递阶偏最小二乘回归在大坝安全监测中的应用

偏最小二乘回归能有效地消除因子间的多重相关性,但从其算法特点和实际应用来看,也存在不足。例如,在算法方面,偏最小二乘提取的主成分不一定能同时保证方差和相关程度最大;在应用方面,含有较多自变量的偏最小二乘回归模型的可解释性不高。递阶偏最小二乘回归是偏最小二乘回归后续研究的成果之一,在一定程度上克服了上述不足。算例表明,递阶偏最小二乘回归模型较其他回归模型的可解释性强,较为合理。     

一种建模新方法及其在谐波源分析中的应用

为有效提取多变量系统中对系统解释性最强的综合变量,克服变量多重相关性在系统建模中的不良影响,提出了基于偏最小二乘回归进行数据建模的一种新方法。介绍了该方法的基本原理和建模基本思想,并以实例分析了该方法对多变量信息的综合与筛选作用。将该方法应用于谐波源的定量分析中,利用测试的谐波电压和电流信号,通过偏最小二乘回归算法求解回归系数,进而可计算系统谐波阻抗与用户的谐波发射水平。仿真示例说明了该方法的有效性和优越性。     

一种PLS回归的并网风电项目利润预测方法

为了减少风电项目的盲目建设,提高建设投资决策的经济性,提出一种基于偏最小二乘回归的风电项目利润总量预测方法。利用偏最小二乘回归算法中的指标标准化处理和提取偏最小二乘成分,解决了实际利润预测分析中在计算数据的指标之间具有多重相关性、可以搜集到的准确的相关样本数据较少的条件下拟合利润预测回归模型时存在的问题。提出影响风电项目年利润总量的九个指标,在某地若干风电项目的实例数据的基础上,计算了实例数据的膨胀因子并进行特异点分析,利用偏最小二乘法建立了利润预测模型,探讨了其与传统的回归预测方法的差异。算例分析结果表明,该方法在预测项目年利润时预测精度较高,是一种有效可行的预测方法。     

偏最小二乘回归在大坝位移监控中的应用

大坝位移监控模型各影响因子之间往往存在着多重相关性,给回归建模分析带来许多负面影响,采用偏最小二乘回归（PLSR）建模分析可以很好地解决这个问题。文中在简述PLSR原理的基础上,结合工程实测数据,建立了大坝位移监控的PLSR模型和逐步回归模型,并对两者进行比较分析,取得了较合理的结果。     

基于偏最小二乘回归分析的供电煤耗研究

对偏最小二乘回归分析在供电煤耗预测中的应用进行了研究.该方法可有效地进行数据准备和样本预处理,并对影响因素提取主成分,而提取出的成分具有线性无关的特点,对供电煤耗有较好的解释能力.根据某电厂供电煤耗与锅炉效率、汽机热耗、厂用电率的对应数据资料,将供电煤耗与三者之间的关系加以分析,建立供电煤耗的预测模型.预测模型的检验方...     

主成分回归分析在大坝安全监测中的应用

介绍主成分回归的原理,对某大坝的位移预测进行分析研究。利用SPSS软件进行多重共线性诊断后进行主成分分析,确定主成分的个数,将原自变量的主成分代替原自变量进行回归分析,建立主成分回归模型,并对该大坝位移进行预报。对影响大坝位移的各因子进行有效分离,既保留了原指标的绝大部分信息,又有主成分之间不相关的特点,弥补了最小二乘法回归无法有效识别和消除因子间多重相关性影响的不足。     

基于偏最小二乘回归的年用电量预测研究

对年用电量的预测若采用一般最小二乘回归法建模，其估计参数存在着很大的误差且物理意义明显不足。而偏最小二乘回归方法则实现了多元线性回归、主成分分析和典型相关分析的综合、克服了自变量之间的多重相关性的问题，因而更具有先进性，其计算结果更为可靠，在实际系统中的可解释性也更强，且方法简单，计算快捷。该文将偏最小二乘回归模型(Partial Least Square Regression，PLS)应用于年用电量预测，并与基于最小二乘的多元线性回归模型预测成果进行对比，探讨了偏最小二乘法在电力负荷预测中的可行性和优势。通过四川省电网年用电量预测表明：偏最小二乘回归法比一般最小二乘法优，具有较强的实用性。     

