基于确定性测量矩阵与变阈值SAMP的超高次谐波检测算法

随着电网中采用高频电力电子器件制造的设备逐渐增多,配电网中的超高次谐波现象已经成为了一种亟需解决的新型电能质量问题。相较于传统谐波检测方法采样超高次谐波信号时产生的巨大数据量,压缩感知作为一种新型信号处理方法,在使用测量矩阵对稀疏信号进行亚采样后通过重构算法用较少的数据就能精确地恢复原始信号,有效降低了对采样端硬件的要求。提出了一种基于确定性测量矩阵与变阈值SAMP算法的压缩感知超高次谐波检测算法。首先该方法采用了一种由确定性随机序列构造的测量矩阵,这种确定性测量矩阵的结构与随机测量矩阵相比更易于传输与存储,同时具有和高斯随机矩阵相同的重构性能。其次,针对SAMP重构算法在频谱泄露时易发生稀疏度过估计的问题,提出了一种改进的变阈值SAMP算法,设置一个动态的阈值来控制算法中内积的选取,减少迭代中的误选。改进算法提高了超高次谐波检测的精度,降低了因频谱泄露和噪声造成的误差且更容易硬件实现。最后,通过仿真和实测结果证明了改进算法的准确性和有效性。     

基于改进降噪自编码器和多元时序聚类的海上风电功率预测

针对海上数值天气预报（NWP）精度低、气象因素复杂等特点,提出一种基于改进的双向降噪自编码器（BDAE）和多元时序聚类的短期海上风电功率预测方法。首先,利用Toeplitz矩阵逆协方差聚类（TICC）进行风况相似性分类,即根据30、70、100 m海上NWP风速进行多元序列实时分割与聚类;然后,针对不同风况类型分别建立可提取过去、未来双向有效信息的改进BDAE修正模型,以修正轮毂高度风速的预测误差;最后,基于修正后的轮毂高度风速以及其余NWP数据,利用TICC算法划分气象相似类型,并在此基础上建立对应的海上风电功率预测模型。采用国内某海上风电场数据进行实验验证,结果表明所提方法能提高海上风电功率预测精度,具有一定工程实用价值。     

基于改进WKNN的蓝牙室内定位方法

大型商超、地下停车场等公共场所对室内定位的需求迫切，而GPS定位技术无法实现室内定位。针对传统定位算法定位精度低的问题，文中提出一种基于改进WKNN的蓝牙室内定位方法。首先构建欧氏距离与曼哈顿距离融合的相似度度量函数，改进权值的计算方法；在此基础上，针对偏差较大的跳跃点以及长时间连续定位采集数据量庞大的特点，提出一种基于粒子群的滤波算法，使预测轨迹更贴近真实轨迹。实验结果表明：与传统WKNN算法相比，所提方法定位精度提高约40 cm；相比传统的卡尔曼滤波，基于粒子群的滤波算法可以进一步将定位精度提高约4 cm。     

基于整数线性规划的配电网故障定位容错算法

为了提高配电网馈线故障定位的速度和容错能力,提出一种基于整数线性规划模型的配电网故障区段定位容错算法。将各馈线终端单元(Feeder Terminal Unit, FTU)的漏报、误报状况和馈线状态作为决策变量,基于最小故障诊断集理论,建立计及FTU漏报、误报信息的故障定位模型。针对逻辑运算在求解大规模配电网故障区段时建模复杂、算法受限的问题,构建基于代数关系运算的开关函数,并提出一种逻辑关系线性化策略将约束条件线性化。所建模型采用具有良好数值稳定性的常规优化方法进行决策,以保证解的全局最优性。仿真算例表明,所提方法定位准确高效、容错性强,在正确定位故障馈线区段的同时能获取具体节点的漏报、误报状况,适用于多节点过流信息发生畸变的大型配电网络。     

基于改进长期循环卷积神经网络的海上风电功率预测

准确的风电功率预测对海上风电安全并网具有重要意义.不同于陆地,海上具有气象因素复杂、风电出力波动显著等特点,使得海上风电功率预测精度难以满足工程实际要求.针对以上问题,文中提出一种基于改进长期循环卷积神经网络(LRCN)的预测模型,用于超短期海上风电功率预测.首先,采用改进LRCN进行初步功率预测,即构建多卷积通道分别...     

基于AOA算法的低功耗蓝牙室内定位系统

设计了基于到达角度法(Angle of Arrival, AOA)的蓝牙定位系统，并搭建了基于CC2652R1蓝牙开发板和STM32单片机的低功耗蓝牙定位系统。现场测试实验结果表明，本系统能够在室内复杂环境下获取亚米级精度的定位信息，精度可达20 cm,适用于电力智慧运维、智慧工厂、商城导引、仓储物流等场景。