开故障诊断方法。通过向故障诊断目标函数中加入一个罚函数来实现对解的阻尼作用,达到使解稳定的目的,从而解决接地网故障诊断中的病态性问题,实现对接地网断开故障的有效检测。通过实验室实验验证了方法的可行性,实验结果表明所提出的断开故障诊断方法可以有效地检测接地网中单支路断开故障及多支路断开故障状态。现场实验验证了该方法的准确性,实验结果表明所提出方法可以对变电站支路断开故障进行有效检测。     

Mixed norm regularized recursive total least squares for group sparse system identification

A mixed l_p,0‐regularized recursive total least squares (RTLS) algorithm is considered for group sparse system identification. Regularized recursive least squares (RLS) has been successfully applied to group sparse system identification; however, the estimation performance in regularized RLS‐based algorithms deteriorates when both input and output are contaminated by noise (the error‐in‐variables problem). We propose an l_p,0‐RTLS algorithm to handle group sparse system identification with errors‐in‐variables. The proposed algorithm is an RLS‐like solution that utilizes l_p,0‐regularization. The proposed algorithm provides excellent performance as well as reduces the required complexity by effective inversion matrix handling. Simulations demonstrate the superiority of the proposed l_p,0‐regularized RTLS for a group sparse system identification setting. Copyright © 2015 John Wiley & Sons, Ltd.     

平面电机自适应加速度前馈运动控制

为解决在较大加速度运动条件下,固定不变的加速度前馈系数难以提高平面电机加、减速阶段的伺服性能的问题,提出一种基于比例微分控制器输出与目标加速度的自适应前馈系数求解方法.采用最小二乘法,根据运动过程中比例微分控制器输出与目标加速度数据集,对前馈系数进行在线修正.通过引入遗忘因子,使得前馈系数与基于当前位置的动态特性更加匹配.分别采用沿y、x方向的不同加速度轨迹,在最大加速度为20 m/s2时,加、减速段的最大轨迹跟踪误差为0.56 μm.该方法完全基于在线运动控制实验,实现了无需电机模型参数的前馈系数求解.     

MEMS IMU随机误差建模在SAR运动补偿中的应用

随着SAR小型化发展趋势,低精度小型化微机电系统惯性测量系统（MEMS IMU）在SAR运动补偿中越来越受到重视。鉴于MEMS IMU 中随机误差较大,为提高其短时间内相对运动测量精度,从IMU测量误差对SAR成像的影响分析出发,采用基于时间序列分析方法对MEMS IMU中随机误差进行建模,并构建Kalman方程对IMU原始数据进行了滤波处理,减小了随机误差,从而降低随机误差在合成孔径时间内对SAR运动补偿的影响。机载SAR飞行试验数据处理结果表明,此方法能够有效的减小随机误差,提高SAR图像聚焦质量。     

A capacitance‐ratio quantification design for linearity test in differential top‐plate sampling sar ADCS

Successive approximation register (SAR) analog‐to‐digital converters (ADCs) are widely used due to their low power consumption and area cost. However, testing SAR ADCs on an embedded chip is costly. This paper proposes a capacitance‐ratio quantification design for the linearity test of differential top‐plate sampling SAR ADCs. First, the pattern generator controls the switches connected to the bottom plate of capacitors to create a voltage difference proportional to a certain capacitance ratio on the top plates to be quantified. Then, the proposed mechanism quantifies the capacitance ratio via the auxiliary transistors connected to the input pair of the comparator in the SAR ADC. The capacitance ratios are recorded to construct the differential nonlinearity (DNL) and integral nonlinearity (INL) using the derived construction principles, which simplifies the implementation of the output response analyzer. Thus, the test time and area cost can be reduced with these two proposed mechanisms. For characterizing the DNL, the error between the results obtained using the proposed method and those obtained using conventional linear ramp histogram method is from ?0.10 to 0.11 least significant bits (LSBs). For the INL, the estimation error is from ?0.19 to 0.11 LSBs. Moreover, a test time reduction of about 76% is achieved at the expense of an 18.54% area overhead for the capacitance‐ratio quantification mechanism. Copyright © 2014 John Wiley & Sons, Ltd.