基于决策树自标识的主动配电网状态估计算法

本文为解决目前配电网前端数据数量大、缺省多、分析复杂等问题,提出一种适用于主动配电网的状态估计算法来管理分析前端数据。本文提出了基于决策树自标识的主动配电网状态估计算法,通过估计前预处理数据,对数据进行分类以及修正,使输入状态估计模型中的数据有更好的相容性。同时,本文针对分布式能源配套量测装置少的问题,建立了考虑分布式电源的状态估计模型,对分布式能源缺省数据进行补全修正,提高输入数据的质量。该方法运用到实际算例中可以看出,对比传统的状态估计,基于决策树自标识的主动配电网状态估计算法有更好的估计效果以及更快的迭代速度。因此本文提出的算法能有效的运用到当前大规模分布式能源接入的配电网状态估计中。     

主动配电网状态估计功能测试平台设计

为了解决主动配电网状态估计功能测试和验证缺乏方法和手段的问题,在电力系统仿真软件提供的状态估计功能模块的基础上,搭建了针对多种分布式电源接入的主动配电网状态估计功能测试平台。被测试主站导入测试平台基于模型标准导出的模型文件,满足模型一致型要求。测试平台基于主站注入法,将仿真软件提供的数据转化为标准规约数据,满足配电自动化主站模型接入数据的要求。以潮流计算结果叠加误差的方法为状态估计提供实验量测数据。搭建了包含多种分布式电源的主动配电网测试案例,针对提出的状态估计算法计算精度和坏数据处理能力评价指标进行计算,验证其有效性。在测试平台产生的大量测试案例和数据基础上,利用大数据分析方法针对状态估计算法给出了统计性评估指标,为主动配电网状态估计的功能测试提供了切实有效的手段。     

基于ANN伪量测建模的配电网状态估计

针对配电网状态估计实时量测数量的不足,提出了一种基于ANN伪量测建模的配电网状态估计算法。该方法采用人工神经网络网络（ANN）,将部分实时量测数据作为神经网络的输入,产生较为精确的负荷伪量测数据。此外,应用高斯混合模型对产生伪量测的误差进行分解拟合,从而获得负荷伪量测的权重。最后,将获得的伪量测及其权重输入到状态估计模块中,实现了配电网的状态估计。通过英国标准配网系统（UKGDS）中16节点模型的仿真结果表明,该算法提高了配电网状态估计的精度,具有一定的现实意义和理论价值。     

整车主动悬架系统分布式滚动时域一致性估计

考虑整车主动悬架系统的约束状态估计问题,本文提出基于一致性原理的分布式滚动时域估计(DMHE)算法.首先,为了降低状态估计过程中的计算量,将整车主动悬架系统分解为若干降阶子系统.其次,为提高分布式状态估计效果,采用滚动时域估计(MHE)方法处理主动悬架系统的状态和噪声约束.考虑子系统与邻居估计状态的相关性,在采样间隔中执行多次一致性原理实现主动悬架系统状态的信息融合,进一步建立了算法的稳定性充分条件.最后,通过对比仿真实验验证算法的有效性和优越性.     

电力系统谐波状态估计研究综述

谐波状态估计是谐波源定位的一种方法,它通过状态估计对所监测的电力系统谐波进行分析,从而确定系统中的谐波源的位置。系统地介绍了电力系统谐波状态估计技术的概念、功能和算法。从同步相量量测、静态估计算法、动态估计算法、量测点配置等方面出发,评述了现有的几种谐波状态估计算法;展望了谐波状态估计研究今后的主要工作。     

基于全息时标量测数据挖掘的配电网设备健康状态诊断分析

大数据、数据挖掘等新技术的出现和进步,为建设智能配电网提供了新的技术手段。为实现对配电网运行状态的真实还原、精细分析和精准预测,详实有效的配电网设备运行数据记录和支撑是关键,研究了配电网全息时标量测数据的变化即存储技术,基于全息时标量测数据研究了配电网设备健康状态诊断的方法,对配电网历史数据以及模型信息等进行了深入的数据挖掘,通过聚类分析、线性回归算法、熵权法等建立了设备状态诊断模型和评价体系,实现了对设备故障评估和预警分析等,为及时发现配电网的薄弱环节,保障配电网设备的安全稳定运行提供了有效手段。系统已在地市供电公司的配电网诊断方法研究与实现项目中得到实际应用,很好地满足了地市供电公司的配电网精益化管理需求。     

