迭代技术的电力系统傅氏测频算法

针对自适应调整采样间隔的傅氏测频算法的不足，提出了基于迭代技术的自适应频率跟踪算法。该算法通过实时调整傅氏滤波系数来实现跟踪测量。计算机仿真结果表明，本算法能较好地跟踪系统频率的变化，能够同时对多路信号进行频率的跟踪测量。     

Goertzel算法在线性系统幅频特性测试中的应用

针对稳态响应信号的幅值检测,提出了采用Goertzel算法实现的方法。介绍了Goertzel算法原理及实现结构,根据稳态响应信号的频率确定对应的采样频率和采样点数,以达到整周期采样,从而避免频谱泄露对计算精度的影响。对典型线性系统的幅频特性测试进行仿真,结果表明该方法计算量小、效率高和测量精度较高,具有很好的实用性。     

基于压缩采样的电力系统负荷频率自动控制研究

为降低新能源接入对电力系统的影响，研究了基于压缩采样的电力系统负荷频率自动控制方法。利用匹配追踪算法对采集到的新能源发电输出功率信号进行稀疏表示，并将稀疏表示后的信号投射至测量矩阵得到低维的测量值。在测量值范围内，运用L₁范数优化方法得到重构后新能源发电输出功率。将该功率与期望功率的偏差作为扰动项，接入基于比例积分(PI)控制器的负荷频率控制模型。利用变论域方法调节PI控制器输入与输出论域。根据模糊推理定义伸缩因子，构建变论域模糊PI控制器使之作用于负荷频率控制模型，完成电力系统负荷频率的自动控制。试验结果证明：该方法控制后的输出功率稳定，负荷扰动下区域控制偏差和频率偏差小，电力系统负荷频率自动控制的精度最高可达99%,具有实用性。     

三相电气参量快速和高精度的测量算法

提出了一种快速富里叶变换FFT算法来测量电力系统基波频率和其它谐波频率的实时值,进而计算出三相电压和电流的有效值与相位的实际值。由于电力系统参数随时都在变化,非正弦信号的系统基波频率不可能是一个确定的值,采用未确定的系统基波频率来采样和测量非正弦信号变化的三相电压和电流将引起很大的误差。因此,提出先准确测量非正弦信号的系统基波频率,然后,采用准确的系统基波频率来采样三相电压和电流,进而再计算三相电压和电流的有效值与相位的实际值、有功功率与电能、无功功率与电能等。这种算法不仅大大缩短计算时间,而且提高了测量的精度,测量精度可以达到0.1%或更高。实例计算的仿真结果及实际应用系统的运行数据都证明:这种算法的可靠性、准确性和快速性。     

基于锁相环与双A/D的交流采样技术及其应用

为了保证对电力系统的实时监控、调度,需要对电力参数进行交流采样;介绍了电力系统参数交流采样的设计思想,对频率跟踪电路进行了分析,提出了由锁相环CD4046和双MAX125构成的硬件解决方法,并给出了由CD4046构成的频率跟踪电路图以及双MAX125与80C196KC单片机的接口设计电路,解决了电力系统中多路电压、多路电流的交流采样问题,保证电网频率变化时采样数据的精度和稳定性;该采样算法可以应用于多种场合,具有一定的实用和推广价值.     

多速率STFT超宽带信号瞬时频率估计研究

提出多速率短时傅里叶变换(Multi Rate Short Time Fourier Transform,MR-STFT)瞬时频率估计算法,提高了超宽带信号瞬时频率估计精度;该方法将多速率信号处理算法与短时傅里叶变换(STFT)技术相结合,兼顾采样频率和被测频率,将宽频范围进行分段采样,对分段处理结果进行拟合,构成多速率STFT算法,实现超宽带信号瞬时频率的高精度测量;通过对仿真信号和实测信号进行处理,研究了方法的可行性和频率估计精度,结果表明MR-STFT算法较大提高了超宽带信号瞬时频率估计精度,尤其对低信噪比的超宽带信号效果显著。     

