状态估计

摘要： 被攻击者精心设计的虚假数据符合电力系统运行规律和基尔霍夫定律,可以绕过不良数据的检测,使控制中心误以为系统在正常运行中,从而做出错误决策,影响电网正常运行。考虑状态估计和电网数据的非线性结构,结合状态数据的时间连续性,提出了一种小波变换和稀疏自编码器相结合的虚假数据注入(FDIAs)检测方法。小波变换可在频域展示连续时间信号的局部特征,易于发现数据的异常变化。将经由小波变换的特征向量作为自编码器的输入,训练表征电力系统正常运行模式的自编码器,然后在线运行输出攻击检测结果。最后,使用IEEE 39和IEEE 118验证了所提方法的准确性和有效性。

摘要： 针对现有QS文件数据模型研究的空白,首先分析了实际电网的数据对象,明确了其数据模型,并与PSASP中的标准模型进行了对比;其次发现QS文件中的线路和变压器模型与现有PSASP中的标准模型有所差别,并明确了其具体差异;最后利用实际网调QS文件数据,通过抽样验证和整体验证两种方法校核了模型解读的正确性,为基于QS文件数据的高级应用提供了良好的基础。

摘要： 随着直流源储荷的接入与柔性直流电力电子设备的发展,含多种分布式电源(distributed generation,DG)的交直流混联电网被认为是未来电网的主流架构,这给系统操作带来了更多灵活性,但也加剧了量测数据不足的问题,使得系统状态估计求解更加困难。目前成熟的交流状态估计未计及直流系统状态量和量测量的特征及各类DG出力的不确定性,且通常默认换流器控制方式已知,控制方法未知时的伪量测建模技术有待研究。采用计及电压源换流器(voltage source converter,VSC)损耗的模型,对可观型VSC和不可观型VSC分别采用基于控制信息和基于高斯混合模型(Gaussian mixture model,GMM)的伪量测建模方法,在加权最小二乘法(weighted least squares,WLS)的基础上,提出一种改进的交直流混联电网状态估计算法。在经过修改的IEEE-14节点系统中进行大量仿真计算分析,结果表明所提算法不依赖于量测配置和调度中心与VSC间的通信过程,伪量测数据动态描述能力优于6次采样扩展卡尔曼滤波算法(extend Kalman filter,EKF),具有良好的实用性和抗差性,未来可扩展到电力电子化电力系统状态估计中使用。

摘要： 随着流程工业快速发展及工艺过程复杂程度的不断增加,作为核心装备的热交换器存在有效故障早期预警难的问题。以管壳式热交换器为例,提出一种针对热交换器故障早期预警的新方法。该方法基于工艺流体温度、压力、流量等易测量参数构建、选取表征热交换器传热和流阻性能的监测指标,并引入指数移动平均(EMA)算法进行数据处理与指标动态特征提取;在多元状态估计理论(MSET)的基础上,构建表征热交换器健康运行状态的三维健康记忆矩阵,实现热交换器多变工况的融合,避免工况变化对监测指标的影响,然后针对设备当前运行观测值计算实时偏差,实现热交换器运行状态评估及故障预警;通过统计计算过程中各指标实时偏差贡献率锁定异常参数,实现故障精准定位。实验结果表明,该方法能够实现泄漏量占工艺流体流量1%以上泄漏故障预警及垢层厚度占管径2.2%以上结垢故障预警。

摘要： 针对自动驾驶汽车状态和故障估计问题,基于自适应扩展卡尔曼滤波(AEKF)理论提出了一种矩阵加权多传感器信息融合估计方法。首先,将自动驾驶汽车运动学模型进行离散化处理;然后,以极小化多传感器量测估计误差向量均方和为目标,采用拉格朗日极值求解方法设计了矩阵加权多传感器信息融合方法;最后,在低精度传感器、高精度传感器、融合估计3种条件下仿真验证该方法的正确性。结果表明,与单个传感器情形相比较,所提出的方法能较好地估计自动驾驶汽车的位置、航向角、速度信息以及执行机构故障信息,为自动避障、自动泊车等精准测控任务提供参考。