一种适用于频率变化的单相数字锁相环

基于传统的单相电网电压相位检测方法在频率变化时存在的缺陷,提出了一种新型的数字锁相环设计方法。所提出的数字锁相环通过带遗忘因子的递推最小二乘法进行椭圆拟合辨识出椭圆参数,应用锁相环产生不对称相位输出,消除电网频率变化时鉴相输出的2倍频分量。推导出不对称相位和椭圆参数的关系,设计带遗忘因子的递推最小二乘法,最后给出仿真和实验结果,仿真和实验结果验证了该方法的准确性。     

定子绕组绝缘状态参量的偏最小二乘回归分析

借助提取主元的思路 ,在小样本情况下 ,用PLS方法对定子绝缘状态的非破坏性参量与其击穿电压之间的相关性信息进行筛选和综合 ,讨论了定子状态特征参量的各种数据信息。试验结果表明该方法在样本数较少及非破坏性参量之间存在多重相关性时 ,具有更好的分析解释能力 ,为定子绝缘状态参量分析提供了新的研究方法。     

基于偏最小二乘回归分析的中长期电力负荷预测

针对中长期电力负荷预测,介绍偏最小二乘回归分析方法的原理,推导该算法的简化建模步骤。该方法能在最大限度保留原有数据信息的前提下,将数据信息集中在几个互不相关的主成分上,因而能有效解决建立负荷预测模型时由于样本个数较少及自变量存在严重的多重相关性,难以通过多元回归分析建立预测模型的问题。通过算例对偏最小二乘回归分析方法、最小二乘法和逐步回归分析方法进行了比较,结果表明,将偏最小二乘回归分析方法用于中长期电力负荷预测时,计算快捷,准确性高,具有较强的实用性。     

基于偏最小二乘回归的电能替代多情景预测方法

当前我国面临的能源供应与环境保护形势十分严峻,电能替代受到社会各界的强烈关注.综合考虑能源价格、碳排放量等因素的作用,从4个维度出发构建电能替代影响因素指标体系和多情景分析模型;提出基于偏最小二乘回归的电能替代潜力分析预测方法,结合未来辽宁能源、经济、电力发展预测数据,预测十三五期间累计电能替代量的预测区间.结果表明,...     

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.     

基于核偏最小二乘回归方法的发电机关键运行参数预测分析

通过对发电机关键运行参数的实时预测能够辅助实现发电机运行状态的有效监控。传统偏最小二乘斱法(Partial Least Squares,PLS)在应用过程中没有考虑变量间的非线性关系,为提高发电机关键运行参数的预测精度,引入核函数迚行变量空间的非线性映射变化,实现非线性回归分析,幵将核偏最小二乘回归斱法(Kernel Partial Least Squares Regression,KPLSR)应用于发电机定子线圈出水温度预测,实际运行数据的对比分析验证了斱法的有效性。     

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。     

基于三点筛选法与偏最小二乘法的系统谐波阻抗估计

针对背景谐波电压波动影响谐波阻抗估计的问题,提出一种基于三点筛选法与偏最小二乘的系统谐波阻抗估计方法。利用各个量测量与估计量之间相角关系,以三点为一组的数据建立方程,根据判别式筛选出背景谐波电压稳定时的公共耦合点测量电压电流数据,然后采用偏最小二乘法来估计出交流系统侧谐波阻抗。仿真算例表明了所提方法的正确性和有效性,可以减少背景谐波电压波动对系统谐波阻抗的影响,相比传统方法估计精度更高。     

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。