多算法结合的汽车参数和状态估计方法研究

为实时准确获取汽车参数及状态信息以提高汽车主动安全性能,提出了一种多算法结合的自适应估计算法。该算法将递推最小二乘算法、蚁群优化算法及容积卡尔曼滤波算法进行有效结合,同时将含有不准确模型参数及未知时变噪声的三自由度非线性整车模型作为标称模型。采用递推最小二乘算法实时估计汽车参数,引入蚁群优化算法实时跟踪容积卡尔曼滤波器的过程噪声及量测噪声,根据目标函数对噪声协方差进行寻优,以解决系统的噪声时变问题,从而获取汽车状态的准确估计。基于CarSim/Simulink的仿真实验结果表明,该算法的状态估计精度高,且具备汽车模型参数校正能力,可以满足系统的控制需要。     

基于协同关联粒子滤波算法的交互多视频目标跟踪

首先介绍了带马尔科夫跳变非线性系统(JMNSs)的状态估计问题,然后总结了JMNSs最优状态估计的难点和具有交互作用的多目标跟踪问题.在总结分析各类不同算法的基础上,提出了一种协同关联粒子滤波算法来解决目标数目在变化的交互多目标跟踪问题,改进后的算法不需要观测与目标状态关联和目标数量已知的假设.最后,通过仿真实验验证了改进后的算法在跟踪效果上优于现有算法,并能成功估计目标的数量.     

基于迭代UKF的主动段弹道跟踪算法研究

卫星在角度测量信息下对弹道导弹主动段的跟踪面临可观测性弱、初始误差大等问题,寻找一种快速稳健的跟踪算法尤为重要。引入一种稳健而有效的迭代UKF滤波算法(IUKF),它通过对UKF算法进行修正,改善了对状态滤波值和协方差的估计。通过Monte-Carlo仿真与其他算法进行比较,表明新算法收敛速度更快、收敛精度更高,是解决主动段跟踪问题的一种更为有效的算法。     

混合系统二维离散与连续状态同步估计研究

在混合系统中,需要同时估计出系统的离散状态与连续状态.针对混合系统出现二维离散状态下的混合状态估计问题进行研究,根据系统特性,采用跳变马尔可夫线性系统建模,并应用Rao-Blackwellised粒子滤波算法对二维离散状态与连续状态进行同步估计.由于算法一定程度上缓解了粒子滤波算法在高维状态空间估计中的失效问题,并对离散状态单独采样,能提高系统状态的估计精度.仿真试验证明,方法能有效地同步估计出系统的二维离散状态与连续状态,其中,二维离散状态的估计准确率达到了96%.     

基于迭代UKF的主动段弹道跟踪算法研究

卫星在角度测量信息下对弹道导弹主动段的跟踪面临可观测性弱、初始误差大等问题，寻找一种快速稳健的跟踪算法尤为重要。引入一种稳健而有效的迭代UKF滤波算法（IUKF），它通过对UKF算法进行修正，改善了对状态滤波值和协方差的估计。通过Monte Carlo仿真与其他算法进行比较，表明新算法收敛速度更快、收敛精度更高，是解决主动段跟踪问题的一种更为有效的算法。     

汽车行驶稳定性动力学优化控制仿真研究

汽车行驶稳定动力学优化控制,旨在通过确定汽车行驶状态下纵向车速、横摆角速度、质心侧偏角等重要的状态变量,提前预知汽车未来时刻的可能的行驶状态,并将其输送到汽车底盘主动控制系统,实现动力学优化控制,提高汽车的主动安全性,减少道路交通事故.寻找一种低成本、高精度且能够实时获得车辆重要状态参数的方法,是汽车稳定行驶动力学优化控制的关键技术之一.利用Madab/Simulink仿真工具,分别建立了汽车动力学仿真模型和车辆行驶状态Kalman滤波估计仿真模型,可以同时实现对车辆行驶状态的仿真和对车辆行驶过程中横摆角速度、侧向加速度和质心侧偏角的估计,并且模型具有可扩展性.最后进行了实车场地试验,完成了阶跃曲线、双移线等操作,通过模型仿真、试验数据和状态估计结果的比较得出,三者一致性较好,同时验证了车辆动力学仿真模型和状态估计算法仿真模型的有效性和通用性.     

电力系统状态估计多算法融合

为解决复杂电网大数据背景下单一算法难以满足状态估计要求的问题,提出一种电力系统状态估计多算法融合系统。基于数据融合思想,将加权最小二乘法、快速分解法、量测状态变换法与Sigmoid函数法相互融合实现电网状态估计,支持串行融合模式和并行融合模式。实验结果表明,融合算法使得估计结果保留了各自算法的优点,避免了单一算法的缺点,提高了状态估计的精度和效率。     

基于交互容积卡尔曼的随机切换系统故障诊断

针对一类随机切换非线性系统的故障检测和故障估计问题,提出了一种基于交互式多模型和容积卡尔曼滤波（IMM CKF）的系统状态估计算法。该算法利用容积卡尔曼滤波（CKF）在不同时刻对每个子系统进行状态估计,把不同子系统状态估计结果融合得到最终的状态估计,实现对系统真实状态的估计。针对一类随机切换非线性系统发生执行器故障,采用IMM CKF估计系统状态;然后分析了IMM CKF算法的稳定性;根据状态估计结果,构造残差信号,设计残差评价函数,检测故障发生。当检测到故障发生时,设计增广系统,对故障幅值进行估计。通过仿真实验验证提出算法的有效性,结果表明该算法可以较为准确地诊断系统故障。     

