将极大似然期望最大化(maximum likelihood estimation via the expectation maximization,MLE-EM)算法拓展到了广义诊断模型估计中,并详细描述了如何使用期望最大化算法计算模型参数的极大似然估计值.从理论上明确指出,在认知诊断模型...将极大似然期望最大化(maximum likelihood estimation via the expectation maximization,MLE-EM)算法拓展到了广义诊断模型估计中,并详细描述了如何使用期望最大化算法计算模型参数的极大似然估计值.从理论上明确指出,在认知诊断模型中存在的2类参数,即项目参数和结构参数,都是从观察数据中自由估计获得的.据此对项目反应理论和认知诊断模型中所用的边际极大似然估计期望最大化(marginal maximum likelihood estimation via the expectation maximization,MMLE-EM)算法理论进行了澄清,指出以往一些研究出现错误结论的原因.最后从模型整合的视角上为后续的研究提出了4条建议.展开更多
针对国际学界提出的电网智能运行中风险限制调度的框架,新建考虑线路阻塞的风险限制调度多步整合模型,包括日前三步整合调度模型、时前两步整合调度模型和紧急调度模型。日前三步整合调度是在日前调度中计入预估的时前、紧急调度的随机...针对国际学界提出的电网智能运行中风险限制调度的框架,新建考虑线路阻塞的风险限制调度多步整合模型,包括日前三步整合调度模型、时前两步整合调度模型和紧急调度模型。日前三步整合调度是在日前调度中计入预估的时前、紧急调度的随机信息;时前两步整合调度计入了预估的紧急调度随机信息。随机信息主要考虑风电出力,并作为模型中的随机变量。通过定义线路阻塞条件风险(conditional value at risk,CVa R)值,将线路安全约束转化为线路阻塞风险限制约束,实现线路阻塞的风险限制调度。仿真结果表明:线路阻塞CVa R值的限值与置信水平两个值取值合理时,多步整合调度与传统的日前、时前、紧急三步调度相比运行成本较低;当前值限定在一定水平时,后值越大,多步整合调度的成本越高;后值一定时,前值越大,多步整合调度的成本越低。线路阻塞风险限制的多步整合调度模型是解决电力系统智能运行中风险限制调度的有效途径。展开更多
文摘将极大似然期望最大化(maximum likelihood estimation via the expectation maximization,MLE-EM)算法拓展到了广义诊断模型估计中,并详细描述了如何使用期望最大化算法计算模型参数的极大似然估计值.从理论上明确指出,在认知诊断模型中存在的2类参数,即项目参数和结构参数,都是从观察数据中自由估计获得的.据此对项目反应理论和认知诊断模型中所用的边际极大似然估计期望最大化(marginal maximum likelihood estimation via the expectation maximization,MMLE-EM)算法理论进行了澄清,指出以往一些研究出现错误结论的原因.最后从模型整合的视角上为后续的研究提出了4条建议.
文摘针对国际学界提出的电网智能运行中风险限制调度的框架,新建考虑线路阻塞的风险限制调度多步整合模型,包括日前三步整合调度模型、时前两步整合调度模型和紧急调度模型。日前三步整合调度是在日前调度中计入预估的时前、紧急调度的随机信息;时前两步整合调度计入了预估的紧急调度随机信息。随机信息主要考虑风电出力,并作为模型中的随机变量。通过定义线路阻塞条件风险(conditional value at risk,CVa R)值,将线路安全约束转化为线路阻塞风险限制约束,实现线路阻塞的风险限制调度。仿真结果表明:线路阻塞CVa R值的限值与置信水平两个值取值合理时,多步整合调度与传统的日前、时前、紧急三步调度相比运行成本较低;当前值限定在一定水平时,后值越大,多步整合调度的成本越高;后值一定时,前值越大,多步整合调度的成本越低。线路阻塞风险限制的多步整合调度模型是解决电力系统智能运行中风险限制调度的有效途径。
