复杂配电网状态估计方法研究

复杂配电网状态估计是电网智能操作最基本的功能。通常输电网的状态估计算法不能直接应用于配电网,面对配电网不同质量的基础数据,在电网的操作状态下,需要准确、高效地进行状态估计。该文针对复杂配网三相不平衡的特点进行了电网建模,详细给出基于负荷分类和复杂网络裁剪的状态估计方法,较好地解决了配电网实测数据不足的问题。通过在实际配电网的现场测试,证明该算法具有良好的鲁棒性且计算精确、高效,满足实际应用需求。     

CIM数据应用性能提升方法研究

公共信息模型（CIM）作为IEC-61970标准的核心部分,被广泛地用作电力企业各类应用程序共享的交互工具．然而,实际工程中基于CIM的应用不得不面临数据解析缓慢、数据质量欠佳等问题,直接影响电力系统分析计算和控制．为此,提出CIM数据的优化提取方法和基于专家库技术的CIM数据质量提升方法;同时将传统CIM规则性校验方法与状态估计计算相结合,提出CIM模型校验与数据质量评估的新思路;最后,通过实际区域电网的实时运行断面进行测试,验证了该方法的有效性．     

基于统计特性的多天线能效优化

针对多天线链路,提出基于信道统计特性的传输与能效优化方案.接收端采用基于训练序列的最小均方误差估计获得信道估计值,并基于码本进行有限反馈,从而使得发送端获得信道状态信息并进行波束赋形的数据传输.针对这一传输过程进行能效优化,根据其信道统计特性对最小均方误差估计值和估计误差及码本反馈量化值和反馈误差进行统计分析,进而形成针对能效度量的统计分析和能效优化模型,并给出能效最大化的训练功率及数据功率分配方案.仿真结果表明,与已有静态功率分配方案相比,提出方案可以有效地提高系统能效性,且在快速时变信道环境下,以极低复杂度获得趋近于已有动态功率分配方案的性能.     

Clustering method based on nearest neighbors representation

针对多天线链路,提出基于信道统计特性的传输与能效优化方案. 接收端采用基于训练序列的最小均方误差估计获得信道估计值,并基于码本进行有限反馈,从而使得发送端获得信道状态信息并进行波束赋形的数据传输. 针对这一传输过程进行能效优化,根据其信道统计特性对最小均方误差估计值和估计误差及码本反馈量化值和反馈误差进行统计分析,进而形成针对能效度量的统计分析和能效优化模型,并给出能效最大化的训练功率及数据功率分配方案. 仿真结果表明,与已有静态功率分配方案相比,提出方案可以有效地提高系统能效性,且在快速时变信道环境下,以极低复杂度获得趋近于已有动态功率分配方案的性能.

     

基于卡尔曼滤波的电力虚假数据注入攻击检测方法

能源互联网的主体是基于状态估计下的电力系统。虚假数据注入攻击（FDIA）通过恶意篡改或注入电力数据,进而引发错误的状态估计结果。这种攻击方式存在引发大面积停电事故的风险,严重影响能源互联网的正常运行。在matpower 4.0中的IEEE-14节点系统上,利用以残差方程为基础的标准残差检测法和目标函数极值法,对FDIA进行了检测实验。提出了一种基于卡尔曼滤波的FDIA检测方法,并在MATLAB上进行了验证。实验结果表明,该方法可以在短时间内发现FDIA的发生。     

一种基于双重改进粒子滤波器的故障隔离方法

为了解决在基于解析冗余关系的故障诊断应用中难以实现故障隔离的问题,提出了一种基于双重改进粒子滤波器的故障隔离方法。该方法利用状态和参数估计粒子滤波器组成的联合估计模型,对系统状态和潜在故障参数值进行联合估计,通过对比潜在故障参数估计值与其标称值实现故障隔离。在联合估计模型中,一方面,在传统的随机扰动法的基础上,利用最大似然估计法获得参数时间更新梯度,使用一种改进随机扰动法实现参数时间更新;另一方面,在采样过程中考虑当前量测值,并引入粒子群和模拟退火优化思想,使用一种采样粒子质量改进方法实现粒子采样,以提升其估计性能。仿真结果表明：在假设的两类参数型故障下,基于双重粒子滤波器的联合估计模型在鲁棒性、计算速度和估计精度上均优于基于扩展状态空间的粒子滤波器联合估计模型,在基于双重粒子滤波器的联合估计模型上,使用所提出的改进方法能显著提升其估计性能。所提出的方法基本满足参数型故障隔离对计算效率和估计精度的要求,可作为基于解析冗余关系故障诊断中的故障隔离方法。     

