计及电压等级的电网关键节点识别

从泰尔熵标准基本原理出发,在计及系统电压等级的基础上,综合考虑节点静态电压稳定性和支路转移潮流分布均衡性,提出一种电网关键节点辨识方法。从节点负荷变化对系统电压幅值增长和支路传输潮流变化的影响机理出发,建立电压增长率泰尔熵模型和加权潮流冲击率泰尔熵模型,描述系统电压增长和支路潮流变化的均衡性;采用二元分析法与熵权法相结合的权重分析法对指标进行综合,得到既结合主观偏好又考虑客观数据的关键节点综合评估指标,从而准确辨识出系统关键节点。IEEE 30节点系统及西南某地区实际系统的仿真结果验证了所提模型的有效性。     

基于改进泰尔熵和熵度的电力系统关键节点识别

为了弥补信息熵考虑因素单一的缺陷,引入泰尔熵并对其适当改进用于电力系统关键节点识别中。改进后的泰尔熵将系统线路按照负载率进行分区,并分别计算节点功率变化时同区及区间潮流分布的均匀程度,然后采用负载率对同区结果进行加权,得到节点的改进泰尔熵指标。为了使识别结果更贴近工程实际,采用熵度评估了节点网络拓扑位置的重要性,然后提出了关键节点综合评估指标。综合评估指标兼顾节点网络拓扑结构重要性和其功率变化对潮流的影响情况,通过对IEEE-39节点系统进行关键节点识别验证,验证了方法的可行性和有效性。     

基于潮流转移分布熵和负荷冲击灵敏度熵的电力系统关键线路识别

从直流潮流入手,结合矩阵理论,提出一种基于网络拓扑结构确定潮流转移区域及计算潮流转移量的方法,基于此定义潮流转移分布熵和负荷冲击灵敏度熵,提出关键线路综合评价指标。该指标既能衡量线路断开后系统内潮流转移按照线路容量裕度分布的均衡程度,又能衡量线路对各负荷节点负荷变化的灵敏程度。通过对所识别的IEEE 39节点系统的关键线路进行静态攻击,证明了所提方法的有效性和可行性。     

基于广义节点及熵理论的电网脆弱节点电压辨识方法

在电力系统中为了避免发生一系列的连锁故障,需要给出评估电网中最具关键性的脆弱节点的相应指标和模型,考虑到传统直流输电系统对交流电网换相电压敏感性,提出一种基于广义节点及熵理论的电网脆弱节点电压辨识方法,该方法结合熵的一般性原则,将电网受到冲击时广义节点的奇异值熵、潮流分布和转移熵三者统一起来共同作为电网脆弱节点的辨识依据,并采用熵权值法修正AHP方法的手段获得综合权重系数,充分考虑了各指标的主客观影响因子,采用层次分析法和熵权值法获得脆弱节点综合评估模型的权重系数。最后通过IEEE 39节点系统仿真结果验证了该方法对于电网整体性脆弱节点辨识的有效性和实际运用价值,证实了该方法可以有效衡量交流电网电压突变量对直流输电系统影响。     

基于加权分布熵的配电网电动汽车并网运行风险分析

针对电动汽车负荷接入配电网的运行风险分析问题,提出带有放大系数的损失严重度;以分布熵来量度配电网状态变量分布不确定性引起的风险,利用损失严重度对分布熵进行加权以建立加权分布熵,基于加权分布熵建立了电压风险指标和潮流风险指标;以元件重要度对加权分布熵进行加权求和来评估网络的电压风险和潮流风险,并综合2类风险建立了配电网运行风险综合评估指标。最后,以接入风电和光伏的改进IEEE 33节点配电系统为例,通过动态概率潮流仿真计算分析了加权分布熵相对于传统风险指标的优越性以及运行风险综合评估指标的合理性,并研究了运行风险随电动汽车负荷的接入位置和容量的变化情况,从而验证了所提指标和模型的有效性。     

基于熵权-层次分析法综合指标的电网关键线路辨识

为准确辨识电网关键线路,首先从电网状态角度考虑,计及电网节点类型与线路负载率,基于泰尔熵理论提出电压变化量泰尔熵和潮流变化量泰尔熵;然后为使评估结果更符合复杂网络与实际电网结构模型,提出最大流传输贡献介数和平均接近中心性指标;最后结合熵权法和层次分析法对指标进行权重分配,得到既兼顾电网状态变化和电网拓扑结构,又结合客观数据并考虑主观经验的关键线路评估综合指标。通过IEEE 39节点标准系统进行测试,验证该综合指标的可行性和实用性。     

