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.     

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。     

傅氏算法与最小二乘法的关系研究

由傅里叶级数推导得到的周期函数的傅氏算法具有良好的滤波能力,在微机保护中得到了广泛的应用。文章基于最小二乘法拟合原理推导出了傅氏算法并对测量精度进行分析,发现傅氏算法是最小二乘算法取一个周波或半个周波数据窗时的特殊情形,且在不同数据窗的最小二乘算法中,傅氏算法的精度最高。     

快速模糊正交最小二乘算法

本文在非线性非交最小二乘辨识方法中引入模糊基函数,得到可以统一利用语言信息和数据信息的模糊正交最小二乘方法,并且针对其计算量大,速度慢的缺点,推导出不同计算正交项的快速模糊正交最小二乘算法,并且在玻璃窑炉温度系统离线建模中进行了仿真实验,验证了算法的有效性。     

利用递推最小二乘算法和自适应采样实现微机电量变送器

根据递推最小二乘算法，从受到干扰污染的输入信号中估计基波电压（电流）复数振 幅的实部和虚部，利用它们对电流、电压、有功功率和无功功率的有效值进行计算，利用电 压相角变化来测量频率和功率因数。通过自适应调整采样间隔，保证当频率改变时每周波均 匀采样Ｎ点，提高了测量精度，加快收敛速度，减小计算工作量，从而减小响应时间。     

基于高频噪声主频估计的自适应最小二乘算法

进一步提高电力系统继电保护的动作速度，要求寻找速度更快的保护滤波算法。传统的最小二乘算法与卡尔曼滤波算法虽然速度较快，但准确度难以提高。通过对电力系统故障信号高频噪声分量的理论分析与仿真研究，发现高频噪声分量存在一个主频，并提出一种使用遗传算法的主频频率估计器。根据高频噪声主频的存在性与自适应滤波原理，提出了一种基于高频噪声主频估计的自适应最小二乘算法，它利用高频噪声主频估计器计算输入信号的高频噪声主频频率，根据主频频率修改最小二乘算法的模型参数，实时形成最小二乘算法的计算式。仿真试验表明，该算法显著地提高了保护滤波算法的滤波速度与准确性，即使在噪声非常严重的情况下，也能取得很好效果。     

继电保护中最小二乘算法的最佳噪声模型

电力系统继电保护的最小二乘算法由于采用的噪声模型不同而有多种形式。文中首先列举了最小二乘算法的各种模型及其组合,通过研究算法模型对滤波性能的影响,提出采用IH(平均最大频谱)和IL分别评估算法滤除谐波分量的能力和滤除非周期分量的能力。使用该方法对各种噪声模型进行了对比研究,并得到了各种时间窗长度下的对于电压和电流信号的最佳模型。仿真计算表明所提出的比较方法及其结果是正确的。最后,基于得到的最小二乘算法的最佳模型,提出了一种基于最小二乘算法的快速距离保护。     

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。     

最小二乘法对群时延测量的改善

本文介绍了用矢量网络分析仪测量群时延的需求,提出了采用最小二乘法拟合改善测量不确定度的方法。该方法通过分析和大量实验,特别为改善窄带群时延的测量不确定度提供了应用和思路。     

Receiver autonomous integrity monitoring (RAIM) performances of combined GPS/BeiDou/QZSS in urban canyon

Multi‐GNSS (global navigation satellite system) has become a trend to solve the urban canyon effect in order to meet the requirements of GNSS users, but the probability of mistaken satellites is also increasing with the increase in the number of visible satellites. The receiver autonomous integrity monitoring (RAIM) performance has therefore become very important. In this paper, the minimum RAIM availability (MRA) is proposed to evaluate the RAIM availability of combined GNSS constellations, and the minimal detectable effect (MDE) is applied to assess the RAIM fault detection capability. The significant improvements of RAIM performances in urban canyons when GPS/QZSS (quasi‐zenith satellite system) are combined without and with BeiDou are quantified and analyzed by the simulations of the Asia‐Pacific region snapshot and temporal variations in Beijing, Tokyo, Shanghai, and Hong Kong with different masking angles. The combining of BeiDou with GPS/QZSS has great realistic significance, especially in the Asia‐Pacific region. The evaluation measure of RAIM performances can be used to predict the availability of GNSS constellations under different conditions, and it can be also used to assess the availability and integrity of combined constellations. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于灰色理论的钟差预测模型辅助RAIM算法研究

