基于Copula理论考虑光伏出力与负荷相关性的含光伏电站发电系统可靠性分析

由于光伏出力的间歇性和随机性,大容量的光伏电站接入会对发电系统可靠性造成影响。考虑光伏出力与负荷之间存在的相关性,在应用Copula理论的基础上提出了一种联合概率分布模型构建方法,并结合地区光伏出力及负荷数据进行含光伏电站的发电系统可靠性评估。首先基于我国某地区含光伏电站发电系统实测出力数据,通过非参数估计的方法得到光伏出力、负荷的概率分布。进而根据相关性测度和拟合优度选取合适的Copula函数,得到光伏电站出力与负荷的联合概率分布用于含光伏电站的发电系统可靠性评估。算例分析结果表明,所建模型能够很好地反映光伏发电系统的概率特性,且可靠性分析结果更加准确。"     

非对称核密度估计在生命表构造中的应用

针对以地称核修匀方法存在着边界偏差这种现象,将非对称核密度估计用于生命表数据修匀中,提出了非对称核修匀方法,并与对称核修匀方法进行比较,得到了令人满意的结果,从而使核修匀方法得到了进一步的推广.     

标值点过程非参数估计的中偏差原理

考虑标值点过程的非参数核密度估计的中偏差,我们得到逐点中偏差原理且给出了速率函数的表达式,其中主要工具是Cramer方法．     

基于非参数核密度估计的集装箱码头交通需求预测模型

针对现有集装箱集疏港时间概率分布建模中需要假设参数分布的问题,基于非参数核密度估计理论建立集装箱码头交通需求预测模型.非参数核密度估计的核函数选取高斯核,最优带宽由交叉验证法求得,通过检验、K-S检验和后验检验对比分析了核密度估计与两种传统参数模型的估计效果,并应用该模型预测DCT码头的交通需求.结果表明:非参数核密度估计模型具有更高的拟合精度、稳定性和适用性,得到的概率密度曲线能更加准确反映出口箱集港时间和进口箱疏港时间的整体分布形态,基于非参数核密度估计的集装箱码头交通需求预测模型具有比传统的参数模型更高的预测精度,可为集装箱码头基础设施规划、集疏港通道的道路交通管理、码头资源优化配置和调度等问题的研究提供更准确的交通量和作业任务量预测.     

基于变分模态分解的弹性参数核密度估计方法

概率密度建模是地震随机模拟中至关重要的环节,而弹性参数高频成分的概率密度估计决定了高分辨率地震随机模拟结果的精度。针对常规方法中弹性参数高频成分提取精度不足、概率密度建模先验条件过度约束以及弹性参数的概率密度建模分层设计等问题,提出了一种基于变分模态分解（variational mode decomposition, VMD）的弹性参数核密度估计方法。该方法首先采用VMD对测井弹性参数数据进行模态分解,筛选出本征模态函数（intrinsic mode function, IMF）中的高频项叠加得到测井弹性参数的高频成分;然后使用核密度估计分层计算得到高频成分的概率密度模型,并通过该模型进行随机抽样生成随机高频成分叠加至井旁地震数据上以达到丰富地震弹性参数数据高频内容的目的。珠江口盆地34号井区的实验结果显示,VMD有效分离出了中心频率在70 Hz以上的测井弹性参数高频成分,分层设计的核密度估计方法凸显了高频成分的统计规律,叠加随机高频成分后地震弹性参数70 Hz以上的高频成分得到了明显补充。该方法为地震高分辨率随机模拟提供了新的思路。     

基于核密度估计的性能退化数据建模分析方法

针对现有性能退化建模分析方中存在试验样本数据量少和先验分布假设过于严格的不足,提出了一种基于核密度估计的性能退化数据建模分析方法,并详细说明了进行核密度估计时最佳窗宽的确定方法.通过实际算例对建模分析方法进行了验证,结果表明:基于核密度估计方法能有效地克服试验样本数据量少和先验分布假设严格的不足,从而为该情况下产品的性能退化分析提供了一种新方法.     

光伏光照概率性对配电网电压的影响

分布式光伏发电接入配电网后将对配网无功电压特性产生诸多影响.文中建立了基于太阳辐射度Beta分布的分布式光伏发电系统概率模型,考虑太阳辐射度对光伏发电系统出力的影响,模拟了晴天少云、晴朗无云、晴间多云这3种典型天气情况下光伏发电系统的出力变动,得到连续时间断面的概率性光伏出力,依次进行潮流计算,并与恒功率光伏电源模型的潮流计算结果作对比.结合算例仿真,总结分析了光伏并网后对配电网稳态电压分布和电压幅值波动的影响规律,并验证了概率性分布式光伏发电模型相比于传统的恒功率模型更能够反映光伏电源出力的波动性和随机性.     

