Join 60,000+ competitive exam aspirants
अनुमान त्रुटि का सहप्रसरण (covariance) है (L=HTWH−1HTW और R= त्रुटि सदिश 'r' का सहप्रसरण)
LRLT
LRTL
LRL
उपरोक्त में से कोई नहीं
LRLT
पावर सिस्टम के लिए स्टेट एस्टीमेशन (state estimation) में, अनुमान त्रुटि सदिश (estimation error vector), गेन मैट्रिक्स L के माध्यम से मापन त्रुटि सदिश से रैखिक रूप से संबंधित होता है। जब एक यादृच्छिक सदिश r एक रैखिक परिवर्तन x=Lr से गुजरता है, तो परिणामी सदिश का सहप्रसरण मैट्रिक्स सैंडविच फॉर्मूले Cov(x)=L⋅Cov(r)⋅LT द्वारा दिया जाता है।
पावर सिस्टम के लिए स्टेट एस्टीमेशन (state estimation) में, अनुमान त्रुटि सदिश (estimation error vector), गेन मैट्रिक्स L के माध्यम से मापन त्रुटि सदिश से रैखिक रूप से संबंधित होता है। जब एक यादृच्छिक सदिश r एक रैखिक परिवर्तन x=Lr से गुजरता है, तो परिणामी सदिश का सहप्रसरण मैट्रिक्स सैंडविच फॉर्मूले Cov(x)=L⋅Cov(r)⋅LT द्वारा दिया जाता है।
Cov(x^)=LRLT — अनुमानित स्टेट सदिश के सहप्रसरण मैट्रिक्स के लिए सूत्र।
L=(HTWH)−1HTW — भारित न्यूनतम वर्ग (Weighted Least Squares) स्टेट एस्टीमेशन में उपयोग किया जाने वाला गेन मैट्रिक्स।
स्टेट एस्टीमेशन प्रक्रिया में भारित वर्ग अवशिष्टों (weighted sum of squared residuals) को कम करना शामिल है। मापन मॉडल z=Hx+e को देखते हुए, जहाँ e सहप्रसरण R के साथ मापन त्रुटि है, सर्वश्रेष्ठ रैखिक निष्पक्ष अनुमानक (Best Linear Unbiased Estimator) x=Lz को भार मैट्रिक्स W का उपयोग करके प्राप्त किया जाता है। त्रुटि सहप्रसरण का प्रसार Cov(Ax)=A⋅Cov(x)⋅AT के गुण का पालन करता है। अतः, यदि L गेन मैट्रिक्स है, तो अनुमान x^ का त्रुटि सहप्रसरण Cov(x^)=L⋅R⋅LT के रूप में गणना की जाती है।
अनुमानक x^, मापन z का एक रैखिक फलन है, जिसे x^=Lz द्वारा दर्शाया जाता है।
सहप्रसरण मैट्रिक्स R, मापन सदिश r (या e) में अनिश्चितता का प्रतिनिधित्व करता है।
सहप्रसरण का परिवर्तन मैट्रिक्स की सममित (symmetric) और धनात्मक अर्ध-निश्चित (positive semi-definite) प्रकृति को संरक्षित करता है।
स्टेट अनुमानों में अनिश्चितता को मापने का एक व्यवस्थित तरीका प्रदान करता है।
वास्तविक समय पावर सिस्टम निगरानी की गुणवत्ता और विश्वसनीयता का आकलन करने के लिए आवश्यक है।
मापन त्रुटि सहप्रसरण मैट्रिक्स R के सटीक ज्ञान की आवश्यकता होती है, जिसका सटीक अनुमान लगाना अक्सर कठिन होता है।
पावर नेटवर्क के आकार के साथ कम्प्यूटेशनल जटिलता बढ़ जाती है।
SCADA सिस्टम में खराब डेटा का पता लगाना।
इष्टतम पावर प्रवाह (Optimal power flow) और आकस्मिक विश्लेषण।
मैट्रिक्स L, सर्वश्रेष्ठ रैखिक निष्पक्ष अनुमानक (BLUE) के लिए गॉस-मार्कोव प्रमेय से प्राप्त होता है।
विकल्प B और C गणितीय रूप से गलत हैं क्योंकि आयामों और सममित गुणों को बनाए रखने के लिए सहप्रसरण मैट्रिक्स को सैंडविच फॉर्म ARAT को संतुष्ट करना चाहिए।
A सही है — अनुमान त्रुटि का सहप्रसरण मैट्रिक्स गुणन LRLT द्वारा दिया जाता है।
हमेशा याद रखें कि सहप्रसरण परिवर्तन सैंडविच नियम का पालन करते हैं: यदि y=Ax, तो Cov(y)=ACov(x)AT। यह सांख्यिकी और सिग्नल प्रोसेसिंग में एक मूलभूत परिणाम है।