高层建筑非线性地震反应的半主动模型预测控制

介绍了第三代结构控制的基准问题,通过研究地震激励高层建筑非线性反应的半主动控制,建立了高层建筑非线性地震反应的多步预测模型,模型中考虑了闭环控制系统中存在的时滞.基于非线性反应预测模型的Kal-man Bucy状态估计器,采用磁流变阻尼器作为控制装置,提出了半主动模型预测控制策略,并对一个20层基准建筑进行了非线性反应的数值仿真分析.将振动仿真结果与其他控制策略的结果进行对比分析,结果表明,半主动模型预测控制是一种性能优良的控制策略,能有效地抑制高层建筑结构的非线性地震反应,减小强烈地震或罕遇地震对建筑结构的破坏.     

一种光纤陀螺随机漂移的高精度建模方法

为减小光纤陀螺随机漂移,采用时间序列分析法对其进行ARMA模型辨识.提出一种全局最优的模型阶次搜索算法,将模型适用性检验方法中的BIC(Bayesian information criterion)用于模型阶次搜索,并采用Pandit-Wu建模思想,把二维搜索化为一维搜索,得到了模型阶次的一致性估计.提出了一种改进的U-C算法,并与长自回归模型计算残差法相结合共同估计模型参数.它将非线性参数估计过程转化为线性过程,使用了正置与逆置漂移时序参与估计,以前向和后向模型的滤波误差平方和最小为参数估计的指标,在p+1维空间中求极小值.采用上述方法确定的模型其残差标准差为0.002 4°,最大预报误差为0.011 2°,能准确预报光纤陀螺随机漂移趋势.     

采用扩展卡尔曼滤波器估计入射波参数

提出了采用扩展卡尔曼滤波器估计入射波参数（入射角度和入射功率）的方法,首先根据天线阵线拉空间信号的特点,在建立描述入射波参数的空间状态方程,其次为便于用数学方法进行入射波的参数估计,将含有复数的空间状态方程变换成用实变量表示的空间状态方程,然后,经扩展状态,将入射波的空间状态方程变非线性系统的状态方程,利用扩展卡尔曼滤波器实现入射角度和入射功率的联合估计,对天线阵接收一个入射波情况,采用ＭＡＴＬＡ     

群智感知中用户细粒度可靠性与真值预估模型

为了提高群智感知中感知数据的质量问题,提出了一种基于用户细粒度可靠性预估任务真值的方法,通过用户建模筛选出高质量数据。首先根据影响用户执行任务的瞬时因素评估用户的实时可靠性;其次,在刻画历史信誉度方面,引入信息熵衡量用户的信誉分布,包括用户总体信誉分布和在不同类别任务下的信誉分布;基于用户可靠性设计了有效的真值预估方法预估任务真值。实验结果表明,所提模型能够有效地评估用户在多类别任务下的可靠性,提高任务真值预估的准确率。     

多模型预测控制及其在火电厂过热汽温控制中的应用

针对火电厂存在的过热汽温问题,设计了多模型预测控制系统.根据若干建模工况点,离线训练局部人工神经网络模型,利用贝叶斯估计的方法在线计算每个局部神经网络模型概率,加权计算出模型预测输出值.根据预测控制的原理,利用Newton-Raphson迭代法得到控制信号,从而得到了仅含一个控制器的多模型预测控制系统.仿真结果表明,在负荷大范围变化的工况下仍能保持良好的控制性能,具有较强的鲁棒性.     

预编码和子空间跟踪的OFDM信道盲估计

讨论了一种OFDM信道盲估计方法,首先对进入OFDM系统前的相邻两个OFDM符号进行线性预编码,利用预编码引入的数据结构在接收端构造了一个新的矩阵,使得OFDM频域信道响应成为该矩阵的一维子空间,最后通过自适应子空间跟踪技术实现了信道的盲估计。仿真结果表明该方法能有效地抑制信号分布波动、时变信道及噪声对信道估计的影响,从而有效地降低了OFDM系统的信道估计平均均方误差和无编码码元出错率。     

最优步长因子法在电力系统状态估计算法中的应用

本文提出了使用最优步长因子法解决电力系统状态估计算法的收敛性及收敛速度问题。     

一种多机动目标协同跟踪的博弈论算法

针对传感器网络中的动态跟踪问题,提出一种基于博弈论的多机动目标协同跟踪算法.首先利用交互多模型扩展粒子滤波估计网络中每个机动目标的状态;然后以滤波过程中获得的目标信息增益为衡量标准,促使跟踪精度未达系统要求的目标的代理发起谈判,在保证谈判双方利益最大化的前提下,通过博弈为谈判发起者争取更多的传感器对其所代表的目标进行跟踪.仿真结果表明,在非线性非高斯环境下,该方法与传统方法相比能够有效提高跟踪精度,动态分配传感器资源以实现协同跟踪.     

