基于卡尔曼滤波修正的多步风电功率预测

针对传统时间序列预测多步风速时不能预测突变风速使风电功率预测误差较大的问题,采用基于数值天气预报(numerical weather prediction,NWP)风速及历史风速修正的卡尔曼滤波法对NWP风速进行多步修正,并通过修正后的NWP风速进行多步功率预测,第16步风速平均绝对误差降低了0.47 m/s,将该修正NWP风速与支持向量回归相结合,构建风电功率预测模型。构建模型与ARIMA模型及NWP直接预测模型相比,误差分别降低了6.8%和8.4%。应用该模型对山东某地区风电场现场数据进行仿真测试,第16步预测准确率达到82.6%。     

生物氧化预处理中进气量实时预测数学模型研究

精准预测生物氧化预处理中的进气量对提高黄金提取率和节能降耗具有重要意义。以气体管流连续性方程和运动方程为控制方程，采用Preissmann隐格式法作为差分方法。同时，根据集合卡尔曼滤波(Ensemble Kalman filter，EnKF)算法原理，构造进气量、压强的状态空间模型。结果表明，基于气体管流控制方程建立的进气量模型预测结果与实际进气量观测值具有较好的一致性；与传统静态预测方法相比，EnKF同化方法引入实时观测值和模型参数的更新，有效提高了进气量的预测精度，其平均绝对误差、平均相对误差和均方根误差有明显的降低。可见，基于气体管流控制方程建立的预测模型结合EnKF同化方法是提高生物氧化槽进气量预测精度的有效手段。     

交互式多模型的锂电池荷电状态估计

针对锂电池工作在温度不恒定的环境中时单个模型无法捕捉电池参数动态变化,导致电池模型误差增大,荷电状态估计精度下降的问题,提出使用交互式多模型平方根无迹卡尔曼滤波算法来估计电池荷电状态.以戴维宁电池模型为基础建立了一组电池温度子模型,并实现参数辨识;在平方根无迹卡尔曼滤波的基础上,利用交互式多模型方法估计电池荷电状态,通过实时调整模型概率来实现各个模型间的软切换.实验结果表明,交互式多模型方法融合了不同温度下的电池信息,增强了荷电状态估计的精度和鲁棒性.     

基于双层修正无迹卡尔曼的水下节点定位算法* .txt

摘要：针对水下无线传感网络中运动节点定位精度低的问题，提出了一种新的基于双层修正无迹卡尔曼的水下节点定位算法(DLMUKF)。该算法利用下层无迹卡尔曼滤波算法对节点状态进行预测，根据各信标节点的测距传播时延对预测的节点状态进行修正。运用上层无迹卡尔曼滤波算法对修正后的状态进行新的预测与修正。仿真实验中，DLMUKF算法的平均定位误差约为传统多边定位算法的15%，约为基于无迹卡尔曼滤波（UKF）定位算法的16%，受节点运动时间与速度的影响最小。通过实验证明DLMUKF算法能更充分利用实际距离值，可以有效减小运动节点的定位误差。 .txt     

基于容积卡尔曼滤波的虚假数据注入攻击检测研究

虚假数据注入攻击给电力系统的安全稳定运行带来严重威胁,研究其检测方法具有十分重大的意义.本文基于容积卡尔曼滤波提出了一种虚假数据注入攻击的检测方法,该方法首先利用容积卡尔曼滤波算法对系统进行状态估计;其次,将状态估计结果与加权最小二乘法的估计结果进行状态一致性检验;最后,以IEEE-14节点系统为试验对象,进行算例分析.结果表明,本文的方法能够有效地检测出注入到系统中的虚假数据.