该文基于证据理论构造了风电场的随机出力和不确定节点负荷的基本可信度分配,提出了一种电力系统概率区间潮流(probabilistic interval power flow,PIPF)模型和算法。通过构建输入不确定量的多维联合可信度分配,将概率区间潮流问题转化...该文基于证据理论构造了风电场的随机出力和不确定节点负荷的基本可信度分配,提出了一种电力系统概率区间潮流(probabilistic interval power flow,PIPF)模型和算法。通过构建输入不确定量的多维联合可信度分配,将概率区间潮流问题转化为若干个区间潮流问题。并采用区间优化法求解区间潮流,获得潮流状态量的区间极值,最终合成了潮流变量的似然累积概率分布和信任累积概率分布。IEEE 30、118标准系统的计算结果表明,所提的概率区间潮流把概率潮流和区间潮流统一于一个模型,获得潮流变量的似然和信任累积概率分布,可用以判断变量取值的最大和最小概率,对电力系统运行有良好的指导意义。展开更多
针对雷达辐射源参数的不确定性,研究区间类型的雷达辐射源参数识别,构造区间参数的雷达辐射源数据库。首先,利用区间数距离形成区间相似度并基于此构造一种切合实际的基本概率赋值(basic probability assignment,BPA)。再将其与证据理...针对雷达辐射源参数的不确定性,研究区间类型的雷达辐射源参数识别,构造区间参数的雷达辐射源数据库。首先,利用区间数距离形成区间相似度并基于此构造一种切合实际的基本概率赋值(basic probability assignment,BPA)。再将其与证据理论结合形成辐射源识别的信度区间,利用证据组合规则对信度区间进行区间重组。最后进行自适应判决识别,得到识别结果。仿真结果表明,区间证据理论方法能够较好的处理区间类型以及区间值和标量值混合类型的辐射源参数,得到满意的识别结果,具有一定实际意义。展开更多
基本概率指派(Basic probability assignment,BPA)生成是应用D-S证据理论的关键环节和第一步,而如何生成BPA仍然是一个有待解决的问题。本文提出一种基于云模型的BPA生成方法,首先,采用逆向云发生器生成每类样本在某属性下的正态云模型...基本概率指派(Basic probability assignment,BPA)生成是应用D-S证据理论的关键环节和第一步,而如何生成BPA仍然是一个有待解决的问题。本文提出一种基于云模型的BPA生成方法,首先,采用逆向云发生器生成每类样本在某属性下的正态云模型。其次,利用前件云发生器得到待测样本在该属性下对每类样本的确定度期望。再次,给出一种正态云模型交叠度计算方法,用确定度最大类的正态云模型与其他种类的最大交叠度作为对全集的信任度。最后,对确定度进行归一化得到待测样本的BPA。实验结果验证了该方法的有效性,此外,在样本数据较少情况下也能有效生成BPA。展开更多
How to efficiently measure the distance between two basic probability assignments（BPAs） is an open issue. In this paper, a new method to measure the distance between two BPAs is proposed, based on two existing measu...How to efficiently measure the distance between two basic probability assignments（BPAs） is an open issue. In this paper, a new method to measure the distance between two BPAs is proposed, based on two existing measures of evidence distance. The new proposed method is comprehensive and generalized. Numerical examples are used to illustrate the effectiveness of the proposed method.展开更多
文摘该文基于证据理论构造了风电场的随机出力和不确定节点负荷的基本可信度分配,提出了一种电力系统概率区间潮流(probabilistic interval power flow,PIPF)模型和算法。通过构建输入不确定量的多维联合可信度分配,将概率区间潮流问题转化为若干个区间潮流问题。并采用区间优化法求解区间潮流,获得潮流状态量的区间极值,最终合成了潮流变量的似然累积概率分布和信任累积概率分布。IEEE 30、118标准系统的计算结果表明,所提的概率区间潮流把概率潮流和区间潮流统一于一个模型,获得潮流变量的似然和信任累积概率分布,可用以判断变量取值的最大和最小概率,对电力系统运行有良好的指导意义。
文摘针对雷达辐射源参数的不确定性,研究区间类型的雷达辐射源参数识别,构造区间参数的雷达辐射源数据库。首先,利用区间数距离形成区间相似度并基于此构造一种切合实际的基本概率赋值(basic probability assignment,BPA)。再将其与证据理论结合形成辐射源识别的信度区间,利用证据组合规则对信度区间进行区间重组。最后进行自适应判决识别,得到识别结果。仿真结果表明,区间证据理论方法能够较好的处理区间类型以及区间值和标量值混合类型的辐射源参数,得到满意的识别结果,具有一定实际意义。
文摘基本概率指派(Basic probability assignment,BPA)生成是应用D-S证据理论的关键环节和第一步,而如何生成BPA仍然是一个有待解决的问题。本文提出一种基于云模型的BPA生成方法,首先,采用逆向云发生器生成每类样本在某属性下的正态云模型。其次,利用前件云发生器得到待测样本在该属性下对每类样本的确定度期望。再次,给出一种正态云模型交叠度计算方法,用确定度最大类的正态云模型与其他种类的最大交叠度作为对全集的信任度。最后,对确定度进行归一化得到待测样本的BPA。实验结果验证了该方法的有效性,此外,在样本数据较少情况下也能有效生成BPA。
基金supported by the National High Technology Research and Development Program of China(863 Program)(2013AA013801)the National Natural Science Foundation of China(61174022+4 种基金61573290)the open funding project of State Key Laboratory of Virtual Reality Technology and Systemsthe Beihang University(BUAA-VR-14KF-02)the General Research Program of Natural Science of Sichuan Provincial Department of Education(14ZB0322)the Self-financing Program of State Ethnic Affairs Commission of China(14SCZ014)
文摘How to efficiently measure the distance between two basic probability assignments（BPAs） is an open issue. In this paper, a new method to measure the distance between two BPAs is proposed, based on two existing measures of evidence distance. The new proposed method is comprehensive and generalized. Numerical examples are used to illustrate the effectiveness of the proposed method.