摘要： 同时建图与定位(SLAM)是自动驾驶功能重要的组成部分,现有算法以激光或视觉惯性里程计为主,未充分利用多模态传感器各自的优势,对特征缺失的场景鲁棒性不足。针对此问题,本文中提出了一种采用激光雷达、摄像头和惯性测量单元(IMU)的多传感器紧耦合SLAM系统。首先它改善了激光雷达点云特征提取和平面拟合的方案,提升了利用点云对视觉特征点深度信息优化的效率和精度。其次提出的紧耦合状态估计框架通过在视觉惯性系统中直接添加激光雷达里程计约束,在不增加算法复杂度的前提下提升了系统的稳定性和精度。最后由粗到精的视觉-激光雷达耦合回环框架进一步降低了系统的长时累计漂移。在开源数据集KITTI上进行大量测试验证的结果表明,与其它常用的算法相比,所提出的算法具有较高的精度和环境适应能力。另外在基于自主搭建的自动驾驶汽车测试平台进行的实车试验还证明本算法可适应长时间大场景的工作环境。

摘要： 为了解决电磁混合主动悬架在发生故障时导致的系统失稳现象,设计了一种多模式切换容错控制策略。分别建立了1/4车辆二自由度悬架模型、直线电机数学模型及电磁阀减振器多项式模型。采用未知输入观测器对悬架状态进行估计,以悬架系统簧载质量加速度为正常状态切换条件,以簧载质量加速度残差和稳定模块为故障状态切换条件,设计了一种多模式切换容错控制策略。仿真分析了多模式切换容错控制策略下悬架的动态性能,并开展台架试验。试验结果表明:在多模式切换容错控制下,簧载质量加速度均方根值相比故障状态降低31.35%;多模式切换容错控制策略可以实现悬架在正常状态与故障状态的模式切换,且悬架的动态性能得到改善。

摘要： 针对组网雷达系统在跟踪目标发生机动时采用自适应滤波来估计目标状态的特点,在点迹融合数据处理结构的组网雷达基础上提出了一种欺骗干扰优化策略。根据状态和量测方程描述了组网雷达跟踪目标的模型,同时建立了跟踪机动目标的自适应滤波模型。在此基础上,建立了欺骗干扰模型,并在目标机动检测约束下,推导了虚假目标欺骗干扰对于组网雷达融合中心的自适应滤波估计误差协方差的影响关系式。用误差协方差矩阵的迹来量化欺骗干扰效果,并以此为优化的目标函数。使用矩阵Schur补理论把约束条件转换为线性矩阵不等式,将欺骗干扰优化策略转化为求解半定规划凸优化问题。仿真结果验证了所提欺骗干扰优化策略的有效性。

摘要： 随着大量分布式电源和随机负荷等引入,导致配电系统在越来越复杂及不确定的工况中运行,其状态估计结果与量测装置需要更多地考虑不确定性因素。虽然同步相量量测装置可以通过提供实时量测数据来提高状态估计结果,但考虑到配电网节点较多以及投资成本不足造成供需不平衡,所以在短时间内配电网不可能大规模配置。该文基于经济性的原则来配置PMU测量装置,对最大提高状态估计结果的精度进行研究。同时采用改进的磷虾群算法对IEEE-33节点模型进行测试,从而得到PMU最优配置Pareto非劣解集。该文对IEEE-33节点三相配电网系统进行仿真计算,与遗传算法和粒子群算法比较;仿真结果验证了该算法的可行性、有效性以及优越性。

摘要： 随着海洋研究与开发的日益扩大,高速自主水下航行器(AUV)作为重要的无人水下工作平台受到广泛关注。然而由于其模型具有多输入多输出、强耦合欠驱动以及强非线性特性,因此依赖精确模型的传统控制方法在实际应用中常受到限制。针对此问题,文中提出一种不依赖精确模型的强化学习位姿控制器,该控制器通过姿态环和位置环的配合不仅可以实现高速AUV的快速姿态稳定,还可以更快地完成下潜到指定深度的动作;同时,为了降低获取用于训练强化学习控制器数据的成本,结合神经网络技术提出了一种改进的高速AUV状态估计器,该估计器可以在已知当前时刻AUV的状态以及所受控制量的情况下估计出下一时刻的状态,从而为强化学习控制方法提供大量的训练数据。仿真实验结果表明,估计器达到了较高的估计精度,基于神经网络状态估计器训练得到的强化学习控制器可以完成原AUV的平稳快速控制,从而验证了所提方法的可行性及有效性。