非参数核密度估计的Lr收敛

核密度估计是一种具有广泛应用领域的非参数统计方法．有关它独立情况下的大样本性质,在文献[1]中已详细介绍,本文在改进Parzen给出的一个基本引理的基础上得出非参数核密度估计的L^τ收敛．     

非参数核密度估计的L~r收敛

核密度估计是一种具有广泛应用领域的非参数统计方法.有关它独立情况下的大样本性质,在文献[1]中已详细介绍,本文在改进Parzen给出的一个基本引理的基础上得出非参数核密度估计的Lr收敛.     

北斗导航卫星伪距偏差特性及减弱方法

导航卫星信号的非理想特性会引起伪距测量产生偏差,具体表现为相同类型接收机具有相同伪距偏差,不同类型接收机的伪距偏差不一致.当提供导航定位服务产品的接收机技术状态与用户端不一致时,伪距偏差将引起导航定位服务性能降低.本文利用超短基线双差伪距O?C(Observation Minus Computation)方法计算了BDS(Beidou Satellite Navigation System)的伪距偏差,发现在早期试验卫星阶段的不同状态接收机之间存在较大的伪距偏差现象,设计了接收机环路参数调整、改变抗多径算法和卫星预失真滤波器参数调整三种减弱伪距偏差的方法.分别试验验证结果表明,接收机环路参数调整能大幅降低卫星之间的伪距偏差,B1I各颗卫星伪距偏差标准差由0.63 m降低至0.36 m;抗多径算法会造成额外的伪距偏差,窄相关算法能大幅减小伪距偏差,B1I各颗卫星伪距偏差标准差由0.36 m降低至0.18 m;调整卫星预失真滤波器参数能在一定程度上减小伪距偏差,单颗卫星伪距偏差降低约0.3–0.4 m.最后,针对BDS卫星伪距偏差解算无固定参考基准的问题,设计了一种基于外频标非实时双差O?C方法,利用该方法分别处理了BDS和GPS(Global Positioning System)数据,并对两个系统卫星伪距偏差的特性进行比较分析.结果表明,BDS和GPS卫星都存在伪距偏差;GPS卫星L2C伪距偏差与BDS-3卫星B1C数据支路相当;GPS卫星L1CA伪距偏差与其兼容互操作的BDS-3卫星B1C导频支路相当;L5C与其兼容互操作的BDS-3卫星B2a信号相比伪距偏差更大.     

基于风-光-储联合优化的最优潮流

针对分布式能源发电的间歇性和不确定性,提出了风、光互补发电和储能实时在线优化结合的方法。以风、光日前预测发电与实时发电误差最小、储能出力最少为目标,建立风-光-储联合优化模型;使用改进PSO算法对风、光出力进行实时优化,优化后的分布式发电可以有效降低分布式电源带来的日前调度偏差。储能优化后的风、光出力在进行潮流计算时可直接处理为负荷模型,因此可以有效降低分布式能源建模的复杂度。最后,以IEEE30节点系统为例,以发电机发电费用最低为目标函数,将风-光-储联合出力等效为单个节点,利用遗传算法对最优潮流模型进行求解,验证了本文方法的正确性和有效性。     

基于EMD-RVM的短期光伏发电系统功率预测

由于光伏发电并网会对电网产生冲击,进而影响电网的稳定,因此提高光伏发电预测的精度对电网具有重要的意义。考虑到光伏出力的非平稳性和随机性,提出了一种基于经验模态分解(EMD)和相关向量机(RVM)的组合方法(EMD-RVM)对光伏发电系统功率进行预测。首先把历史数据按照天气类型进行分类,利用欧氏距离算法筛选出与待预测日特征相似的历史数据;然后将光伏发电输出功率序列进行集合经验模态分解,得到若干个不同频率的相对平稳的固有模态分量(IMF),通过分析不同分量的特征规律对各分量建立对应的RVM模型,再将各分量的预测值等权值求和得到最终预测值。仿真结果表明,同一些传统预测方法相比,利用EMD-RVM组合方法进行光伏发电预测具有较高的预测精度。     