基于反熵-AHP二次规划组合赋权法的电网节点综合脆弱性评估

针对电网脆弱节点辨识存在的评估指标片面、不同评价方法偏差较大的问题,从系统固有拓扑结构、电网当前安全运行水平以及预想故障冲击影响三方面出发,构建电网脆弱性节点评估指标体系。该体系基于系统对脆弱度的需求层次,衍生出改进节点韧性度、节点电气介数、节点能量裕度、改进潮流分布熵及最小失负荷百分比等相关指标,综合考虑电网结构抗毁性、节点抗干扰能力、节点退出运行后系统潮流分布及系统自我调节后仍无法避免负荷削减时的状况。提出基于反熵-AHP二次规划组合赋权法的综合评估模型对节点脆弱度进行评估。IEEE39节点系统算例证明了所提指标体系与评价方法的合理性和有效性。     

基于潮流熵的电网连锁故障传播元件的脆弱性评估

为研究电网连锁故障机理,同时判别出连锁故障传播过程中的关键脆弱元件,从熵的基本原理出发,结合过负荷与断线扰动下潮流的分布特性,提出了基于潮流熵的脆弱元件评估模型。通过对新英格兰10机39节点系统的模拟计算,节点单位过负荷扰动下,节点的潮流分布熵越小,越容易导致系统支路越限,节点越脆弱;支路受"发电机—负荷"节点对的潮流冲击越大、支路潮流转移熵越小,支路越脆弱,在连锁故障中起到关键传播作用;与基于介数、风险等方法的脆弱元件判别结果相比,基于潮流熵的脆弱元件评估模型物理意义明确,计算速度快,脆弱元件集符合实际情况。     

考虑元件耐受性的电网关键元件辨识

在历次大停电事故过程中,电网中存在少量元件对事故的演化发展起到关键性作用。为此,本文提出一种综合元件耐受性与重要性的电网元件关键性评估方法。从电网元件对电网电能传输影响的角度来衡量电网元件的重要性,分别定义了输电线路的潮流分布影响熵和节点电压影响熵;从引发电网元件失效的主导因素出发来衡量电网元件的耐受性,分别定义了输电线路在N-1准则下和节点在负荷波动下电网元件的耐受性指标;将耐受性指标与重要性指标综合来进行电网元件的关键性评估。最后,利用IEEE 39节点系统算例验证了所提方法的有效性。     

基于熵权-层次分析法综合指标的电网关键节点辨识

计及电网线路负载率等级, 基于泰尔熵理论考虑潮流变化的分布不均衡性, 文中提出节点状态关键度指标。为使评估结果更符合复杂网络与实际电网结构模型, 文中提出最大流传输贡献介数和接近中心性指标。文中结合熵权法和层次分析法对指标进行权重分配, 得到既兼顾电网状态变化和电网结构, 又结合主观经验并考虑客观数据的关键节点评估综合指标, 从而准确辨识电网关键节点。通过IEEE39节点标准系统进行测试, 验证文中综合指标的可行性和实用性。     

Information entropy and thermal entropy: apples and oranges

The frequent misunderstanding of information entropy is pointed out. It is shown that, contrary to fortuitous situations and common beliefs, there is no general interrelation between the information entropy and the thermodynamical entropy. We point out that the change of information entropy during measurement is determined by the resolution of the measurement instrument and these changes do not have a general and clear-cut interrelation with the change of thermal entropy. Moreover, these changes can be separated in space and time. We show classical physical considerations and examples to support this conclusion. Finally, we show that information entropy can violate the Third Law of Thermodynamics which is another indication of major differences from thermal entropy.     

融合局部熵二维熵的空中目标跟踪算法研究

提出了一种将局部熵算法和二维熵算法结合的空中目标跟踪算法。此算法通过一定的准则合理地融合局部熵和二维熵算法,然后进行目标定位跟踪。既能实现空中小目标的准确跟踪,也能实现空中面目标的准确跟踪;同时针对大小不变的带宽窗口可能导致目标跟踪丢失的问题,采用了自动调节带宽窗口的方法,让跟踪结果稳定可靠。并且算法实现运用了局部熵和二维熵的快速算法,大大减小了系统检测模块所消耗的时间,使跟踪具有实时性和鲁棒性,此外也能将融合算法有效地移植到DSP上,实现工程应用。此算法可以应用于导弹跟踪、空中监控、海空预警等许多领域。     

