-
公开(公告)号：CN117076866A
公开(公告)日：2023-11-17
申请号：CN202311168894.0
申请日：2023-09-11
申请人： 长安大学
IPC分类号： G06F18/10 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 基于数据驱动和粒子滤波融合模型的锂电池RUL预测方法、系统、设备及介质，其方法为：将卷积神经网络CNN和门控循环单元GRU网络结合，形成CNN‑GRU的串联结构，能够同时捕捉空间和时序信息，简化现有技术中复杂的时间序列问题；采用双指数经验模型建立状态方程，以CNN‑GRU输出的预测值作为观测值，建立CNN‑GRU‑PF融合预测模型的状态空间方程，基于CNN‑GRU‑PF融合模型对锂电池RUL进行预测；其系统、设备及方法基于上述方法实现对锂电池RUL高效预测，能够减小数据的噪音和不确定性，确保模型方法的可靠性，预测准确且具有良好的普遍适用性。
-
公开(公告)号：CN117175550B
公开(公告)日：2024-09-27
申请号：CN202311098330.4
申请日：2023-08-29
申请人： 长安大学
摘要： 本发明公开了本发明一种虚假数据注入攻击下的电力系统状态估计方法、系统、设备及存储介质，通过提出的插值自适应H∞扩展卡尔曼滤波算法无论是在无攻击情形下，还是在虚假数据注入攻击情形下，与传统卡尔曼滤波算法相比，都具有更高的估计精度。尤其在虚假数据注入攻击情形下算法估计精度更高，并且在利用扩展卡尔曼滤波算法对电力系统状态估计模型进行线性化处理及滤波后，采用自适应插值方法来减小扩展卡尔曼滤波算法在线性化过程中给电力系统状态估计带来的误差；该方法还把自适应H∞理论引入到扩展卡尔曼滤波算法中，使得系统模型不确定性带来的误差上界达到最小化。
-
公开(公告)号：CN118332514A
公开(公告)日：2024-07-12
申请号：CN202410436501.8
申请日：2024-04-11
申请人： 长安大学
摘要： 本发明公开了本发明一种拒绝服务攻击下的电力系统状态估计方法、系统、设备及存储介质，通过利用DoS攻击补偿策略重构了电力系统模型，并提出柯西核最小误差熵容积卡尔曼滤波算法用于电力系统的动态状态估计。所提出的算法基于统计线性化方法构建的增广模型，运用最小误差熵作为最优准则，将状态误差和测量误差同时合并到MEE代价函数中。同时，用对核宽度不敏感的柯西核取代MEE中的高斯核函数，大大简化了核宽度的选择难度，有效避免了Cholesky分解的奇异性。然后，采用不动点迭代算法递归更新估计。在测量数据存在测量异常值时，使用柯西核最小误差熵容积卡尔曼滤波算法对电力系统的估计精度有显著性提高。
-
公开(公告)号：CN117175550A
公开(公告)日：2023-12-05
申请号：CN202311098330.4
申请日：2023-08-29
申请人： 长安大学
摘要： 本发明公开了本发明一种虚假数据注入攻击下的电力系统状态估计方法、系统、设备及存储介质，通过提出的插值自适应H∞扩展卡尔曼滤波算法无论是在无攻击情形下，还是在虚假数据注入攻击情形下，与传统卡尔曼滤波算法相比，都具有更高的估计精度。尤其在虚假数据注入攻击情形下算法估计精度更高，并且在利用扩展卡尔曼滤波算法对电力系统状态估计模型进行线性化处理及滤波后，采用自适应插值方法来减小扩展卡尔曼滤波算法在线性化过程中给电力系统状态估计带来的误差；该方法还把自适应H∞理论引入到扩展卡尔曼滤波算法中，使得系统模型不确定性带来的误差上界达到最小化。
-
-
-
搜索结果
4 条记录 (耗时 0.024 秒)