基于改进序列运算理论的有源配电网概率潮流计算

针对有源配电网中分布式电源出力的不确定性和相关性对系统潮流的影响,提出了一种基于改进序列运算理论的新型概率潮流算法.首先,采用多变量非参数核密度估计方法构建了一种计及日输出功率时序特性的分布式电源出力概率模型;其次,为了将分布式电源出力概率模型序列化,在多维序列理论的基础上,提出了改进的相关性概率序列运算方法,并与传统的线性化潮流计算方法相结合,求得系统潮流的概率分布信息;最后,针对上述所提理论和方法,采用改进的33节点配电系统进行仿真验证,仿真结果表明,所提方法具有较高的计算精度和较快的计算速度.     

基于核密度估计的上证A股收益率分析

波动较大是股票收益率的特征,这种特征造成了它的分布非常不规则,因此在对股票收益率进行分析时,可以考虑运用形式比较灵活的非参数密度估计方法.而在非参数密度估计方法中,核估计是最典型的用来估计单样本模型的方法.因此,以上证A股指数收益率分布为对象,利用非参数核密度估计方法对其进行实证研究.这种方法除了在捕捉市场风险特征方面比普通正态分布更具优势外,而且对于收益率分布尖峰和厚尾的特征也能更好的反映,同时其结论也更加具有可信度.     

基于特征聚类的光伏集群出力时空随机模拟方法

随着分布式光伏集群的建设和集群控制的需求,不仅需要单个光伏站点的信息,而且需要光伏集群内各站点的综合信息,亟须发展光伏集群出力时空的随机模拟模型.而光伏集群内各站点出力在时间和空间上的相关性,使得光伏集群出力特性的随机模拟模型的准确性不能保证.为此,文章提出了一种基于特征聚类的光伏集群出力时空随机模拟模型.该方法基于k-means特征聚类方法,考虑不同站点出力时空相关性特征,将光伏出力以天气类型划分为4类,并依此构建单站点出力的马尔可夫链的时序模型,利用不同站点间时空的相似性完成对光伏集群的数据模拟,为分布式光伏集群的建设和集群控制提供数据参考.基于河北电网部分实际光伏电站的仿真计算,验证了所提数据模拟方法的正确性和有效性.     

基于核密度估计的VaR-GARCH模型改进

对GARCH模型下标准化扰动的分布进行非参数核密度估计,并应用标准化扰动的核密度估计分布来计算时变风险价值.最后通过实证分析验证了此模型的有效性.     

计及光伏出力相关性的改进半不变量法概率潮流计算方法

光伏发电的快速发展加剧了电力系统运行的相关性和不确定性.针对光伏发电中假设光伏出力服从Beta分布的局限性,提出三次样条函数通过有限矩对光伏出力进行重构,并应用改进的Nataf变换结合拉丁超立方采样技术得到计及相关性的光伏出力样本,通过分段线性化降低光伏出力波动性引起的误差,结合Cholesky分解求取输出量的半不变量,最后应用Cornish-Fisher级数求取输出变量的概率密度函数.该算法既计及光伏出力的相关性,同时也降低了传统半不变量法单点线性化引起的误差,与蒙特卡洛法(MCSM)相比,大大缩短了运算时间.对IEEE 34节点系统以及甘肃省会宁县某地区实际电网的测试验证了所提方法的准确性和实用性.     

杂系混合信号的盲分离

利用基于随机变量概率密度函数的非参数密度估计的核密度估计法对评价函数进行直接估计，改进了盲分离算法的性能，理论推导和试验都证实了这种基于核密度估计的非参数密度估计盲分离算法能实现包含超高斯和亚高斯信号的杂系混合信号的盲分离，为盲分离问题在实际问题中的应用奠定了一定的基础。     

洪水频率分析的非参数密度变换模型研究

以非参数统计理论为基础,把变换理论和非参数统计理论结合起来,建立了洪水频率分析的非参数密度变换模型．通过变换,改进了非参数核密度估计方法,避开了窗宽选择问题,提高了小样本的估计精度．     

核密度估计的局部积分方差的渐近表示

在非参数统计推断中，首选方法是核密度估计，但通常很难得到精确表达式。利用局部交叉生效方法，获得随机删失下核密度估计的局部积分方差的渐近表示，所得结果改进和推广了Watson，Leadbetter和Csorgo，Horvath等研究的相关结果。