为了提高钟差预测模型辅助接收机自主完好性监测(RAIM)的效果,提出了基于灰色理论的钟差预测方法。该方法针对钟差的一阶差分序列建立灰色模型,然后将基于该模型的钟差预测值引入卫星导航系统辅助进行故障卫星的检测与识别。试验表明,与传统的多项式模型相比,新的钟差模型不仅预测精度高;而且有效提高了故障卫星检测与识别的效率。在4颗卫星的条件下可检测的伪距故障偏差从64m降到54m,在5颗卫星的条件下可以识别的伪距故障偏差从55m降到46m,同时系统的其他指标也有明显改善。     

基于最小二乘矩阵束算法的工频分量提取方法

从故障暂态信号中准确地提取出工频分量对于继电保护十分重要。最小二乘矩阵束算法采用衰减指数和模型,可以有效消除各类谐波及衰减直流分量的影响。文中通过仿真研究了采样频率、时间窗及模型阶数等关键参数选取对最小二乘矩阵束算法的影响。同时,分析了滤波器及数据采样对算法的影响。最后,在1个工频周期下与傅氏算法进行对比,仿真结果表明最小二乘矩阵束算法具有较高的计算精度。     

基于偏最小二乘回归与比重法的月售电量预测

月售电量的预测受多方面的制约,从影响售电量的因素出发,利用偏最小二乘回归与比重法建立了国民生产总值、人口、社会固定资产投资、人均国民生产总值与售电量的回归预测模型。偏最小二乘方法能够提取若干对系统具有最佳解释能力的综合变量来建立预测模型,该方法与比重法结合应用于月售电量的预测之中,能更好地体现引起月售电量变化的平稳因素、季节突变因素的周期性,使得月售电量的预测更加准确。利用该预测模型对唐山地区2004年的月售电量进行了预测,月售电量的平均相对误差为4．74％,预测精度较高,证明了该预测模型的准确性。     

复杂系统反向建模方法及偏最小二乘法建模应用研究

针对常规建模方法在实际应用中所面临的建模难题,提出了一种新的建模思想--反向建模方法,即利用实际复杂热力系统运行时产生的大量实时数据,建立系统数学模型的学术思想。阐述了反向建模方法的思想、建模过程的模式。以烟气含氧量为例,利用华能福州电厂1号机所采集的大量现场运行数据,选用偏最小二乘算法(partial least-square regression,PLS),利用文中所提的反向建模思想尝试建立了一个局部系统的数学模型,验证结果初步表明该建模思想的有效性和实用性。文中所提方法可望提高复杂热力系统的建模效率和建模精度。     

基于机器学习与惯性导航的室内定位技术研究

针对基于移动终端室内定位的实际应用需求,分析了基于机器学习定位技术运算时间长、单纯的惯性导航累积误差大等问题,提出一种机器学习与惯性导航相结合的联合定位技术。该技术首先利用移动终端收集定位区域内多源数据,通过机器学习算法处理这些数据得到训练模型。然后基于该训练模型和移动终端实时采集的数据周期性进行定位,把定位结果作为惯性导航校正数据,利用惯性导航算法实时计算移动终端位置。实验结果表明,所提技术定位时间快,定位精度高,能够满足室内实时定位追踪及低成本定位系统需求。     

动态GPS卡尔曼滤波中的神经网络算法研究

GPS导航系统噪声具有非先验性,而传统的卡尔曼滤波器要求假设动态模型和观测模型的噪声统计特性已知,因此传统卡尔曼滤波导航定位的方法定位精度不高.本文提出采用前向神经网络辅助调节卡尔曼滤波器,这样既考虑了现实环境的动态变化对系统模型造成的随机干扰影响,又融合了神经网络的自学习性和自适应性,使其具有自适应能力以应付动态环境的扰动,其中自适应利用神经网络的BP算法得以实现.仿真研究表明:该算法优于普通的卡尔曼滤波器.     

卫星导航接收机通用射频前端设计及实现

当前多个全球卫星导航系统(GNSS)已投入或即将投入运行,GNSS接收机射频前端性能优劣直接影响接收机性能,而不同系统、不同频点的GNSS信号需要设计不同的射频前端,给射频前端的设计提出了挑战.针对以上问题,以实验室自主研发的通用射频芯片为基础,完成了射频前端的方案设计并进行了硬件实现.结合中频数据采集板及软件接收机平台,实现了多系统多频点的实时卫星接收,验证了该通用射频前端的性能满足接收机的要求.