电力系统状态估计的快速正交变换算法

本文分析了电力系统加权最小二乘状态估计(Weighted Least Square=WLS)法方程算法潜在的数值稳定性问题,提出了用正交变换(二乘Givens变换)解WLS状态估计的快速正交变换算法。给出了结点与量测相结合的编号优化方法,以充分利用原问题的稀疏性降低计算量。实际例题表明,快速正交变换算法比法方程算法更加快速和可靠。     

正交变换法电力系统状态估计算法的研究

电力系统加权最小二乘准则的状态估计,通常采用正规方程法。当电力系统规模不断扩大,结点数相应增加时,这一方法出现病态倾向而导致数值解的不稳定。 本文提出一种基于格兰姆—施密特正交变换的电力系统状态估计算法。这一方法比正规方程法稳定性好,在IEEE 30结点试验电力系统上做了试算,证明这算法是提高电力系统状态估计器稳定性的有效方法。     

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．     

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。     

电力系统线性规划法状态估计研究

在电力系统状态估计算法中,有一种线性规划法。本文从滤波性能、计算时间、内存占用和自动排除不良数据几个方面,对线性规划法电力系统状态估计作了研究,编制了计算程序,进行了实例计算。从计算结果和理论分析可以看出,这个方法没有滤波性能,且计算时间较长,所以,就现有的成果看,它不太适用于电力系统状态估计的计算。     

基于UKF的电力系统动态状态估计

介绍一种简单而且计算量小的非线性UKF算法,并将其应用到电力系统动态状态估计中,能获得更高的精度。利用MATLAB软件编程,在9节点标准系统中进行了仿真验证。结果表明,该算法具有估计较高的估计精度和很好的鲁棒性。     

电力系统状态估计的快速计算方法

电力系统调度中心的调度用计算机主机，使用远程终端采集传送来的状态信息．除完成系统安全监控的功能之外，还要求能完成其它的调度功能和运行分析计算功能，如安全分析，经济调度等。为此，需要对传送来的状态信息，进行合格的相容性处理．本文提出了采用逐层进行状态信息的参数估计处理方法．首先检查有无不合格的数据，然后进行参数估计．这种方法将电力系统的状态估计和在线潮流计算同时结合进行，较现在一般使用的方法，计算速度快，占用内存少．在几个实际系统中应用表明适合于实时计算使用．文中介绍了有关原理、算法和应用情况．     

电力系统状态估计的发展思路

推测电力系统状态估计有四方面发展:SCADA的状态估计由一采样周期数据扩展至多周期,以提高辨识不良数据能力;Poling式的逐次型状态估计,极大提高计算速度;用Kalman滤波处理相量测量(PMU),降低存储需求并提高处理速度;电力系统SCADA与广域量测系统(WAMS)的联合处理,提供WAMS状态估计和网络分析的可能性.目前WAMS中PMU的配置原则不应该是全网可观测,而是尽早将WAMS的功能由稳定监视提高到稳定分析.     

图论在电力系统状态估计中的应用

主要研究了对给定观测矩阵Ｈ，量测图Ｇｍ的形成；要使系统可观测，在量测图Ｇｍ中必存在一棵树，且每一个树支对应不同的量测。用图论的方法提出了不良数据的可检测性和可辨识性的判据，以及不良数据检测判据，为检测与辨识相关多不良数据的算法提供了更有利的依据。     

用增测法解决状态估计中的病态问题

为了解决电力系统 WLS 法状态估计中的病态问题,本文对 L—M 增测方法进行分析和讨论,并根据数值相关性理论,提出了一种新的方法——QR-增测法,这种方法对于解决电力系统状态估计中的病态问题有较好的效果。     

DOA Estimation Method Using Sparse Repres-entation with Orthogonal Projection

In order to reduce the effect of noises on DOA estimation, this paper proposes a direc-tion-of-arrival (DOA) estimation method using sparse representation with orthogonal projection (OPSR). The OPSR method obtains a new covariance matrix by projecting the covariance matrix of the array data to the signal subspace, leading to the elimination of the noise subspace. After-wards, based on the new covariance matrix after the orthogonal projection, a new sparse representa-tion model is established and employed for DOA estimation. Simulation results demonstrate that compared to other methods, the OPSR method has higher angle resolution and better DOA estima-tion performance in the cases of few snapshots and low SNRs.     

小波变换在OFDM系统频偏估计中的应用

提出了一种基于小波变换的正交频分复用(OFDM)系统频偏估计的新方法,这种方法与其他频偏估计方法的不同在于,它不需要知道不稳定信号的平均接收功率,也不需要变化的时间观察窗,仿真显示,它可以跟踪频偏的变化,具有自适应特性,估计方法简单易行,且精度较高。     

正交算法在状态估计中的应用

介绍最小二乘法的正交算法的具体实现以及它在状态估计中的应用．正交算法是至今已开发的状态估计算法中最有效的算法之一,较其他算法有许多优势,经云南大理电业局、河南平顶山供电局、洛阳供电局现场运行表明,该方法具有数据传输精度高、收敛性好、占有内存小等特点     

正交小波变换在钻削刀具状态特征提取中的应用

为了精确地提取钻削刀具状态特征,系统地阐述了正交小波变换的概念和小波多分辨分析的方法,并对不同刀具状态的振动信号进行分解和重构处理,获得了振动信号在不同频段的重构分量,根据各个频段重构分量在不同刀具状态下的变化特点,进而提取高频段重构分量的功率谱的频域统计值以及[313 Hz~625 Hz]频段重构分量的局部极大模线对应的平均Lipschitz指数作为监测特征.实验结果表明:采用上述方法可有效实现刀具状态特征信息提取,较其它方法更加适用于钻削刀具状态监测.     

基于正交高斯混合模型的说话人识别研究

本文介绍了正交高斯混合模型（OGMM）及其在说话人识别中的具体应用。传统的高斯混合模型（GMM）常常假定协方差矩阵为对角线矩阵，但需大量的混合成来表征分布情况，这将会导致训练量的增加。OGMM的主要思想是传统的GMM之前先将特征矢量变换到由协方差矩阵的本征向量决定的空间中去，这样得到的对角线协方差矩阵可以更准确地反映分布的情况。基于OGMM的说话人识别实验表明该算法在说话人识别方面比传统的GMM算法有更好的效果并具有良好的应用前景。     

神经网络的同伦算法与电力系统状态估计

将同伦算法引入到神经网络的学习训练中,提高了神经网络的学习效率。该方法具由稳定性强,收敛性好的优点。用这种神经网络进行了电力系统的状态估计,算例表明了该方法的有效性。     

应用正交试验法估计未知参数

很多生产、计划、管理或科研课题需要借助函数关系的计算，寻求优良的参数组合。文中利用正交表［１］的均衡分散性和整齐可比性以及计算机的快速运算能力，给出了多变量系统未知参数自动选优的一种算法。本算法只需要若干组实测数据，对系统本身不作具体要求。将此算法应用在某一元非线性函数上（用Ｆｏｒｔｒａｎ语言编程并在微机上运行通过）。计算结果表明，该算法不仅有效，而且能在较短时间内达到额定要求，该算法具有教强的可操作性。从应用角度来看，该算法在多变量的情形下更能发挥其作用，可为有关工程技术人员提供理论参考。