电力系统状态估计中的不良数据辨识

文中以电力系统状态估计理论为依据,给出了一种新的不良数据检测和辨识的方法－Hyphthesis状态估计法。     

不良数据估计识别法在实时应用中的几个问题

本文是对文献［１—２］中提出的不良数据估计识别法的一个新发展。文中提出了避免残差灵敏度矩阵存储的新方法，以及对量测估计进行局部修正的方法。这些结果进一步提高了估计识别法的实时性能，使它更适用于电力系统的实时数据处理。     

电力系统状态估计中的不良数据估计识别法 第一部分──理论和方法

为了完善电力系统静态估计器的功能，本文发展了一种新的不良数据识别方法──估计识别法。 计算机实时控制是６０年代以来电力系统现代化的重要趋势之一。本文概述了作为电力系统实时控制的基本环节的静态估计器所应具有的检测、识别功能的重要性，讨论了以充分利用残差信息资源和残差灵敏度矩阵的性质为基础的不良数据估计识别法的理论、方法和程序性能，并且给出了部分模拟试验结果。试验表明，这一方法具有比较完善的识别功能，特别对于处理多个不良数据，成功率很高。文章对这一方法的实时性和优缺点作了评价后，认为是很有发展前途的一种实用方法。     

电力系统状态估计中的不良数据估计识别法 第二部分:检测系统

为了适应不良数据估计识别法一次估计识别全部不良数据的需要，这篇文章发展了一个较完善的可疑数据检测逻辑系统。该系统的完善性表现在一般可以检测出所有可疑数据，有效克服了残差湮没所造成的识别障碍；还表现在它具有不良数据可识别性检测逻辑，保证了估计识别法一次估计的成功。 文章对该逻辑系统的理论依据作了物理的叙述，限于篇幅，没有列入严格的数学分析部分。模拟系统的实验结果表明，估计识别法和可疑数据检测逻辑系统的结合使用，使不良数据（一个或多个）的识别成功率极高。 作者们认为，由文献［１］和本文发展了的一个较完善的不良数据识别系统，对电力系统静态估计器的实时功能的改善可以起重要作用。     

灰色系统理论，数据预处理及其应用

运用灰色系统理论,建立了动力调谐陀螺漂移和温度之间的数学模型,以补偿热漂移,提高动力调谐陀螺的使用精度。将状态估计与不良数据辨识理论作为数据预处理技术应用于灰色系统建模,以观测数据为依据进行状态估计,避免了常规建模中观测数据与实际数据同等对待的弊端。对数据作检测与辨识,使剔除不良数据后的状态估计结果更为精确,以提高灰色系统建模精度。     

鼻咽癌细胞株,瘤株中EBV—LMP1基因的检测及变异性分析

采用ＰＣＲ法检测了不同代次的鼻咽癌细胞株、瘤株（ＳＵＮＥ／ＳＵＮＴ）中的ＥＢＶ－ＬＭＰ１基因片断，并分析其变异性。结果发现直到１３１代ＳＵＮＥ、３０代ＳＵＮＴ中仍然能检测到ＬＭＰ１基因片断，且在传代过程中ＬＭＰ１基因未发生变异。但与Ｂ９５－８中的ＥＢＶ－ＬＭＰ１基因相比，ＬＭＰ１基因发生了变异，表现为Ｘｈｏｌ、Ｍｓｐ酶切位点的消失和ＳＳＣＰ单链迁移率的不同。该结果提示变异的ＥＢＶ－ＬＭＰ１基因可能与ＳＵＮＥ／ＳＵＮＴ肿瘤的特性有一定的相关性。     

用SQL实现对事务数据和工程数据的统一操作

为解决ＲＤＭＢＳＯＲＡＣＬＥ不能操作非结构化工数据的问题，实现ＣＩＭＳ环境下ＥＤＢＭＳＥＤＬ和ＯＲＡＣＬＥ之间的信息共享。本文提供了将异构数据库ＥＤＬ和Ｏ－ＲＡＣＬＥ集成的一种方法，用ＳＱＬ实现了对结构化事务数据和非结构化工程数据的统一操作。     

VP—16诱导的鼻咽癌细胞亚系多药耐受表型的研究

经ＶＰ－１６大剂量短暂冲击加递增低浓度诱导方法建立了鼻咽癌耐药细胞亚纱ＬＣＥ／ＶＥ,用ＲＴ－ＰＣＲ和ＰＣＭ免疫荧光法检测了耐药基因ＭＲＰ和ｍｄｒ１在ｍＲＮＡ水平和蛋白质水平的表达,并用ＭＴＴ法测定了ＬＣＥ／ＶＰ对９种化疗药物的敏感试验,结果发现ＬＣＥ／ＶＰ细胞几ｍｄｒ１在ｍＲＮＡ水平均有表达,且前明显高于后,蛋白质水平的表达情况与ｍＲＮＡ水平相一致,ＬＣＥ／ＶＰ对９种化疗药物中的６种药物敏感程     

频域法辨识录象机伺服控制回路参数

针对录象机的伺服驱动系统及其ＩＣ的设计和测试问题，提出了一套基于Ｗｉｎｎｅｒ－Ｈｏｐ方程对录象机伺服控制系统进行频域在线辨识的方法。从理论上推导了伺服回路各典型元件的辨识模型，归纳和分析了伺服控制系统在不同状态下的构成，实测了磁鼓及主导轴伺服环路在ＰＡＬ和ＮＴＳＣ制式下不同状态的开环、闭环特性，采用在线频域响应法估计出磁鼓和主导轴伺服控制回路的增益及滤波器带宽参数。所得实验数据为中国设计和开发录象机提供了依据。     