基于CIC抽取滤波器的谐波分析算法

为消除非同步采样引起的频谱泄漏,提高电网信号的谐波分析精度,提出了基于级联积分梳状(CIC)抽取滤波器的谐波分析算法。在前端AD过采样的情况下,该算法采用逆向搜索的方法实现非同步采样数据的整周期截断,用基于CIC抽取滤波器变频的方法实现信号采样频率与信号基波频率同步,通过快速傅立叶变换(FFT)得到信号频谱,计算基波及各次谐波的幅值和相位。仿真实验结果及误差分析表明,相对于常规的分析方法,该算法具有较高的测量精度。该算法对于非稳态周期信号的谐波分析只需单周期采样,简单易实现,是一种有效的测量方法。     

基于电网的采样感知加权循环调度算法

针对智能电网相量测量设备竞争使用有限的网络通信资源时，会因资源分配不均而导致数据包延时或丢失，进而影响电力系统状态估计的精度这一问题，提出了一种采样感知加权循环（SAWRR）调度算法。首先根据电网相量测量单元（PMU）采样频率和数据包大小的特性，提出了基于PMU业务流均方差的权重定义方法；然后设计了相应的PMU采样感知迭代循环调度算法；最后将该算法运用到PMU采样传输模型中。该算法能自适应地感知PMU的采样变化，及时调整数据包的传输。仿真结果表明，与原始的加权循环调度算法相比，SAWRR算法减少了95%的PMU采样数据包的调度时延，降低了一半的丢包率，增加了两倍的吞吐量。将SAWRR算法运用到PMU数据传输中有利于保证智能电网的稳定性。     

基于准同步采样光伏发电系统谐波分析方法

在非同步采样的情况下,针对现有的检测方法存在计算量大、实时性差、频谱泄露以及栅栏效应等缺陷,提出一种基于同步采样的谐波检测算法,首先将非同步采样序列准同步化,然后利用基于Nuttall窗改进的FFT谐波分析算法进行对准同步化的序列运算,将整个基于准同步谐波分析方法应用于自主研制的光伏发电综合测量装置中。测试结果表明,该方法能够有效地消除光伏发电系统中频率波动等现象带来的影响,抑制频谱泄露效果良好,提高了计算谐波参数的准确度,并且具有较高的抗干扰能力。     

自相关锁定放大器的实现方法

研究了一种基于自相关运算的数字锁定放大器算法，讨论了该该算法的测量精度和采样频率等参数。仿真试验表明本文中的算法可用于当同频率参考信号不能获得时，低信噪比条件下正弦信号的幅度的测量。     

一种减少频谱泄漏的自适应算法

提出了一种既能提高周期信号的测试精度,又不增加计算量的自适应算法,其核心是当周期信号周期的整数倍等于采样周期与采样点数的乘积时,运用该算法得出的离散序列就是直接对信号采样后得到的离散序列;不等于时,自适应算法将自动调整采样得到的离散序列,使其最大限度地逼近理想离散序列,从而减少频谱泄漏。     

基于结构分析的局部Gibbs抽样自动推理算法

提出一种基于结构分析的局部Gibbs抽样的贝叶斯网络推理算法(S-LGSI).S-LGSI算法基于联合树算法的概率图模型分析思想,对贝叶斯网络进行精确分解,然后根据查询结点和证据结点生成具有强相关性的局部网络模型,进而对局部网络模型进行Gibbs抽样推理.与当前基于抽样的其它近似推理算法相比,该算法降低推理的计算维数.同时,由于局部抽样模型包含了与查询结点相关的重要信息,因此该算法保证局部抽样推理的精度.算法分析和在Alarm网的实验结果表明,S-LGSI算法较显著降低时间复杂度,同时也提高推理精度.S-LGSI算法应用于上海证券交易所股票网络的推理结果与实际情况基本一致,表现出较强的实用性.     

Sampling from the generalized logarithmic series distribution

A two parameter generalized logarithmic series distribution is used to model the number of publications written by biologists. In this paper, some methods of sampling from the generalized logarithmic series distribution are presented. The inversion algorithm is compared with algorithms based on rejection and branching methods. For small values of the parameters, the inversion algorithm seems to be faster than other algorithms. The paper recommends a modified algorithm based on the inversion and branching methods.     

