基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法

为了充分挖掘不同尺度影响因子对短期电力负荷的影响,以及解决预测精度受数据非平稳特性影响的问题,提出了一种基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法。该方法先采用变分模态分解(Variational Mode Decomposition, VMD)将历史负荷分解为若干平稳性好的本征模态函数(Intrinsic Mode Function, IMF)分量,再把VMD分解得到的各个历史负荷的IMF分量和气象数据分别送入时间卷积网络(Temporal Convolutional Network, TCN)进行特征提取;将所有TCN网络提取的特征融合为一个新的特征向量;最后将融合得到的特征向量与经过One-Hot编码的日期因素特征向量拼接,把拼接得到的向量送入随机森林网络进行预测。通过公开的电力负荷数据集对本方法进行验证,结果表明所提方法与现有模型相比具有更高的预测精度。     

基于XGBoost的管道防腐层裂纹损伤识别算法研究

埋地管道因为在长期服役后防腐层产生的裂纹易导致管道金属层受到损害,为了避免损伤造成管道泄漏,有必要建立管道防腐层裂纹损伤识别智能化平台。通过引入集合经验模态分解,提取管道防腐层结构在裂纹损伤状态下的频域特征值并构建裂纹损伤数据系统。依次利用孤立森林、缺失森林和核主成分分析对损伤数据进行异常检测、数据补全和特征降维优化,构建适于管道防腐层裂纹损伤识别的extreme gradient boosting（XGBoost）模型。研究表明：基于XGBoost的管道防腐层裂纹损伤识别模型可准确地对裂纹长度进行有效检测,与gradient boosting decision tree（GBDT）和随机森林算法相比,其决定系数最大且均方误差最小,裂纹长度识别误差保持在4.37厘米以内,为管道防腐层结构健康检测和安全运输提供了有效的识别方法。     

基于FMCW雷达的多人心率呼吸检测

针对目前毫米波雷达应用于多人生命体征检测效果不佳, 检测范围小等缺点, 提出了一种多人心率呼吸提取分离方法, 首先采用Capon波束成形技术对非目标区域信号形成零陷, 对目标区域进行提取相位、相位解缠绕操作; 其次利用自适应谐波跟踪算法滤除噪声; 最后使用粒子群算法和样本熵改进的变分模态分解法(PSO-SE-VMD)对信号进行分解得到模态分量, 选取合适的模态分量并通过短时自相关算法提取心率呼吸. 实验结果表明, 该方法在夹角30°和60°时心率的均方误差分别为5.55和3.15, 实现了多人检测并有效提高了检测范围.     

融合序列分解与Prophet模型的时序预测

传统时序预测方法其预测过程无法在相同数据集上推出共享模式, 而机器学习方法无法较好地处理非线性和大规模数据集, 并且需要手动设计特征工程. 深度学习方法弥补了传统预测方法需要高计算高人力的弊端, 用自动学习特征工程代替了手动设计特征工程. 但仅使用深度学习的预测方法所作结构假设较少, 通常需要较高的计算资源以及大量的数据来学习得到准确的模型. 针对上述问题, 本文提出通过采用融合t检验的EMD经验模态将序列分为高频分量和低频分量, 对高频分量使用传统STL序列分解方法进一步对数据做处理, 对高频、低频分量分别进行Prophet预测. 实验结果表明, 相较于传统的LSTM以及Prophet预测模型, 经过STL序列分解后的周期数据能够提升模型的整体预测精确度而融合EMD经验模态的Prophet模型则大大提升了训练效率.     

考虑电网阻抗耦合的模块化多电平换流器交直流侧阻抗通用计算方法

以模块化多电平换流器(modular multilevel converter,MMC)为技术路线的柔性直流输电技术在风电接入、电网异步互联等领域迅速发展。MMC的阻抗建模是分析柔性直流输电系统振荡起源的重要依据。文中分析MMC在交、直流侧激励下的谐波传递机制,建立一种适用于交、直流侧阻抗计算的通用方法。对一次系统频域建模关联了MMC所连接的交、直流侧网络阻抗,并考虑包含解耦双同步参考坐标系锁相环及负序内环控制在内的全部控制模块。通过求解线性方程组对MMC阻抗进行计算,并在PSCAD/EMTDC环境中对双端背靠背MMC系统在多种工况下1～5kHz频段内进行扫频,验证该方法的准确性,并详细分析网络阻抗耦合、控制链路延时、功率等级、负序内环和外环控制等因素对MMC阻抗的影响。     