一种考虑杠杆量测量的电力系统状态估计法

提出了一种考虑杠杆量测量的电力系统状态估计方法。该方法将状态估计与不良数据检测和辩识结合在一起，且采用改进的正交变换法，使其计算效率和数值的稳定性有了明显提高。经实例计算表明，该方法是可行有效的。     

一种基于量测变换的快速解耦状态估计方法

提出了一种基于支路功率量测变换的快速解耦状态估计和不良数据辨识方法 ,不但保留了传统快速解耦状态估计的优点 ,而且可以很好地处理大 R/X比值和存在单个或多个不良数据等问题 .算例表明方法快速有效 .     

ISODATA方法在配网状态估计不良数据辨识中的应用

采用ISODATA技术（迭代自组织数据分析技术A），利用标准残差Rn和相邻采样时刻量测值之差△Z作为特征值，对量测数据进行模糊聚类分析，并根据隶属变的大小来辨识其是否属于不良数据，数字仿真表明，该计算方法简单、快速、可靠。     

灰色系统参数估计与不良数据辨识

针对序列中含有空穴或不良数据的情况，将参数估计与不良数据辨识理论作为数据预处理技术应用于灰色系统建模。以观测数据为依据进行参数估计，避免了常规模型将空穴处的生成数据与其余实际数据同等对待的弊端；对序列作检测与辨识，使剔除不良数据后的参数估计结果更为精确。在电力系统灰色负荷预测中的应用结果表明，这一方法在提高灰色系统建模精度方面有相当的优越性，预测结果比常规灰色模型有很大的改善。     

基于深度神经网络-近似线性网络混合模型的电力系统状态估计方法

为提高电力系统实时状态估计的精度和计算效率,解决电网电压波动频发、潮流分布的不确定性剧增等问题,通过提出一种基于深度神经网络和近似线性网络模型的电力系统状态估计方法,研究了其在电网的应用。该方法将混合系统量测数据通过粒子滤波算法得到样本集,利用训练样本训练所提出的混合神经网络模型,最后将测试样本输入已建立的模型中获得系统状态的估计结果。通过IEEE118节点系统进行的负载数据仿真实验表明：基于混合神经网络模型的电力系统状态估计方法不仅能快速进行海量数据训练,还能有效避免过拟合;在实时状态估计的精度和计算效率方面,相较于高斯-牛顿法均有提高。可见所提方法在电力系统实时状态估计方面具有一定的应用价值。     

基于改进卡尔曼滤波的配电网动态数据平差方法

受设备、天气等多方面因素影响,电网量测数据不可避免的存在误差。在实际应用前,应选用合适的估计方法进行数据平差。为减小不良数据对估计精度的影响,本文提出了一种鲁棒性无迹卡尔曼滤波算法(RUKF),在进行无迹卡尔曼滤波之前引入基于运行模式的不良数据检测方法,通过分析量测量的变化趋势调整阈值,避免出现不良数据的漏检与误检现象。以IEEE 33-bus与某实际107节点系统为例,进行仿真验证。实验结果表明,在存在不良数据的情况下,RUKF与传统UKF相比,求得的数据平差结果具有更高的估计精度,提高了数据估算的鲁棒性。多个实验表明本文提出的RUKF算法对数据平差计算可以提供有效的理论支撑。     

基于非负定自适应卡尔曼滤波的电力系统虚假数据攻击检测

虚假数据攻击(false data attack, FDA)是通过对电网中远程终端单元(remote terminal unit, RTU)、同步相量测量单元(phasor measurement unit, PMU)等通信环节的攻击,误导电力系统的状态估计,给电力系统的安全可靠运行带来巨大威胁。构建了电网虚假数据攻击检测架构、电压信号状态空间模型和虚假数据攻击模型,提出了非负定自适应卡尔曼滤波算法来估计模型中的状态量,旨在准确检测电力系统中的虚假数据。通过对3节点电力系统仿真,结果验证文中所提的算法在保证滤波稳定性的同时,提高了攻击检测的运算速度。     

基于RGB-D 数据的实时人体检测算法

为实现体感控制器中的人体骨架识别功能, 提出了基于RGB鄄D 数据的实时人体检测算法, 并在人体检测中予以实现。首先对原始3D 点云数据进行简化, 对地平面进行移除, 然后对剩余的点云数据进行初步分类,得到人体点云数据簇, 对初步分类后的人体点云数据簇进行二次精细分类, 进而实现了地面上的多个人体的检测。该方法不仅能检测出静止的多个人体, 而且能检测行走中的多个人体。实验结果表明, 该方法实时性好, CPU 实时处理速率可达到25 帧/ s, 而且无论对于静止的人体还是行走中的人体, 该方法的人体检测准确度都能达到86%以上。     

锂电池SOC参数识别、优化及监测研究

为了延长微网系统中储能装置的使用寿命,保证微网系统的稳定可靠运行,需对锂电池荷电状态(SOC)进行实时准确的监测。提出一种基于递推最小二乘法(RLS)和扩展卡尔曼滤波算法(EKF)的电池SOC参数识别优化及检测方法,并在MATLAB/Simulink仿真环境下进行可行性验证。结果表明,该方法能够在极小误差范围内实现对锂电池SOC的实时监测。