最小二乘算法的研究与改进

最小二乘法具有良好的滤波和数据窗可变的特性,但运算量很大,以至于无法满足微机保护实时性的要求.文中针对最小二乘算法的这一缺陷,通过深入的分析和研究提出了最小二乘改进算法,改进后的算法不仅具有良好的滤波特性和数据窗可变的特点,而且运算量大大减少,从而使高精度的最小二乘算法能够很好地应用于微机保护中.理论分析和计算机仿真表明:改进算法能准确估计出待求量.     

最小二乘算法的研究与改进

最小二乘法具有良好的滤波和数据窗可变的特性 ,但运算量很大 ,以至于无法满足微机保护实时性的要求。文中针对最小二乘算法的这一缺陷 ,通过深入的分析和研究提出了最小二乘改进算法 ,改进后的算法不仅具有良好的滤波特性和数据窗可变的特点 ,而且运算量大大减少 ,从而使高精度的最小二乘算法能够很好地应用于微机保护中。理论分析和计算机仿真表明 :改进算法能准确估计出待求量     

微机保护中递推最小二乘法的应用

在阐述微机保护中递推最小二乘法原理的基础上,通过建立虚拟系统模型,用系统辩识理论研究了递推最小二乘法的递推初值和该算法的渐近性及无偏性。     

基于核偏最小二乘的光伏发电出力预测

光伏发电出力与太阳辐射强度和温度等气象条件关系密切,在出力预测模型中,气象因素与出力数据存在着非线性关系,同时各气象因素之间也存在非线性的关系。核偏最小二乘(KPLS)方法具有较强的处理非线性问题的能力,本文基于KPLS方法建立光伏发电出力预测模型。利用光伏电站的历史气象数据和出力数据对KPLS预测模型进行训练,训练的模型用以预测光伏电站的出力。通过实际光伏电站运行数据的验证,并将预测结果同偏最小二乘(PLS)方法和人工神经网络(ANN)方法的预测结果相比较,实验结果显示KPLS预测模型具有较准确的预测能力和较强的适用性。     

非线性偏最小二乘回归在电力负荷预测中的应用

非线性(二次多项式)偏最小二乘既能够解决线性偏最小二乘只能提取线性成分的问题,它又借鉴了偏最小二乘回归方法能够有效地解决自变量集合多重相关性的问题,因而它更具有先进性,其计算结果更为可靠.本文将二次多项式非线性偏最小二乘回归应用于泉州地区的电力负荷预测.文章还将二次多项式偏最小二乘的预测结果并线性偏最小二乘和logistic模型的预测结果进行比较,实例预测结果表明,非线性偏最小二乘具有较高的预测精度,它能满足实际工程的要求.     

最小二乘算法的测量误差分析

在微机保护中可以利用最小二乘算法来计算故障电流的基波和谐波分量.对此算法中系数矩阵对测量误差的影响进行了分析,并与全波傅氏算法的系数对测量误差的影响进行对比,对实现短数据窗的最小二乘算法的难点进行了探讨,得出了结论.     

最小二乘算法的测量误差分析

在微机保护中可以利用最小二乘算法来计算故障电流的基波和谐波分量。对此算法中系数矩阵对测量误差的影响进行了分析,并与全波傅氏算法的系数对测量误差的影响进行对比,对实现短数据窗的最小二乘算法的难点进行了探讨,得出了结论。     

一个性能优良的非线性最小二乘程序与水和水蒸汽高精度特性公式

本文提出了一个新的非线性最小二乘程序与水和水蒸汽高精度特性公式,可以满足汽轮机特性试验和现场在线监测精度和快捷计算的要求。结合运用计算机VB语言,该公式可更广泛推广运用     

矩阵方阵最小二乘问题的定秩解

讨论了矩阵方程最小二乘问题的定秩解,利用矩阵对的广义奇异值分解,得到了定秩解的解集合;对于最小秩解的解集合Sm,得到了最佳逼近解.     

最小二乘法视觉系统标定研究

介绍了单目视觉系统标定的现状,以及现行标定法的优缺点。在相机固定、机器人末端执行器在平面内运动的场合,提出了一种基于最小二乘法的拟合标定算法,该算法可以考虑径向畸变、切向畸变等非线性因素。在不同的拟合模型下,该标定算法分别将平均标定误差从原来的1.4505mm下降到0.4879mm、0.1084mm,最大标定误差从原来的2.2001mm下降到0.7587mm、0.2081mm,大大降低了标定的误差。并进行了算法的可靠性验证,证明了算法的有效性。     

基于最小二乘支持向量机的超短期风电负荷预测

风力具有很强的间歇性和波动性,导致风电负荷预测困难,主要表现在预测计算速度慢,可预测的未来时间短,预测精度不高。为了解决这些预测困难,将最小二乘支持向量机(LS-SVM)的方法运用在超短期风电负荷预测中。最小二乘支持向量机通过改进算法,简化了计算的复杂性,使计算速度明显增快,也进一步提高了预测的精度。用实际数据进行仿真,实验结果表明,基于LS-SVM的方法可以进一步提高超短期风电负荷预测的精度,加快计算和预测的速度,与其他方法相比预测精度和运算速度都有优势,用于超短期风电负荷预测是有效可行的。     