跨谱段SAR散射中心多维参数解耦和估计方法

微波光子雷达发射大带宽跨谱段的信号,为目标的精细电磁特性描述和准确识别提供基础的同时,也亟需与之相应的大带宽大转角情况下的电磁模型参数提取方法.相比窄带条件,跨谱段信号数据量大,所含物理量信息维度高且复杂,大转角情况下距离和方位向耦合.该文提出跨谱段SAR散射中心多维参数解耦和估计方法,首先结合极坐标格式算法(PFA)和属性散射中心模型构造2维解耦波数域散射中心模型,再结合坐标下降法(CDA)将复杂的高维耦合参数估计方法简化为循环迭代的1维参数估计方法,有效降低字典维度和估计复杂度,并引入Hooke-Jeeves算法提高估计精度.最后根据各个散射中心的参数估计结果对它们的结构和位置进行识别,对仿真数据的处理实验验证了该文方法的有效性.     

基于相空间重构与高斯过程的卫星钟差预报

提出了一种基于相空间重构与高斯过程预报卫星钟差的新方法。首先根据星载原子钟的物理特性用多项式进行拟合以提取钟差趋势项,并对拟合后的残差进行经验模态分解,作降噪处理;然后以降噪后的残差时间序列的混沌特性为基础,对其进行相空间重构;最后以重构的相空间为基础,运用高斯过程对残差时间序列进行建模预报,再将预报结果加上趋势项,获得最终的钟差预报值。采用IGS提供的GPS超快速观测钟差建模进行短期预报实验,结果表明,该方法能实时有效地对卫星钟差进行预报,且精度优于超快速预报钟差。     

测试仪钢丝绳减振器缠绕直径的传递比仿真分析

为减小履带式车辆动态测试仪在车辆行驶中所受到的振动,采用仿真方法研究钢丝绳减振器的缠绕直径对减振系统传递比的影响特性。通过分析履带式车辆行驶过程中的振动特点,选用缠绕直径不同的钢丝绳减振器分别构建减振系统,在Pro/E中建立各减振系统的等效实体模型,然后导入有限元软件ANSYS中进行模态分析。经模态分析获得各减振系统前4阶模态对应的固有频率,计算得到各减振系统的传递比。结果表明在现有定型产品中,上下夹板尺寸以及缠绕圈数固定的钢丝绳减振器,缠绕直径越大减振效果越弱,对工程中测试仪减振设计有一定参考价值。     

自然激励技术在时延相关白噪声激励系统中的应用

工况模态分析(operational modal analysis,OMA)是一种只基于输出数据进行系统模态参数辨识的技术。由于系统所受激励未知,通常假设其为互不相关的白噪声。自然激励技术(natural excitation technique,NExT)正是一种基于该假设的从响应数据中提取自由衰减信号的高效方法。然而对于真实工况,系统所受激励之间互不相关的假设过于严格,例如行驶的车辆等所受激励为时间延迟相关的白噪声。针对这类情况,基于复模态系统讨论NExT理论的适用性。结果表明,NExT是否适用取决于从相关函数中截取的用来进行OMA分析的数据段的位置,当数据段位于Tε区间内,NExT是适用的。在ε已知的情况下,可以基于NExT对系统进行工况模态分析。最后通过仿真进一步验证该结论。     

随机路面激励下车辆垂向振动微分几何解耦控制

分析车辆悬挂与非悬挂质量动力学耦合机理,建立装备被动悬架的整车7自由度非线性模型,利用微分几何方法对该非线性模型受到随机路面激励时的垂向振动进行解耦分析。经过解耦的非线性系统成为独立的互不干扰的线性子系统,悬架簧上质量的振动不受路面激励的影响。进行解耦前后仿真对比分析,结果表明:解耦后的车身垂向加速度、车身俯仰角和侧倾角的振动幅值和频率大幅衰减,验证了解耦算法的有效性。