计算随机矩阵期望最大特征问题的自组织算法

设Ｎ为一随机变量矩阵,Ａ＝Ｅ（Ｎ）为Ｎ的数学期望,（Ａ（ｔ））为Ｎ为一系列观测。本文提出逐次基于Ｎ的观测而计算Ｎ的数学期望Ａ之最大特征向量的一个自组织算法。理论分析和数值实验表明：所提出的算法可行,有效,有很强的实用性。     

语音编码器中的分数基音估计算法

在保证同等音质的前提下,为降低语音编码器中分数基音估计的复杂度,提出一种基于多项式拟合的分数基音估计算法。以整数点相关度序列为基础,在其最大值点附近进行多项式拟合,解析给出分数基音估计值。与现有的基于采样函数插值的分数基音估计算法相比,不使用常数插值表,无插值、遍历和比较操作,实现运算量与插值因子无关,典型情况下的运算复杂度仅为现有算法的1/25。在实际语音编码器中,所提算法对各类语音的客观及主观测试结果表明,其长时预测增益和编码音质都与现有算法相当。     

A Levinson-type algorithm for modeling fast-sampled data

The standard discrete-time autoregressive model is poorly suited for modeling series obtained by sampling continuous-time processes at fairly rapid rates. Large computational errors can occur when the Levinson algorithm is used to estimate the parameters of this model, because the Toeplitz covariance matrix is ill-suited for inversion. An alternative model is developed based on an incremental difference operator, rather than the shift operator. It is shown that, as the sampling period goes to zero, unlike the standard autoregressive parameters, the coefficients of this model converge to certain parameters that depend directly on the statistics of the continuous-time process. A Levinson-type algorithm for efficiently estimating the parameters of this model is derived. Numerical examples are given to show that when the sampling interval is small this algorithm is considerably less sensitivity to arithmetic roundoff errors than the Levinson algorithm     

基于时序蒙特卡洛的WSN节点定位算法

针对无线传感器网络（WSN）中的移动节点定位问题,提出了一种将反馈时间序列与蒙特卡洛相结合的定位算法TSMCL（Feedback Time Series-Based Monte Carlo）。该算法基于目标节点1跳范围内的邻居锚节点（至少3个）反馈信号的先后顺序,构建了节点可能的初始采样区域R1,并以区域R1与蒙特卡洛采样区域R2的重叠区作为新的采样区域R,以进一步缩小采样范围、提高采样效率。仿真结果表明：与蒙特卡洛定位算法相比,提出的TSMCL算法能够减少约38%的定位误差,尤其当节点移动速度较高时,算法的收敛速度也得到了显著提升。     

蜂群算法优化性能综合测试研究

对蜂群算法的性能进行全面的测试和研究,实验分析了维数和粒子数对算法的影响,侦察蜂的活动对算法的影响以及初始解的位置对算法的影响。同时受遗传算法的启发,将典型的选择机制应用到蜂群算法并对其进行改进,并比较不同选择机制下蜂群算法的性能。实验结果表明,在粒子数为40,维数为10或者30,均匀分布初始解的位置,采用确定式选择法和无放回余数选择法代替蜂群算法中轮盘赌的选择方法的条件下,蜂群算法得到整体最好的优化结果。     

基于采样点正交变换的改进CKF算法

针对传统CKF算法在解决高维问题时因非局部采样造成的滤波性能下降问题,基于设计的正交矩阵提出了一种改进的CKF算法。采用多元Taylor级数展开,揭示了CKF虽能解决UKF的数值不稳定性问题,但同时也引入了非局部采样问题这一事实;进一步设计出一种正交变换矩阵,用于对CKF算法中的采样点进行变换,并从理论上证明了提出的改进CKF算法相对于CKF在高维、强非线性等非局部采样问题突出的应用场合具有更高的估计精度。仿真结果验证了算法的有效性。     

改进GP分形理论的最近邻序列预测算法

针对现有的时间序列分析和预测算法中主观性太强的缺点,借助分形理论对时间序列作有效的分析。改进了分形理论中的GP算法和复自相关法的计算方式,从而使之更适合相空间的重构和预测,然后在重构后的相空间中选择累积采样轨迹的最近邻点作一次性的序列预测。提出的算法避免了人工过多的干预调整,通过在两个具体时间序列数据集上的验证,与其他预测算法相比,该算法的分析结果稳定而准确、预测精度高、运行时间比较短。