基于边缘计算模式的台区线损率计算方法

目前部分供电公司对台区的线损管理仍采取人工方式,通过对比供售电量并按照预定的阈值对台区进行线损率异常判断。该方法计算精度较低并且不能充分考虑不同台区的线损水平差异,有一定的局限性。为此,提出了基于边缘计算模式的台区线损率计算方法,结合边缘计算模式以及相关技术,将配电台区作为边缘计算节点,采用近邻传播（AP）算法对台区电气特征参数进行分类,并通过LM算法优化的BP神经网络模型对低压台区线损率进行计算,判断该台区是否存在异常。     

一种新K-means聚类算法的多元线性回归台区线损率预测模型

线损率是反映线损管理的重要依据,由于其理论计算的复杂性,一直倍受电力工作者的广泛关注.基于国内外线损管理研究现状以及相关理论计算方法,提出一种基于K-means聚类算法的多元线性回归模型预测台区线损率方法.首先,利用K-means聚类算法对台区样本数据聚类分析,根据聚类结果建立线性回归预测模型计算台区线损率.然后,通过预测线损率与实际线损率比较分析,对线损估计误差较大的台区重点关注.最后,以贵州部分地区的台区样本数据为依据,验证所提方法的准确性与快速性,为贵州地区的线损管理提供理论依据.     

基于奇异谱分析的PMI组合预测模型

为了提高制造业采购经理人指数（PMI）的预测精度,结合PMI周期性和非线性的特点,提出了融合奇异谱分析（SSA）、季节差分自回归移动平均（SARIMA）模型和支持向量回归（SVR）模型的组合预测模型。该模型采用SSA将PMI分解为主要成分和噪声成分,借助SARIMA模型处理线性问题以及SVR模型处理非线性问题的优势,分别为两个成分建立相应的预测模型,针对主要成分选取SARIMA模型和SVR模型建模,噪声成分选取SVR模型建模,最后将各自得到的结果组合为最终的预测结果。实验显示：SSA-SARIMA-SVR模型的误差评价指标最低,预测效果最好,可供预测PMI走势。     

基于改进SSA的风光氢储综合供电系统配置优化

在保障风光氢储综合供电系统可靠性的前提下，为最大限度地降低单位发电成本，提升系统整体的经济性，提出了一种引入自立策略的改进麻雀搜索算法（SSA），并根据该方法对风光氢储综合供电系统电源容量配置进行了优化。建立以最小化单位发电成本为目标函数的优化模型，采用改进SSA算法进行求解。研究结果显示：该算法具有较好的寻优能力，系统单位发电成本降低了23.3%。     

ECT系统轮换对称SVM图像重建改进算法

针对在处理大规模样本集的ECT系统数据时,SVM算法存在的图像重建的成像精度不高及速度慢的问题,采用了轮换对称分块支持向量机CSPSVM算法.算法利用ECT系统模型的轮换对称性,将大样本矩阵按照成像单元某一层按轮换对称性进行简化,并选择性分块,形成多个小样本矩阵;然后分别采用SVM算法进行训练,用得出的决策函数进行样本预测;最后将各成像单元组合成像.图像重建实验结果表明使用CSPSVM改进算法要比单独使用SVM算法重建图像具有更高的分类精度和更短的成像时间.     

非线性参数估计在超短基线安装校准中的应用

比较了各种非线性参数估计循环解法在超短基线安装误差校准中的性能,并提出一种改进算法,使用循环算法进行估计,然后使用非线性模型参数估计的一种非循环(直接)解法进行修正.构建了安装校准问题所需的观测方程;分别实现牛顿法和信赖域法、最速下降法、高斯牛顿法和改进的高斯牛顿法、循环求解观测方程等,分析各解法的性能;并与非线性模型参数估计的非循环算法进行了比较,提出循环算法和非循环算法结合的改进算法,给出算法流程,并利用海试数据处理结果验证方法的有效性.     