Approximate entropy for all signals

Calculation of approximate entropy (ApEn) requires a priori determination of two unknown parameters, m and r. While the recommended values of r, in the range of 0.1?0.2 times the standard deviation of the signal, have been shown to be applicable for a wide variety of signals, in certain cases, r values within this prescribed range can lead to an incorrect assessment of the complexity of a given signal. To circumvent this limitation, we recently advocated finding the maximum ApEn value by assessing all values of r from 0 to 1 and found that the maximum ApEn does not always occur within the prescribed range of r values. Our results indicate that finding the maximum ApEn leads to the correct interpretation of a signal's complexity. One major limitation, however, is that the calculation of all choices of r values is often impractical because of the computational burden. Our new method, based on a heuristic stochastic model, overcomes this computational burden and leads to the automatic selection of the maximum ApEn value for any given signal. On the basis of Monte Carlo simulations, we derive general equations that can be used to estimate the maximum ApEn with high accuracy for a given value of m. Application to both synthetic and experimental data confirmed the advantages claimed with the proposed approach.     

Applying wavelet entropy principle in fault classification

The ability to detect and classify the type of fault plays a great role in the protection of power system. This procedure is required to be precise with no time consumption. In this paper detection of fault type has been implemented using wavelet analysis together with wavelet entropy principle. The simulation of power system is carried out using PSCAD/EMTDC. Different types of faults were studied obtaining various current waveforms. These current waveforms were decomposed using wavelet analysis into different approximation and details. The wavelet entropies of such decompositions are analyzed reaching a successful methodology for fault classification. The suggested approach is tested using different fault types and proven successful identification for the type of fault.     

基于熵原理的电能质量评估新方法

把变电站中的母线作为电能质量评估的基本单元,按所属关系构造了区域性的电能质量综合评估体系.采用基于最大熵原理的投影寻踪分析模型提取基本单元电能质量的综合指数,根据最小相对信息熵原理确定基本单元所处地位的重要度.在此基础上,运用特征值赋权法确定各变电站、各电压等级以及某个地区的电能质量综合指数.实例计算结果表明:基于最大熵原理的投影寻踪分析模型能够克服投影的不确定性,基于重要度和特征值的组合赋权法使区域性的电能质量综合评估更客观、全面、合理.     

信息熵在曲线拟合辨识中的应用

在对测量数据进行曲线拟合辨识时,常用的误差指标,如均方根误差和误差平方和,没有考虑样本数据的概率统计特性。基于信息熵原理介绍了一种新的曲线拟合辨识方法。将曲线拟合过程看作加性信道,建立了曲线拟合模型。首先将样本数据进行多种曲线拟合,采用最大熵方法根据样本值估计出自变量的概率密度函数和信息熵;再根据拟合曲线计算拟合结果熵和误差熵,最后计算出拟合模型的互信息,选取互信息最大的曲线作为样本的最佳拟合曲线,并给出了应用实例。由于该方法充分考虑了样本数据的概率统计规律,因此能提高测量精度,具有更大的适用范围,对于测量信息论的研究有一定的参考价值。     

基于排列熵的径流突变识别

针对变化环境下的径流序列表现出来的复杂性,采用排列熵对径流序列的突变性进行分析。采用相空间重构建立新的向量,计算序列的动力学熵值变化特征,通过熵值的变化规律进行序列突变点位置和数目的识别。利用该方法对黄河流域花园口站1919-1998年共79年的天然月径流序列的突变进行了实际验证。结果表明,排列熵能够有效地对序列的突变进行检测,检测到的突变年和气候的突变有着很好的响应关系。排列熵值的变化可以很好地刻画序列的突变特征,从序列的复杂性入手可以有效地对序列的突变进行分析。     

最大熵模型在音乐自动语义标注中的应用研究

随着Web 2.0的发展,音乐自动语义标注成为音乐检索系统的关键技术.但是,目前主流的语义模型都是对音频的内容特征进行处理,并且对每个标签独立建模,忽略了标签间的关联产生的音乐上下文特征.将最大熵模型应用于音乐自动语义标注中,对音乐上下文特征进行建模处理,可以通过约束条件的多少调节模型对已知数据的拟合程度和对未知数据的适应度,并自然地解决统计模型中参数平滑的问题.实验表明,最大熵模型具有较高的预测准确率,同时,在建模过程中引入音乐相似度对特征信息函数进行选择,可以提高系统性能.