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 ANN 状态识别系统的变压器故障检测方法

提出基于ＡＮＮ状态识别系统的变压器故障检测方法。该系统主要由ＡＮＮ变压器一次电压非线性估计器、比较器、计数器等构成。它通过比较一次电压实际值与估计值的大小,识别变压器内部是否发生故障。关于ＡＮＮ状态识别系统在检测变压器故障中的正确性及快速性,通过数字仿真得到验证。     

基于人工神经网络的点焊工艺参数选择和质量预测

将人工神经网络技术（ＡＮＮ）引入点焊领域，建立了点焊工艺参数选择ＡＮＮ系统和点焊接头质量预测ＡＮＮ系统。验证表明，ＡＮＮ预测精度较好，为点焊工艺参数优选及焊点性能预测提供了一条新途径。     

神经网络控制器用于永磁电机的伺服驱动

提出用一种遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ，简称ＧＡ）训练的多层神经网络结构（ＮＮ），并把它用于交流直线永磁同步电动机（简称ＬＰＭＳＭ）的辩识与控制，使其运行在伺服驱动环境．ＮＮ可随时辩识被控系统的动态待性，而不需要ＬＰＭＳＭ的精确的数学模型．仿真结果令人满意     

人工神经网络和专家系统结合运用的电力系统故障诊断方法

对人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合应用于电力系统故障诊断问题进行了研究，提出了一种电力系统故障诊断新方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用田的推理能力，由ＥＳ根据报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行验证、该方法中ＡＮＮ隐含的知识是电网通用的故障判断知识，具有较强的通用性。模拟测试表明该方法可有效地识别电网故障元件，并且具有较强的容错性。     

不连续密度函数 NN-估计的收敛速度

讨论不连续密度函数最近邻估计（ＮＮ－估计）的收敛速度。由于密度函数不连续时的ＮＮ－估计不是相合的,我们提出一个改进的ＮＮ－估计,使之有相合性,且收敛速度不变。     

基于人工神经网络的点焊工艺参数选择和质量预测

将人工神经网络技术（ＡＮＮ）引入点焊领域,建立了点焊工艺参数选择ＡＮＮ系统和点焊接头质量预测ＡＮＮ系统。验证表明,ＡＮＮ预测精度较好,为点焊工艺参数优选及焊点性能预测提供了一条新途径。     

人工神经网络和专家系统结合运用的电力系统故障诊断方法

对人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合应用于电力系统故障诊断问题进行了研究，提出了一种电力系统故障诊断新方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力，由ＥＳ根据报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行验证。该方法中ＡＮＮ隐含的知识是电网通用的故障判断知识，具有较强的通用性。模拟测试表明该方法可有效地识别电网故障元件，并且具有较强的容错性。     

基于神经网络的并行诊断推理

将人工神经网络（ＡＮＮ）技术用于不确定性的诊断推理中，方法综合了ＡＮＮ和专家系统（ＥＳ）的优点，模拟结果表明，本文提出的方法是很有效的。     

混合神经网络及其在高炉径向煤气流模式分布中的应用

提出一种高炉径向煤气流模式分布的混合神经网络模式识别方法,针对从“样本特征模式空间”到“样本类别空间”具有较强非线性的模式识别问题,提出了一种由自组织竞争子神经网络（ＡＳＣＳＮＮ）和基于径向基函数子神经网络（ＲＢＦＳＮＮ）串联而成的混合神经网络．其中,ＡＳＣＳＮＮ用于对输人的特征模式空间进行自组织分类,以使识别更加稳定;ＲＢＦＳＮＮ对样本特征模式进行识别．根据工业现场采集数据进行实验,验证了该方法的可行性．     