大数据条件下现场运行电能表计量误差估计方法

为了探究现场多维影响工况下在网电能表的计量性能,并映射其在标准实验室条件下的计量误差,提出一种基于大数据分析技术的现场服役电能表计量误差估计方法,结合现场运行的环境数据和电因素数据实现在线计量误差估计。首先,通过优化聚类评价指标实现K-Means聚类算法的改进,并对现场环境数据进行聚类分析;然后,采用LM算法优化基于BP神经网络的数据训练方法,结合负载电流、功率因数等数据,构建电能表电能误差与环境温度、湿度和负载电流、功率因数四种应力的映射关系;最后,在获取电能表现场电能误差数据的基础上,开展工程应用实例计算。结果表明,利用所提方法可对电能表的计量误差进行划分,验证了所提方法的准确性。     

基于改进BPNN-MPF算法的锂离子电池SoE估计

为了提高锂离子电池能量状态（SoE）估计的准确性,考虑到电流或电压传感器噪声会累积误差,提出了一种基于改进反向传播神经网络（BPNN）与模型预测滤波（MPF）相结合的SoE估计方法。基于一阶RC等效电路模型,采用MPF算法估计电池的SoE,并使用改进BPNN对MPF算法的估计结果进行误差补偿。在NEDC工况下验证了本文方法的准确性。结果表明,与传统MPF算法和BPNN-MPF算法相比,本文方法的SoE估计值能较好地收敛到真实值,且最大绝对误差和均方根误差均在1%以内。     

冷轧带钢缺陷表面形状恢复新算法

为改善冷轧带钢表面缺陷分类识别性能,提出基于从阴影恢复形状原理的表面缺陷三维重构算法． 针对表面缺陷检测系统的光路设计,提出一种改进的Oren-Nayar漫反射模型,结合透视投影模型推导出相应 的反射图方程,利用基于高阶Lax-Friedrichs汉密尔顿函数和牛顿迭代相结合的快速扫描算法完成了该方程 的求解,实现表面缺陷三维信息的提取．利用合成图像和表面缺陷图像进行三维重构实验,结果表明该算法 重构精度高,验证了改进光照模型的正确性．该三维重构算法能够有效地提取冷轧带钢表面缺陷三维信息, 有助于提高表面缺陷分类识别性能     

Oldroyd-B流体的解耦有限元算法

建立了求解稳态Oldroyd-B流体模型的有限元算法.为了降低该流体模型的耦合性和有限元方程的求解规模,考虑将Oldroyd-B流体模型解耦为Stokes方程和本构方程.对于Stokes问题,使用加权最小二乘有限元方法求解;而对于含有对流项的本构方程,则采用具有较好数值稳定性的流线迎风Petrov-Galerkin(SUPG)方法求解.针对本构方程的非线性特点,利用迭代算法将其进行线性化处理.分析了解耦有限元解的先验误差估计.通过粘弹性Oldroyd-B流体在管道内的流动问题,验证了算法的有效性和收敛性.     

关于Real AdaBoost算法的分析与改进

采用一种新的技术,对Real AdaBoost算法的有效性、误差估计、算法流程和弱分类器训练进行了分析和证明。证明了可用加权组合弱分类器对Real AdaBoost算法进行改进,并得到了近似最佳组合系数;指出Real AdaBoost算法的样本权值调整和弱分类器训练方法的真实目的是确保弱分类器的独立性;基于Bayes统计推断对Real AdaBoost算法进行了多分类推广,得到了算法公式和误差估计,给出了便于使用的弱分类器训练简化方法。得到了Gentle AdaBoost算法的误差估计公式。UCI数据实验验证了所提算法和改进算法的效果。     

基于粒子群算法的Universum SVM参数选择

分类器的模型参数对分类结果有直接影响.针对引入无关样本的Universum SVM算法中模型参数选择问题,采用粒子群优化(particle swarm optimization,PSO)算法对其进行优化.该方法概念简单、计算效率高且受问题维数变化的影响较小,可实现对多个参数同时优选.此外,在PSO中粒子适应度函数的选择是一个关键问题.考虑k遍交叉验证法的估计无偏性,利用交叉验证误差作为评价粒子优劣的适应值.通过舌象样本数据实验,对参数优选前后测试样本识别正确率进行比较,实验结果验证了该算法的有效性.     

基于ART1改进算法的汉字分类研究

为了更好地利用自适应共振理论（ART1）来实现汉字的分类,提出了一种改进的ART1算法。改进算法引用了同或的思想,将输入模式与记忆模式相同的部分在输入模式总体中占的比例作为二者的匹配度,从而降低了输入样本顺序对分类结果造成的误差,增强了网络的稳定性和抗噪性。实验结果证明,改进算法能够更好地将汉字进行分类,求出聚类中心。     