摘要： 布式电源并网后的电网状态估计对于实现系统安全预估和预防控制具有重要意义.本文选取IEEE14,30节点系统为研究对象,运用加权最小二乘状态估计对不同节点位置接入分布式电源和多个节点同时接入分布式电源进行状态估计,分析分布式电源并网前后状态估计结果的差异及分布式电源并网对其的影响.研究发现分布式电源并网能够提高系统的状态估计电压水平,并与接入位置和接入容量有关,同时,分布式电源并网能够减小系统状态估计的网损,接入大负荷节点就近供电时系统网络损耗减小的效果明显,另外,随着接入的容量不断增大,系统网络损耗呈现先减小后增大的趋势.

摘要： 随着电网规模的扩大、复杂度的增加,进一步提高状态估计的计算速度至关重要.本文利用基于超节点LU分块分解算法、列消去树和多核多线程并行计算原理的并行稀疏系统直接求解库SuperLU_MT实现电力系统状态估计.通过对IEEE测试系统以及实际电网算例验证,表明通用的并行稀疏系统直接求解库适用于电力系统状态估计,能够获得较显著的并行计算效果,在多核计算机上显著缩短了状态估计的计算时间.

摘要： 电力系统状态估计是电网在线分析的重要基础.但在实际应用中,提高电力系统状态估计数据精度非常困难.本文结合实际工作,提出了基于调度自动化系统数据质量评价的坏数据排查及定位方法,总结出状态估计工程实用化的调试方法,建立了规范的状态估计数据精度运维闭环管理机制.自本文方法实施后,云南省调状态估计合格率大幅提升,达到98％以上,促进了调度员潮流、DTS、安全分析、在线短路电流计算等高级应用功能实用化,提高了云南电网的自动化水平,取得了巨大的经济效益和社会效益.

摘要： 针对高精度单传感器量测条件下非线性系统状态估计精度问题,本文提出一种基于量测提升策略的不敏卡尔曼滤波算法实现框架.新方法在当前传感器量测的基础上通过量测提升策略丰富量测噪声先验信息,进而得到满足融合理论的虚拟量测集,并根据工程应用中实时性、准确性以及鲁棒性等具体需求,分别给出分布式加权融合和一致性融合两种实现形式.仿真实验结果和分析验证了算法的可行性和有效性.

摘要： 针对当前城市轨道交通站等公共场所人员流动聚集变化快、突发事件发生概率大、安全监控智能化低、运营管理风险高的隐患,本文对突发事件的响应机制进行了梳理,提出了一种基于多源信息融合的突发事件检测和应急响应模型.该模型基于自上而下的人工引导机制,对系统前端设备的信息感知、关键特征提取、识别结果决策等进行多层次、人工监督的全面融合.本文对该模型系统中各个模块、各个阶段所应用到的信息处理、图像识别、状态估计、系统集成等技术以及应急响应后台指挥及现场人员组成进行了阐述和建议,对中国公共交通车站等人员聚集公共场所突发事件应急响应应用具有积极的意义.

摘要： 分布式能源接入配电网使得配电网的潮流不再单向流动.考虑这种影响,提出了基于潮流方向的主动配电网实时拓扑追踪方法.针对不同分布式能源的各种运行状态,分别讨论了其在拓扑追踪时的处理方法;通过基于状态估计结果的开关潮流计算,获取全网设备的实时潮流分布;建立基于潮流方向的连接节点/支路模型,在拓扑追踪过程中通过支路潮流对搜索方向进行约束,实现了基于潮流方向的拓扑追踪功能.

摘要： 随着智能电网、物联网的快速发展以及电力业务的日益复杂,电力系统数据存在体量大、类型多、要求速度快、缺乏数据整合、数据分析利用价值低等一系列问题,需要大数据技术进行分析处理.Spark技术以其快速实时处理、支持复杂查询、容错性好、通用性高等特性,成为大数据技术的典型代表.基于此,分析了Spark技术基本框架、编程设计、技术优点和应用现状以及Spark技术在电力调度数据整合、智能电网数据管理、电网状态不良数据识别、供电公司数据整合等场景下的典型应用.经研究,Spark可实现电力系统各类数据、业务、资源的有效整合和统一调度,可提升电力系统生产效率和电力企业生产经营水平.