多输入多输出信道估计算法的仿真研究

研究无线通信,提高数据传输率,是无线通信领域关心的问题.信道估计精度对系统性能有着直接的影响.由于无线通信信道具有时变性,传统信道估计算法很难对时变信道进行准确估计,为了提高多输入多输出信道估计精度,提出一种采用基于粒子滤波的MIMO-OFDM时变信道估计方法.算法首先采用时变信道频率响应的状态空间方程将时变信道估计问题转化为序贯状态估计问题,然后通过粒子滤波算法对序贯状态估计问题进行求解,得到当前时刻的信道状态.仿真结果表明,与传统信道估计方法比较,不仅降低估计均方误差和误码率,估计精度更高,而且很好地提高了信道通信性能.     

基于最小生成树算法的配电网网架优化规划

配电网是连接输电系统和用电系统的重要环节,因此配电网网架结构的合理性直接影响到整个电网的高效运行。本文基于最小生成树算法来实现配电网网架的合理性优化规划,阐述了配电网网架优化规划的数学模型和配电网潮流计算。详细介绍了最小生成树算法的理论基础,并利用最小生成树算法对配电网网架优化规划进行了研究。最后应用两个算例对本文研究的方法进行验证,结果表明本文研究的最小生成树算法对实现配电网网架优化规划是可行且有效的。     

基于IGG抗差最小二乘法的三相配电网谐波状态估计

针对传统最小二乘法在谐波状态估计量测数据中混有粗差时的处理能力不足,提出了一种基于IGG法的抗差最小二乘法。抗差估计是统计学里面常用的一种针对数据中含有粗差的处理方法,而抗差最小二乘法就是将抗差估计和最小二乘法相结合的一种新的估计方法。该方法对量测数据进行降权、保权和淘汰,改善量测数据的权重,从而抵御了粗差对估计结果带来的恶劣影响。同时,目前大多数的配电网谐波状态估计模型采用简化的单相模型,并未考虑配电网三相不平衡的特点,本文建立了配电网的三相数学模型,并采用IEEE33节点系统进行仿真分析,在量测数据中混有粗差时分别运用抗差最小二乘法和传统最小二乘法求解并对估计结果进行误差对比,算例结果表明了抗差最小二乘法具有较强的抗差能力且估计精度优于传统最小二乘法。     

基于LM-RLS和渐消因子EKF算法的锂电池SOC估计

为提高复杂工作环境下锂电池荷电状态估计精度,以三元锂离子电池为研究对象,采用限定记忆递推最小二乘法与渐消因子扩展卡尔曼滤波算法相结合进行荷电状态估计。以有限组数据计算当前时刻模型参数,解决数据饱和问题。在扩展卡尔曼滤波算法中加入渐消因子,弱化旧数据的影响,实时调整误差协方差矩阵。为验证算法的合理性,建立二阶RC等效模型,对不同工况进行荷电状态估计。验证结果表明,算法估计精确度高且稳定性好。系统稳定后,HPPC、BBDST工况中的荷电状态最大估算误差分别为0.014 4和0.008 5,且波动范围较小,验证了改进算法估计锂电池荷电状态时的良好性能。     

基于系统误差和状态联合估计的目标跟踪算法

针对线性系统中系统误差对状态估计精度造成的不利影响,在卡尔曼滤波算法框架下提出一种基于系统误差和状态联合估计的目标跟踪算法。在算法实现过程中,首先定量分析了系统误差对目标状态估计及其估计误差协方差矩阵的影响,进而结合状态扩维技术构建系统误差配准的实现过程,最终依据标准卡尔曼滤波迭代流程设计了算法实现步骤。仿真实验结果表明: 在系统误差恒定和时变两种情况下,新算法在系统误差配准和状态估计上具有可行性和有效性。     

传感器网络中的分布式滚动时域状态估计

利用分布式滚动时域方法对无线传感器网络的状态估计问题进行研究,给出了基于量化测量值的滚动时域估计算法。在无线传感器网络的环境下处理分布式状态估计问题时,减少通信的成本是非常重要的一个环节,需要将观测值量化后再传送。以往的滚动时域估计方法无法处理量化观测值的状态估计问题,而本文的方法考虑了最严格的观测值量化情况即传感器只发送一个比特至融合中心的状态估计问题。与其它传感器网络中的状态估计方法相比,该方法减少了每一步的计算量。仿真结果验证了该算法的有效性。