基于正极性行波信号分析的配电网双端故障定位

针对仅利用传统双端定位法无法实现多分支配电网线路故障定位的问题,提出了通过检测一系列正极性行波(与初始行波同极性的行波)来实现多分支线路配电网双端故障定位的新算法。根据电压行波在故障点、不同分支线路末端及节点处的反射特性可知,与故障点有关的行波均为正极性行波。首先利用传统双端测距法确定故障分支线路,再通过小波变换对测量端检测到的各个波头进行极性特征分析并辨识其出现时刻,计算出各个正极性行波与初始故障行波之间的时间差所对应的距离,最后结合配电网各段线路的长度,可有效识别出与故障点有关的正极性行波,从而确定故障点的位置。经PSCAD仿真和MATLAB分析表明,新算法准确、有效,仅利用两个测量点即可对多分支线路配电网进行故障定位,且减少了设备、节约了成本。     

一种稳健自适应波束形成的变量对角加载方法

在设计稳健的自适应波束形成算法来消除阵列流形中的非确定性方面已经投入了很大的努力.这些不确定性可能由波达方向(DOA)的不确定性、阵列结构不理想、远近效应、相互耦合和其他的失配以及建立模型错误造成.提出了一种可供选择实现的包含椭球不确定约束导引矢量的线性约束最小方差(LCMV)的波束形成方法,更详细地说,真实的导引矢量是根据预测导引矢量采用将椭球约束施加到估计的导引矢量的递归最陡下降算法来估计的,对角加载技术必须满足椭球约束,其主要缺点是如何通过对非确定性约束的认识来得到最优的对角加载值不是很明确.通过这个问题的解决证明了该方法的可行性,而且对角加载技术是通过变量加载集成到自适应机制中而不是固定对角加载或Ad Hoc技术.     

迭代频域反卷积滤波器的参数分析

本文首先分析了测量误差对反卷积稳定解的影响,然后介绍了几种能有效解决该问题的迭代频域反卷积滤波器,对其滤波函数的选取以及最佳滤波参数的确定展开讨论,并对它们的性能进行评述和比较。     

无线数据网络中的自相似性

在研究通信网络的流量控制及网络性能的时候．业务源模型是一个十分重要的组成部分。传统的业务流模型大多是基于泊松或贝努力过程的．而这些模型表现出的行为与实际网络的测量结果不符。大量业务的测量表明：在这些业务中普遍存在着自相似性(即长相关性)。采用自相似建模表征业务到达过程的长时相关特性具有较高的精度．其中Hurst系数是表征业务突发特性的重要参数。经研究发现，无线网络中仍然存在自相似性。考察CDPD(蜂窝数字分组数据网)的特性，发现自相似性对网络的排队性能有着显著的影响．可以通过增加队列长度，加大缓冲存储空间，实现降低延时。     

基于背景谐波最小波动能量的系统侧谐波阻抗估计

系统侧谐波阻抗的计算是估计谐波发射水平的关键。文中提出了一种基于背景谐波最小波动能量的系统侧谐波阻抗估计方法。利用公共连接点量测数据的波动量构造全息矩阵,形成波动方程,将系统侧谐波阻抗的求解转化为一个最小二范数问题,用Lagrange乘子将等式约束条件并入目标函数中形成最小波动能量目标函数,精确筛选出背景谐波波动最小的波动量样本,从而求取系统侧谐波阻抗。仿真分析与实际工程案例表明该方法在求取系统侧谐波阻抗时可以有效抑制背景谐波的干扰,具有准确性和有效性。     

基于熵的复杂电网的脆弱性识别与评估

电力系统线路发生扰动时会出现潮流转移,电网中的一些脆弱对潮流转移很敏感并且对故障传播起着十分重要的作用,识别出电力系统中关键的线路和节点对于提高电网安全性抑制故障传播有重要意义。根据熵的基本理论,利用潮流熵反映系统的运行的不均一性。考虑线路的承载能力并且结合潮流转移和分布特性建立支路脆弱性模型,根据节点的网络结构和运行状态建立节点脆弱性模型。通过对IEEE39节点进行模拟计算,当节点的潮流分布熵越小时潮流分布越不均匀,节点越脆弱,支路潮流熵越大时,支路越稳定。通过与其他方法比较,本文结论得以验证。     

基于最大后验估计的恒模盲均衡改进算法

为解决恒模算法(CMA)对高阶正交幅度调制(QAM)信号均衡效果较差的问题,提出了一种将CMA算法和最大后验估计(MAP)盲均衡算法相结合的改进算法.该算法运用CMA使均衡达到初步收敛后,改用MAP估计的方法来减小剩余误差.仿真结果表明,该改进算法对高阶QAM信号的均衡也能达到很快的收敛速度和很小的剩余误差,星座恢复图很紧凑.同时由于改进算法不需要进行多次的信号区域判决,其计算复杂度远小于MAP估计盲均衡算法.     

新息模型的独立分量分析方法

为提高独立分量分析(ICA)算法的收敛速度与收敛精度,引入ICA方法的新息模型。通过新息的计算减少观测数据间的冗余进而增加了潜在分量的非高斯性。实验中利用具有弱相关性的图像信号进行仿真,通过与传统算法的比较证明了新方法能有效提高收敛速度和收敛精度。     

“当前”半马尔科夫模型及自适应跟踪算法

通过分析基于"当前"统计模型的自适应卡尔曼滤波算法的不足之处,在"当前"统计模型的基础上引入空气阻力系数和非零加速度,提出了"当前"半马尔可夫统机动模型,从而更符合机动目标运动的实际情况;基于此模型提出了改进的自适应卡尔曼滤波算法。仿真结果表明,改进的"当前"半马尔可夫卡尔曼滤波算法收敛速度更快,跟踪误差更小。