摘要： 随着智能电网、物联网的快速发展以及电力业务的日益复杂,电力系统数据存在体量大、类型多、要求速度快、缺乏数据整合、数据分析利用价值低等一系列问题,需要大数据技术进行分析处理.Spark技术以其快速实时处理、支持复杂查询、容错性好、通用性高等特性,成为大数据技术的典型代表.基于此,分析了Spark技术基本框架、编程设计、技术优点和应用现状以及Spark技术在电力调度数据整合、智能电网数据管理、电网状态不良数据识别、供电公司数据整合等场景下的典型应用.经研究,Spark可实现电力系统各类数据、业务、资源的有效整合和统一调度,可提升电力系统生产效率和电力企业生产经营水平.

摘要： 随着智能电网、物联网的快速发展以及电力业务的日益复杂,电力系统数据存在体量大、类型多、要求速度快、缺乏数据整合、数据分析利用价值低等一系列问题,需要大数据技术进行分析处理.Spark技术以其快速实时处理、支持复杂查询、容错性好、通用性高等特性,成为大数据技术的典型代表.基于此,分析了Spark技术基本框架、编程设计、技术优点和应用现状以及Spark技术在电力调度数据整合、智能电网数据管理、电网状态不良数据识别、供电公司数据整合等场景下的典型应用.经研究,Spark可实现电力系统各类数据、业务、资源的有效整合和统一调度,可提升电力系统生产效率和电力企业生产经营水平.

摘要： 随着智能电网、物联网的快速发展以及电力业务的日益复杂,电力系统数据存在体量大、类型多、要求速度快、缺乏数据整合、数据分析利用价值低等一系列问题,需要大数据技术进行分析处理.Spark技术以其快速实时处理、支持复杂查询、容错性好、通用性高等特性,成为大数据技术的典型代表.基于此,分析了Spark技术基本框架、编程设计、技术优点和应用现状以及Spark技术在电力调度数据整合、智能电网数据管理、电网状态不良数据识别、供电公司数据整合等场景下的典型应用.经研究,Spark可实现电力系统各类数据、业务、资源的有效整合和统一调度,可提升电力系统生产效率和电力企业生产经营水平.

摘要： 本发明的目的是准确地执行估计连接到电力线的多个电子装置的运行状态，即用电状态。通过使用连接到多个电子装置的电力线在时间序列的基础上计算电流和电压。从电流和电压的时间序列中提取电源频率及其谐波的信号分量。从信号分量计算导纳向量时间序列。将导纳向量时间序列与连接到电力线的多个电子装置的特征向量的组合进行比较，以得到多个电子装置的运行状态的估计结果。

摘要： 本发明的目的是准确地执行估计连接到电力线的多个电子装置的运行状态，即用电状态。通过使用连接到多个电子装置的电力线在时间序列的基础上计算电流和电压。从电流和电压的时间序列中提取电源频率及其谐波的信号分量。从信号分量计算导纳向量时间序列。将导纳向量时间序列与连接到电力线的多个电子装置的特征向量的组合进行比较，以得到多个电子装置的运行状态的估计结果。

摘要： 提供一种考虑个体差异而估计对象人的状态的方法。该方法包括：通过使用第一数据估计参数的统计模型从第二数据估计对象人的状态的步骤，其中第一数据包含具有多个人物的瞳孔面积的变化速度和多个人物的状态的数据的多个数据组，第二数据包含对象人的瞳孔面积的变化速度；以及输出对象人的状态的估计结果的步骤。注意，统计模型是使用有序逻辑回归的分层贝叶斯模型，其中线性预测器是截距、偏回归系数与解释变量之积以及表示个体差异的参数之总和。