基于FNN-UKF神经网络的氧化铝浓度动态预测模型

针对影响氧化铝浓度的因素较多,彼此相关性强,难以建立动态预测模型的问题,提出一种基于FNN-UKF神经网络的动态预测方法.首先考察各原始变量置零前后在特征空间主元投影上的相似度,判断其对氧化铝浓度的解释能力,由此进行原始变量选择;再将约简后的原始变量输入基于UKF算法的神经网络预测模型,通过更新状态估计值和方差矩阵提高模型的泛化能力.对取自某厂160KA大型预焙槽的247组样本数据进行检验:228组样本的预测误差在±1％之内,计算量减少52.07％,表明该方法在保证预测精度的同时,有效降低了模型学习的计算量.     

传输时延和数据包丢失的网络化系统预测控制

针对具有传输时延和数据包丢失的网络化系统研究了有约束模型预测控制问题。考虑网络控制系统中同时存在时延和丢包的情况,给定时延和丢包的上界值,用预测控制器产生的对应时刻的控制输入补偿网络时延和数据包丢失,通过建立时延状态矩阵将系统模型进行分类并视为切换系统,并通过构造切换Lyapunov函数证明了切换系统的稳定性。为了在提高系统性能的基础上减少计算量,利用部分滚动优化方法进行控制器设计,给出了性能指标的上界和系统渐进稳定的充分条件,通过在线求解LMI问题得到状态反馈控制律。仿真研究验证了该方法的有效性。     

基于加速退化数据的可靠性评估

为有效地获取滚珠丝杠副精度寿命特征,利用滚珠丝杠副磨损特征建立加速退化模型,并且根据设计的试验装置和试验过程的摩擦力矩值变化情况,采用参数估计方法进行退化数据的统计分析,获得不同应力水平下的滚珠丝杠副加速退化参数模型.同时,根据不同应力条件下实测的滚珠丝杠副摩擦力矩退化数据,计算出滚珠丝杠副定位反向变动量,为滚珠丝杠副的定位精度退化提供一种新的评价方法.建立的滚珠丝杠副加速退化模型针对其磨损进程极为缓慢的特性,利用该退化方法能较准确地推算出滚珠丝杠副精度寿命,能节约滚珠丝杠副试验费用、试验时间和指导滚珠丝杠副的设计.

     

神经网络法电力系统状态估计

提出了一种神经网络（Ｈｏｐｆｉｅｌｄ连续ＡＮＮ）法求解电力系统状态估计问题的新方法．根据加权最小二乘原理导出的状态估计模型可计及各种伪量测量．采用ＡＮＮ神经计算，可实现并行分布处理．经数值实例计算，结果表明，该方法是有效的，而且精度高、数值稳定性好．     

基于双层模型网格的变结构多模型估计

提出了一种双层网格变结构多模型（DLG VSMM）算法用于复杂系统的状态估计. DLG VSMM算法中的全体模型集由一个拓扑结构自适应调整的基础模型网格M和一个能在系统模式空间自由滑动的修正模型网格C组成. 首先利用可能模型集技术实时对基础模型网格结构进行调整;然后利用自适应网格技术产生修正模型网格的区域中心并生成自适应修正模型网格;最后利用最优融合原理得到系统的整体估计. 仿真结果表明,DLG VSMM算法在计算量增加不大的情况下提高了算法的跟踪精度.     

基于支持向量机的核电站松动件质量估计方法

在分析传统松动件质量估计方法的基础上,提出一种基于支持向量机(SVM)的核电站松动件质量估计方法.分析松动件跌落碰撞信号的频率分布特征与松动件质量之间的关系,提取表征信号频谱的特征向量.以该特征向量为SVM的输入,松动件质量为输出,实现对核电站松动件质量大小的估计.最后进行平板实验验证,实验结果表明,该方法比传统方法具有更高的计算精度和实现方便性,为核电站松动件质量估计提供了一种新的方法.