【摘 要】
：
加权最小二乘估计是电力系统静态估计的常用算法,特点是收敛性能好,估计质量高。静态状态估计中权重矩阵取各量测量的方差阵的逆矩阵,使估计具有最小的误差方差阵,因为系统运行状态随时间变化方差矩阵难以确定,在实际估计过程中方差阵一般取为单位阵。提出了通过分析历史数据,假设在系统运行过程中量测误差服从均值一定、方差一定的概率分布,以估计值近似真值,以状态估计的残差近似量测量的误差,得到量测量的误差分布,再进
【机 构】
：
海军工程大学舰船综合电力技术国防科技重点实验室
【基金项目】
：
国家自然科学基金项目（51377167）,国家973计划资助（613294）
论文部分内容阅读
加权最小二乘估计是电力系统静态估计的常用算法,特点是收敛性能好,估计质量高。静态状态估计中权重矩阵取各量测量的方差阵的逆矩阵,使估计具有最小的误差方差阵,因为系统运行状态随时间变化方差矩阵难以确定,在实际估计过程中方差阵一般取为单位阵。提出了通过分析历史数据,假设在系统运行过程中量测误差服从均值一定、方差一定的概率分布,以估计值近似真值,以状态估计的残差近似量测量的误差,得到量测量的误差分布,再进行统计分析从而确定权重矩阵的方法,使得静态状态估计具有最小的方差阵,获得概率意义下的最优估计。最后通过仿
其他文献
对气象卫星遥感图像的特征目标进行准确提取,能够有效提高卫星遥感图像的清晰度处理效率。对气象卫星遥感图像特征目标进行准确提取,需要对遥感图像各个通道进行滤波处理,得到特征点曲线显著值。传统方法采用边缘特征目标锐度信息作为估计特征,构建特征目标跟踪模型,但忽略了对图像特征点的曲线显著值的获取,导致特征目标提取精度偏低。提出采用多尺度Retinex算法增强模糊数字图像中非均匀光照目标区域,结合形状先验和
网络云计算环境中,考虑满意度的资源调度对云资源的有效管理具有重要影响。而由于云计算资源的异构性和用户任务需求的多样性,导致传统调度和管理算法无法保证在任务执行过程中的用户服务质量(QoS)满意度。为了最大限度地满足用户任务QoS满意度目标,提出一种基于多维QoS约束的云任务满意度调度算法MQ_CTS。MQ_CTS算法综合考虑任务和资源之间的最大QoS满意度和最小QoS距离,通过构造反映QoS服务能
随着航天器平台负载能力提升和空间信息技术的发展,有效载荷数据流蕴含的信息越来越复杂。运控管理时一般通过分析有效载荷实时数据流,判断有效载荷工作状态,进行有效载荷故
针对我国铁路电子采购平台建设中各铁路企业物资采购差异性的问题,利用Saa S(软件即服务)的设计模式,对其开发模型进行仿真研究,并建立了开发模型的体系架构及应用模型,给出了数据库及自动化部署的设计策略。仿真结果证明,SaaS模式将有效解决了我国铁路电子采购平台建设中采购过程差异性的问题,并可以充分利用采购过程的共通性。
为了扩大机场空侧容量,优化机场场面交通调度信息,以优化抵达航班的滑行路径为目标,通过分析机场场面滑行调度问题,构建了机场场面滑行的数学模型。采用蚁群算法结合该数学模型,并对蚁群算法信息素的更新采取自适应性改进,应用于国内某枢纽机场的局部滑行道系统和停机坪系统,对抵达航班的滑行路径进行优化设计。并用Matlab对两种算法实现计算机仿真。实验结果表明:与普通蚁群算法相比,自适应蚁群算法降低了抵达航班波
对异质复杂信息节点搜索路径的寻优,能够有效改善无线网络的信息搜索效率。对异质复杂信息的节点搜索路径进行寻优,需要先减少异质信息节点存储冗余,描述异质信息节点数据能量的消耗,完成异质复杂信息节点搜索路径的寻优。传统方法采用信标进行异质复杂信息节点定位的路径寻优方法,对无线网络中信标节点进行布局,但忽略了对异质信息节点能量消耗的求取,导致节点搜索路径并不是最优路径。提出基于遗传算法的寻优方法,以无线网
为了提高粒子滤波跟踪算法的效率,针对图像的特点对粒子滤波算法进行改进。首先针对无人机跟踪过程中,目标始终在图像中心位置附近晃动的特点,结合高斯分布对粒子初始化过程进行改进,保证粒子以较大概率集中在图像中心位置附近;然后针对无人机姿态调整过程中,目标运动朝向图像中心位置的特点,采用高斯加权后的权值对粒子重采样进行改进,保证图像中心区域的粒子有更大概率被保留。最后通过实验对改进算法进行分析和评价,验证
对交互式医疗诊断图像轮廓线的生成,能够有效提高临床诊断以及治疗水平。对交互式医疗诊断图像轮廓线自动快速的生成,需要构建轮廓线演化能量模型,提高轮廓线生成的精度,确定能量函数极小值,完成医疗诊断图像轮廓线的生成。传统方法沿着感兴趣方向对轮廓进行投影,分析扫描曲面对应的医疗诊断图像数据,但忽略了对轮廓线演化模型的构建,导致轮廓线生成精度偏低。提出基于Snake模型的交互式医疗诊断图像轮廓线自动生成方法
对网络重叠数据的检测与排除,能够有效提高网络数据处理精度。大数据下对重叠数据的检测,需要计算数据聚类离散程度的期望,获得最佳聚类数目以确定聚类中心,完成重叠数据的检测,进而对其进行排除。传统方法结合量子滤波器,对数据点进行了一定程度的平滑,判断数据的真实度,但忽略了对数据的聚类中心的求取,导致重叠数据优化识别精度偏低。提出基于相关性分析和GAS算法的优化识别方法,将测量数据进行聚类,计算对应不同聚