基于LS-SVM和核密度估计的概率性风电功率预测

近年来风电在我国发展迅猛,但风速的不稳定性和间歇性,使风电功率也具有同样的性质,这样的电功率注入会带来电力系统运行的不稳定,因此,风电功率的预测对风电并网及使用具有重要意义。鉴于此,开展风电功率的短期预测研究,利用LS-SVM对风电功率进行建模并实现确定性的短期预测,在此基础上使用非参数统计法对确定性预测模型的预测误差进行拟合获得其密度函数,计算各功率段的置信区间以得到概率性预测结果,从而提高风电功率预测结果的实用性和可靠性。与常用的自回归滑动平均模型和BP神经网络模型进行对比实验,证明本方法的性能及优势。     

集成LSTM的航天器遥测数据异常检测方法

航天器作为一类集合结构、热控、电源、姿轨控等的复杂系统,遥测数据是地面判断其在轨性能的唯一依据,而有效的异常检测是保证航天器在轨可靠运行的基础要素。针对遥测数据连续、离散样本混合且样本变化高度关联于指令的数据异常检测问题,提出一种基于集成长短期记忆网络(LSTM)的航天器遥测数据异常检测方法。利用LSTM强大的非线性建模能力,结合矩阵范数实现对遥控指令的多模式挖掘,并通过多LSTM预测模型的构建以及有效集成,提升模型对于航天器复杂工况的适应性,进而有效标记遥测数据中的异常。通过对NASA公布的2个类型航天器的遥测数据进行实验验证,结果表明,与基于LSTM的遥测数据异常检测方法相比,所提出的方法异常检测率提升明显,尤其适合检测上下文类型异常。测试结果验证了方法的可行性,可为航天器地面运控提供有效的数据判读能力。     

数字孪生驱动多算法自适应选择的 空间电源系统故障检测

针对积累的空间电源系统遥测数据中故障数据不准确且不全面,进而导致地面长管系统很难根据实际发生的故障数据 综合选择和评估故障检测模型有效性的问题,本文重点开展孪生数据驱动的空间电源系统故障检测模型优化选择方法研究。 在充分分析电源系统组成、工作原理以及输入输出关系的基础上,利用 Simulink 构建航天器电源系统各组成单元的数字孪生模 型,并结合故障机理分析在孪生模型中注入典型的故障,丰富故障数据种类及数量,基于孪生数据实现多种故障检测模型有效 性的评估。 实验表明,基于此框架产生的孪生数据与实测数据相似性达 90%以上,可进行 6 种典型故障模式的注入,可对故障 检测模型的阶跃型以及渐变型故障的检测能力进行有效评估,此种方法的研究可有效服务于实际的地面长管系统,为合理的故 障检测模型的选择提供重要的模型与数据基础。     

航天器遥测数据异常检测综述

航天器遥测数据是地面运管系统判断其在轨运行状态的唯一依据,其异常检测成为增强航天器在轨可靠性和安全可靠运行的重要依据。但是,遥测数据量大、维度高、参数关系复杂、专业性强的特点为高检测率、低误检率、强解释性的遥测数据异常检测实现带来严峻挑战。本文对航天器遥测数据异常检测领域进行充分的调研,阐述遥测数据异常检测内涵、方法研究及应用现状,尤其针对数据驱动的遥测数据异常检测方法体系进行了系统、详细的分析,并在此基础上归纳总体发展动态,展望未来发展方向,以此为相关研究者提供参考。     

大数据:内涵、技术体系与展望

随着复杂系统测试、试验和状态监测产生的数据呈级数增长,大数据逐渐成为各种工业领域的研究热点。为此,从大数据定义、产生、特性的角度阐述大数据的内涵,重点强调大数据产生三要素的彻底变革,并按照大数据处理流程——产生、存储、预处理、分析及挖掘、呈现,归纳得出大数据处理的通用技术体系,分析了技术体系中各环节技术的发展现状。最后,从数据科学、工业4.0以及信息物理系统的角度,阐述大数据发展的趋势,并分析了大数据发展的挑战。