摘要： 本发明提供状态估计模型的学习方法、状态估计方法和状态估计装置。在具有各种电特性的二次电池的工作中高精度地估计二次电池的状态(充电率和劣化度)。包含如下步骤：按照规定时间间隔测定二次电池的包含端子电流和端子电压的状态变量；对状态变量进行预处理而计算状态估计输入数据；通过机器学习使状态估计模型学习状态估计输入数据与二次电池的充电率及/或劣化度之间的关系，在计算状态估计输入数据的步骤中，计算端子电压的电压差分相对于端子电流的电流差分的变化率即差分梯度，生成包含差分梯度的时间序列数据的状态估计输入数据。

摘要： 提供状态估计模型的学习方法、状态估计方法和状态估计装置。在具有各种电特性的二次电池的工作中高精度地估计二次电池的状态(充电率和劣化度)。包含如下步骤：按规定时间间隔测定二次电池的包含端子电流和端子电压的状态变量；对状态变量进行预处理而计算状态估计输入数据；通过机器学习使状态估计模型学习状态估计输入数据与二次电池的充电率及/或劣化度之间的关系，在计算的步骤中，计算端子电压的电压差分相对于端子电流的电流差分的变化率即差分梯度，生成状态估计输入数据，该状态估计输入数据包含差分梯度、开路电压、从规定时间过去到当前的开路电压的变化量、差分梯度的变化量和端子电流的累计电流值各自的时间序列数据。

摘要： 根据本发明的一个实施例的环境状态估计装置包括环境状态估计单元，该环境状态估计单元配置为：基于关于由在规定区域中的多个车辆获取的周围环境状态的信息，估计规定区域的环境状态。根据本发明的另一实施例的环境状态估计方法，包括环境状态估计装置基于关于由在规定区域中的多个车辆获取的周围环境状态的信息，估计规定区域的环境状态的估计步骤。根据本发明的再一实施例的环境状态估计程序，其使得环境状态估计装置执行基于关于由在规定区域中的多个车辆获取的周围环境状态的信息，估计规定区域的环境状态的步骤。

摘要： 提供一种呼吸状态估计装置，具备：脉搏波信号获取部，其从生物体的部位获取脉搏波信号；脉搏数计算部，其基于脉搏波信号来计算生物体的脉搏数；以及呼吸状态估计部，其基于脉搏数来估计生物体的呼吸状态。另外，提供一种呼吸状态估计方法，包括以下步骤：从生物体的部位以光学方式获取脉搏波信号；基于脉搏波信号来计算生物体的脉搏数；以及基于脉搏数来估计生物体的呼吸状态。

摘要： 使用接地状态估计用轮胎(20)，该轮胎(20)具有在轮胎圆周方向排列轮胎圆周方向的长度不同的多个花纹块而得到的花纹块列，并且具有以固定的周期形成上述花纹块列的相邻的两个花纹块的蹬出端的胎面图案，由安装于转向节(23)的加速度传感器(11)对从上述轮胎(20)传递到上述转向节(23)的上述蹬出端依次离开路面时所产生的周期性振动进行检测并求出上述振动的频率波形，并且检测上述频率波形的在根据由车轮速度传感器(12)测量出的车轮速度V和上述周期算出的检测频带内的振动水平，根据该振动水平的大小来估计轮胎的接地状态，由此不将传感器安装于轮胎而能够高精确度地估计行驶中的轮胎的接地状态。

摘要： 本发明的机器状态估计装置是对要进行维护检修的管理对象机器的状态进行估计的状态估计装置，在针对机器或构成该机器的各设备的维护检修中，针对作业员通过五官判定机器的状态而得到的作业结果的定性数据，计算以使用维护检修的作业结果的定量数据计算出的置信度将其转换成定量数据并进行校正后的定量校正数据，因此，与使用与定性数据对应的不同等级的定量数据相比，能够利用客观的定量数据对机器的状态进行管理。

摘要： 本发明提供一种发动机状态估计装置、发动机状态估计方法和存储介质，能够以稳定的精度来估计发动机的状态。估计发动机(200)的状态的发动机状态估计装置(100)具备：空气密度测定数据获取部(110)，其获取与发动机(200)吸入并供给至燃烧部的空气的密度有关的参数的测定数据；以及状态估计部(120)，其基于空气密度测定数据、以及被输入至表示发动机(200)的特性的发动机模型的向燃烧部供给的燃料供给量(U)来估计发动机(200)的状态。