抗不良杠杆量测的稳定收敛状态估计方法

不良杠杆量测使得传统的含有不良数据辨识的状态估计方法失效,严重降低了状态估计的精度,为了能够自动排除不良杠杆量测的干扰,同时保证状态估计计算的数值稳定性和收敛性,提出了抗不良杠杆量测的稳定收敛状态估计方法。在利用等价权原理并统一量测残差尺度的基础上,提出了采用标准化残差的指数型权函数,并基于此得到抗差状态估计模型。该模型能够根据量测残差自动修正量测权重,具有较强地抵抗不良杠杆量测的能力,能有效保证算法的数值稳定性和收敛速度。分别采用3节点和IEEE118节点算例对该方法的特点进行了验证。     

Online Detection of State Estimator Performance Degradation via Efficient Numerical Observability Analysis

An efficient observability analysis method is proposed to enable online detection of performance degradation of an optimization-based sliding window visual-inertial state estimation framework. The proposed methodology leverages numerical techniques in nonlinear observability analysis to enable online evaluation of the system observability and indication of the state estimation performance. Specifically, an empirical observability Gramian based approach is introduced to efficiently measure the observability condition of the windowed nonlinear system, and a scalar index is proposed to quantify the average system observability. The proposed approach is specialized to a challenging optimization-based sliding window monocular visual-inertial state estimation formulation and evaluated through simulation and experiments to assess the efficacy of the methodology. The analysis result shows that the proposed approach can correctly indicate degradation of the state estimation accuracy with real-time performance.     

降秩近似法状态估计的研究

为了解决电力系统状态估计中的病态问题,本文在正交变换法的基础上,根据数值相关性理论,提出了一种数值稳定性更强的算法—降秩近似法,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,     

线性离散时变系统的H∞故障估计

研究受能量有界扰动影响的线性离散时变系统H_∞故障估计问题.通过状态扩展，把故障估计问题转化为H_∞滤波，并基于Krein空间的Kalman滤波理论，运用新息重组，给出了一种新的故障估计方法.算例验证了本文给出方法的有效性.     

基于提高系统可观测性和状态估计精度的PMU配置

WAMS和SCADA系统共存,是当前电力系统发展的必然趋势.因此PMU布点问题成为当前必须面时和解决的问题之一.从利用PMU量测提高状态估计精度和状态方程数值稳定性两方面出发,同时兼顾系统的可观测性,提出一种新的PMU配置方法.在传统SCADA量测系统的基础上,部分安装PMU量测形成混合非线性量测模型,分析比较PMU配...     

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。     

一种U—D分解自适应推广卡尔曼滤波及应用

为了改善自适应卡尔曼滤波的数值稳定性和计算效率,防止滤波发散,本文在自适应推广卡尔曼滤波的基础上,利用U-D分解滤波,提出一种U-D分解自适应推广卡尔曼滤波新算法,并把该算法应用于飞行状态估计问題,仿真及实际飞行数据计算结果证明了本文方法的有效性.     

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。     

一类基于自适应状态观测器的混沌同步方法

依据Lyapunov稳定理论,结合控制理论中的状态反馈及输出反馈理论,讨论了一种基于自适应状态观测器设计的混沌同步的方法.同时根据持续激励条件讨论了参数估计的收敛性,设计驱动系统的输出及响应系统,使两个同结构的混沌系统状态渐近同步.经过数值仿真证明该方法有效的实现了响应系统与驱动系统的同步并估计出未知参数.     

Anticipating Degradation in State Estimation Accuracy via Online Nonlinear Observability Analysis

A methodology is proposed to enable real-time evaluation of the observability of local motions, and generate a local observability cost map to enable informed local motion planning in order to avoid potential degradation or degeneracy in state estimator performance. The proposed approach leverages efficient numerical techniques in nonlinear observability analysis and motion primitive-based planning technique to realize the local observability prediction with real-time performance. The degradation of the state estimation performance can be readily predicted with the local observability evaluation result. The proposed approach is specialized to a representative optimization-based monocular visual-inertial state estimation formulation and evaluated through simulation and experiments. The experimental results demonstrated the ability of the proposed methodology to correctly anticipate the potential state estimation degradation.