为了准确地描述新能源输出功率的波动性和随机性对多能互补微网系统运行的影响,提出了基于数据驱动的多能微网鲁棒优化方法。首先,在传统区间集合的基础上对新能源出力的不确定参数进行多面体集合建模,然后利用具有时空相关性的新能源...为了准确地描述新能源输出功率的波动性和随机性对多能互补微网系统运行的影响,提出了基于数据驱动的多能微网鲁棒优化方法。首先,在传统区间集合的基础上对新能源出力的不确定参数进行多面体集合建模,然后利用具有时空相关性的新能源出力历史数据建立椭球不确定集合,通过连接高维椭球顶点,建立了数据驱动的凸包多面体集合,接着通过放缩凸包集合更好地对不确定参数进行包络。进一步建立了基于数据驱动的多能互补微网鲁棒优化模型,并采用列与约束生成算法(Column and constraint generation,C&CG)对该模型进行求解。最后通过算例进行仿真对比,结果表明,基于数据驱动的多能互补微网鲁棒优化方法可以减少保守性,提高优化结果鲁棒性,证明了所提方法的有效性。展开更多
针对分布式光纤声传感系统信号信噪比过低的问题,提出一种基于时域局部广义最大互相关熵(TLGMCC)准则联合自适应噪声完备集合经验模态分解(CEEMDAN)与提升小波变换(LWT)的优化降噪方法。首先,使用自适应噪声完备CEEMDAN对原始信号进行分...针对分布式光纤声传感系统信号信噪比过低的问题,提出一种基于时域局部广义最大互相关熵(TLGMCC)准则联合自适应噪声完备集合经验模态分解(CEEMDAN)与提升小波变换(LWT)的优化降噪方法。首先,使用自适应噪声完备CEEMDAN对原始信号进行分解,获取模态分量。接着,将原始信号与这些模态分量分割为多个时间局部片段,并计算它们对应时间局部片段的相关熵值。然后,通过LWT算法处理弱相关分量,最后重构剩余分量以完成去噪过程。实验结果表明:在5 km的传感距离和10 m的空间分辨率的条件下,系统的信噪比达到了54.36 d B,同时均方根误差降低至0.091。展开更多
ELMS algorithm is the first two-channel adaptive filtering algorithm that takes into account the cross-correlation between the two input signals. The algorithm does not preprocess input signals, so it does not degrade...ELMS algorithm is the first two-channel adaptive filtering algorithm that takes into account the cross-correlation between the two input signals. The algorithm does not preprocess input signals, so it does not degrade the quality of the speech. However, a lot of computer simulation results show that ELMS algorithm has a bad performance. The ELMS algorithm is analyzed firstly, then a new algorithm is presented by modifying the block matrix used in ELMS algorithm to approximate input signals self-correlation matrix. The computer simulation results indicate that the improved algorithm has a better behavior than the ELMS algorithm.展开更多
文摘为了准确地描述新能源输出功率的波动性和随机性对多能互补微网系统运行的影响,提出了基于数据驱动的多能微网鲁棒优化方法。首先,在传统区间集合的基础上对新能源出力的不确定参数进行多面体集合建模,然后利用具有时空相关性的新能源出力历史数据建立椭球不确定集合,通过连接高维椭球顶点,建立了数据驱动的凸包多面体集合,接着通过放缩凸包集合更好地对不确定参数进行包络。进一步建立了基于数据驱动的多能互补微网鲁棒优化模型,并采用列与约束生成算法(Column and constraint generation,C&CG)对该模型进行求解。最后通过算例进行仿真对比,结果表明,基于数据驱动的多能互补微网鲁棒优化方法可以减少保守性,提高优化结果鲁棒性,证明了所提方法的有效性。
文摘针对分布式光纤声传感系统信号信噪比过低的问题,提出一种基于时域局部广义最大互相关熵(TLGMCC)准则联合自适应噪声完备集合经验模态分解(CEEMDAN)与提升小波变换(LWT)的优化降噪方法。首先,使用自适应噪声完备CEEMDAN对原始信号进行分解,获取模态分量。接着,将原始信号与这些模态分量分割为多个时间局部片段,并计算它们对应时间局部片段的相关熵值。然后,通过LWT算法处理弱相关分量,最后重构剩余分量以完成去噪过程。实验结果表明:在5 km的传感距离和10 m的空间分辨率的条件下,系统的信噪比达到了54.36 d B,同时均方根误差降低至0.091。
文摘ELMS algorithm is the first two-channel adaptive filtering algorithm that takes into account the cross-correlation between the two input signals. The algorithm does not preprocess input signals, so it does not degrade the quality of the speech. However, a lot of computer simulation results show that ELMS algorithm has a bad performance. The ELMS algorithm is analyzed firstly, then a new algorithm is presented by modifying the block matrix used in ELMS algorithm to approximate input signals self-correlation matrix. The computer simulation results indicate that the improved algorithm has a better behavior than the ELMS algorithm.