基于张量域降噪的宽带DOA估计

针对低信噪比条件下远场宽带信号波达方向(DOA)估计精度低的问题,提出了一种基于张量域降噪的宽带DOA估计算法。首先,联合各子频带数据构造张量信号;然后进行高阶奇异值分解,并利用最小描述长度准则分离信号与噪声;其次,改进协方差矩阵拟合算法,利用L1范数对信号功率进行约束,获得L1约束问题模型并求解;最后,对所有窄带估计结果进行融合得到宽带信号DOA。仿真结果表明,该算法可有效地降噪,同时较求根多重信号分类算法和旋转不变子空间参数估计算法,该算法对DOA估计无需预知信源数目,且在低信噪比条件下具有较小的均方根误差。     

水声稀疏信道估计与大范围白适应平滑预测研究

研究了对水声稀疏信道的估计与预测．基于水声稀疏信道模型提出了信道重要权系数检测迭代估计算法来对信道的时域冲激响应进行估计,该算法无需预先知道信道多径数,同时可有效利用预估的信道多径数下限减少计算量;基于线性自回归模型提出了大范围自适应平滑预测算法来对水声信道进行预测,无需估计复杂的水声信道二阶统计特性,通过降低信道采样速率和局部平滑以进一步降低预测误差．文中算法比最小二乘（LeastSquares,LS）算法和匹配追踪（MatchingPursuit,MP）算法性能更为优越;当通信距离较短时,信道预测误差在10^2内．本文算法能够对水声稀疏信道进行有效估计和预测,可为水声通信中的自适应技术提供依据．     

一种基于“当前”模型的改进卡尔曼滤波算法

针对“当前”模型中加速度上下限对卡尔曼算法造成的影响,提出了一种改进算法。该改进算法利用速度预测估计和速度滤波估计间的偏差进行加速度方差自适应调整,避免了加速度极限值对状态估计精度的影响。最后对具有不同加速度极限值参数的卡尔曼滤波算法进行了仿真,验证了加速度上下限对卡尔曼滤波算法精度有一定影响,并进一步对比了所提出的改进算法和基于“当前”模型的标准卡尔曼滤波算法的效果,结果表明改进算法的预测误差小,跟踪精度高。     

基于单极点反馈积累理论的KF算法

状态误差协方差矩阵和状态估计的精度直接影响卡尔曼滤波（KF）性能.为减小滤波误差,提高卡尔曼滤波精度,基于单极点反馈积累理论,提出了一种改进的卡尔曼滤波算法.该算法利用单极点反馈积累思想,通过综合当前时刻和过去时刻信息实现对估计参数的良好逼近,更新卡尔曼滤波中的状态误差协方差矩阵和状态估计来提高其估计精度.理论分析和仿真结果表明：该算法与KF算法相比,对跟踪效果有一定改善,使位置、速度跟踪误差有效降低并保持其误差曲线平滑,提高了滤波/跟踪精度.     

一种快变信道下OFDM系统的Kalman信道估计算法

针对频率选择性快速时变信道的多径干扰和较大的多普勒频谱扩展,提出了一种改进的Kalman滤波算法。用于正交频分复用（OFDM）系统信道估计．该算法采用复杂度大大降低的低维Kalman滤波来跟踪快速时变信道,迭代联合信道估计与检测算法来获得测量矩阵,并对滤波结果利用一种新的简单的最小均方误差（MMSE）估计器进行优化。有效地降低了传统基于Kalman滤波算法的复杂度．仿真结果表明,该方法能够跟踪信道的快速变化,具有良好的估计性能．     

一种改进的LS信道估计算法

LS估计算法不需要了解信道的统计特性,从而对接收机结构要求比较简单,但是噪声的存在使这种信道估计的性能与理想信道差异很大,对系统性能影响较大．在研究分析了最小平方（Least Square LS）信道估计算法的基础上,对该算法进行了改进,降低了噪声对信道估计的影响．仿真试验表明该算法减少了信道估计的均方误差,提高了LS估计算法的正确性．     

结构可靠性分析的LCVT-SVR方法

为了克服结构可靠性分析中隐式极限状态函数和高计算量问题,提出LCVT-SVR结构可靠性分析方法.该方法利用拉丁质心Voronoi网格化（LCVT）抽样方法生成空间均匀性较好的训练样本,采用均匀映射得到一定数量的失效样本.基于训练样本,建立极限状态函数的支持向量机回归（SVR）代理模型,用于结构可靠性分析.在同一组SVR训练参数条件下,对多种抽样方法进行对比研究.结果表明,基于LCVT样本构建的SVR代理模型具有精度高和鲁棒性好的特点.利用2个工程算例,验证了所提方法的性能及实用性.