基于变量选择的锅炉NO_x排放的最小二乘支持向量机建模

电站燃煤锅炉是大气NOx污染的主要来源之一,建立有效的NOx排放模型是锅炉优化降低NOx的基础。针对热工过程变量之间的强相关和耦合性,利用偏最小二乘方法(partial least squares,PLS)对多工况实炉热态测试数据进行重要变量(variable importance in projection,VIP)信息提取和变量选择(variable selection,VS),把最优的变量子集作为最小二乘支持向量机(least squares support vector machine,LSSVM)的输入,最终得到NOx排放的VS-LSSVM模型。最优的输入变量个数通过留一交叉验证法获取。并将该模型与其他建模方法进行对比,结果表明通过变量选择后建模可以降低模型的复杂度,提高模型的泛化能力。     

基于抗差最小均方估计的输电线路参数辨识

输电线路数学模型广泛运用于电力系统分析计算中,其参数的准确性与电网的安全稳定运行密切相关,广域测量系统的发展为获取输电线路参数提供了新的手段。针对目前参数辨识算法缺乏测量误差对辨识结果影响的研究,提出基于抗差最小均方估计（robust least mean squares,RLMS）的输电线路参数辨识算法,该算法以抗差函数代替传统最小均方估计算法中的均方误差,并通过自适应阈值法调节阈值,进而使得辨识算法在抗噪声方面具有较强的适应能力;对不同时刻的计算结果,提出了基于核密度估计和点估计法提取结果的统计特征,最后通过仿真分析与实测数据对比验证了所述算法的有效性。     

基于递推最小二乘法的永磁同步电动机参数辨识

针对永磁同步电动机在运行中电机的电磁参数的改变,通过对永磁同步电动机稳态数学模型的推导,利用递推最小二乘法对电机的电阻、电感进行在线辨识.在Matlab/Simulink中搭建辨识模型进行分析比较,验证该方法可以准确地辨识出电阻、电感的值.递推最小二乘法简单可靠,易于实现,具有一定的实用价值.     

基于多新息最小二乘算法的锂电池参数辨识

为了保证电池管理系统的安全可靠运行，需要准确地辨识锂离子电池模型参数。以磷酸铁锂为研究对象，建立其RC等效电路模型，并基于该模型辨识锂离子电池模型参数。锂离子电池模型参数受外部因素影响较大并且参数辨识结果受在线信息采集的限制，采用多新息最小二乘辨识算法进行锂离子电池模型参数在线辨识。通过3种不同的充放电实验采集数据，并根据实验数据在不同初值下进行参数辨识，通过比较由辨识结果估计出的端口电压值与实际值的误差来描述辨识结果的准确度。实验结果表明，多新息最小二乘辨识算法具有快速收敛性与高精确性。     

基于最小二乘法的感应电能无线传输系统负载辨识方法

基于最小二乘法提出一种新型负载辨识方法,以PS结构电流型感应电能传输(IPT)系统为例,建立其非线性高阶微分方程并构建数据矩阵,通过最小二乘法获得系统的过程参数矢量,将负载辨识问题转换为系统参数辨识问题,完成系统的负载辨识,最后通过仿真及实验,验证了此方法的可行性。     

基于核偏最小二乘的电厂热力参数预测与估计*

为了解决机组运行过程中参数失效和优化过程中参数计算的问题,提出了一种基于核偏最小二乘方法的热力参数预测和估计方法。首先用正常数据建立机组参数的预测和估计模型,确定各变量之间的回归关系,然后将其用于参数的在线预测与估计。其基本思想是通过非线性核函数将数据映射到高维特征空间,然后在高维特征空间中进行偏最小二乘回归运算。该方法可以有效地捕捉变量间的非线性关系,参数预测和估计效果明显好于偏最小二乘法和主元回归方法等线性回归方法。某1 000 MW发电机组烟气含氧量历史特征数据集仿真试验及实际应用比对实验证明了该方法的有效性。     

基于优化正交偏最小二乘法的变电站全寿命周期成本预测分析

变电站开展全寿命周期成本（LCC）管理,有利于提升电网资产管理效率,而如何准确测算LCC费用是LCC管理的难点。构建了一个基于正交偏最小二乘法（OPLS）变电站的LCC费用预测模型,并通过变量投影重要性进一步优化预测模型。结果显示优化OPLS预测模型的精度有所提升,且通过考察年故障时间、初期投资、年故障中断功率、单位赔偿费用、电价、年平均故障修复率、物理寿命周期、运维率、年平均修复时间、年平均故障修复成本和通货膨胀率等关键影响因子,就可实现对变电站LCC的高效估算。     

基于偏最小二乘回归的锅炉再热汽温建模

锅炉再热汽温调节对于机组安全性和经济性有着重要的意义.利用偏最小二乘回归结合机组实际运行数据对再热期望焓升-即单位流量蒸汽吸热能力进行建模.分析了再热期望焓升的影响因素,构建了现场没有引入但会对再热汽温造成直接影响的中间变量.在建模前期通过稳态工况以及均匀设计的方法对建模数据进行筛选,并比较了多种数据筛选方法的建模精度.研究结果表明,再热汽温受多个因素综合变化影响,且呈非线性关系,对再热期望焓升进行建模能够更好地反映再热汽温变化的本质:选择不同的样本数据对模型的精度和稳定性有一定的影响:建立的偏最小二乘回归模型能够克服变量间的多重相关性,得到易于解释的统计学模型,量化已有运行数据,使运行人员快速掌握系统特性,同时也为先进控制策略的应用提供了数据基础.