电力系统短期负荷新型Volterra预测模型研究

针对电力系统负荷短时预测问题,从分析负荷数据的混沌特性入手,利用相空间重构理论对负荷数据进行重构,构建了一种新型的Volterra模型对电力系统负荷进行预测。该模型采用二次线性微分方程方法对原Volterra级数进行变换,与以往Volterra级数相比,该模型无截断误差,包含了系统更多精确的信息。最后,以某地区实际用电负荷数据为对象进行验证,结果表明:该模型2d和4d用电负荷预测结果和实际结果误差不超过5%,完全能够满足电力调度需求,同时也为电力公司制定经济模型和实时电价调整提供了理论支持。     

一种精确估计恒虚警检测器阈值因子的方法

针对恒虚警检测器在利用求解阈值因子方法时需要大量样本且搜索耗时较长的问题,提出了一种基于仿生微粒群的精确估计雷达恒虚警检测器阈值因子的方法.将指定虚警概率下的求解阈值因子问题转化为一个最小化问题,再利用微粒群方法对其进行求解,而微粒群优化采用基于种群的搜索方式.惯性因子可以随着迭代数的变化自适应调整,从而线性地减少了惯性因子的数值,致使算法具有平衡全局搜索、局部搜索的能力和较高的搜索效率.仿真结果表明,所提方法可在指定的精度下快速实现单雷达或者雷达组网等多种恒虚警检测器阙值因子的精确估计,节省了近5O%的时间,提高了解的检测精度,并具有良好的鲁棒性和快速收敛等特点.     

基于自动筛选技术的分布式CFAR检测算法

针对多传感器分布式恒虚警率(CFAR)检测技术在杂波环境下的应用,基于广义有序统计(OS)和自动筛选技术,提出了一种新的分布式多传感器目标检测算法。首先利用广义有序统计(OS)恒虚警算法来得到各传感器的杂波/噪声电平估计,然后将检测单元电平与估计得到的杂波/噪声电平比较,得到各传感器的局部判决。采用"OR"或者"AND"融合准则在融合中心形成全局判决,得到有无目标的判决。多目标引起的非均匀背景中,采用了自动筛选技术,使得干扰目标进入后沿滑窗的机会变小,对于干扰目标有较好的鲁棒性。在假定目标服从Swerling II起伏的情况下,导出了相应的检测概率与虚警概率闭式解。最后,给出了多种检测器数值和图表分析的比较结果,表明了该方法的有效性和优越性。