-
公开(公告)号：CN116840697A
公开(公告)日：2023-10-03
申请号：CN202310862844.6
申请日：2023-07-13
Applicant: 南京工程学院
IPC: G01R31/367 , G01R31/392 , G01R31/378 , G06F17/14 , G06F17/18
Abstract: 本发明公开了基于HHT‑ARIMA‑PF锂电池剩余寿命预测方法，包括：提取特征因子提取构建电池容量特征数据集；基于EMD将电池容量特征数据集分解成内部模态函数IMF分量和趋势项；得到处理后的电池容量信号；对处理后的电池容量信号中所有内部模态函数IMF均计算平均周期后使用ARIMA模型进行预测，得到预测后的内部模态函数IMF；对处理后的电池容量信号中趋势项使用粒子滤波PF模型进行预测；将基于ARIMA的内在模函数预测结果与基于PF的趋势项预测结果相加，即为电池容量的预测值；计算锂电池剩余寿命RUL的预测值。本发明能够实现对大量数据的分化处理，提升了预测速度，提高了预测的精确度。
-
公开(公告)号：CN113505534B
公开(公告)日：2023-09-15
申请号：CN202110767959.8
申请日：2021-07-07
Applicant: 南京工程学院
Abstract: 本发明公开了一种考虑需求响应的负荷预测方法，包括如下步骤：对历史样本数据进行聚类分析，筛选出与待预测日当天的影响因素相似的历史时段，将其作为历史相似日；将历史相似日数据和待预测日的影响因素数据输入预先训练的负荷预测模型，对需求响应负荷和基础负荷分别进行预测，对两部分预测结果进行加和，得到最终的负荷预测结果；其中，所述负荷预测模型的训练方法包括：基于TCN算法建立负荷预测模型，将已知负荷结果的影响因素数据作为数据样本，对所建立的负荷预测模型进行训练，直至收敛；本发明选择基于TCN算法构建预测模型，TCN采用了因果卷积和扩张卷积，能够实现对大规模数据的并行处理，这使得预测速度得到明显提升。
-
Patent Agency Ranking
公开(公告)号：CN116861177A
公开(公告)日：2023-10-10
申请号：CN202310823815.9
申请日：2023-07-06
Applicant: 南京工程学院
IPC: G06F18/15 , G06F18/2135 , G06T7/90 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本发明提出基于SA‑GAN的工业用户缺失数据填补方法，包括：1）基于考虑正负关联度的灰色关联度算法构建工业用户的行业关联度，对于关联度高于阈值的多个工业用户，使用各工业用户在同一时序下的日负荷数据构成数据集A，对于关联度不高于阈值的单一工业用户，使用历史日负荷数据构成数据集B；2）利用四分位法判别数据集A和数据集B中的异常数据，令异常数据的值为0；3）将数据集A和数据集B中日负荷数据转换成RGB彩色像素值，使数据集A和数据集B图像化，得到图像A和图像B；4）将图像A和图像B输入SA‑GAN模型，对图像A和图像B进行填补，得到经SA‑GAN填补后的图像E和图像F；5）对图像E和图像F进行逆图像化过程，转化成日负荷数据。
-
公开(公告)号：CN114865948A
公开(公告)日：2022-08-05
申请号：CN202210382825.9
申请日：2022-04-12
Applicant: 南京工程学院
Abstract: 本发明提供一种端部固定的横梁式行波型直线超声波电机，包括定子和动子，定子包括金属弹性体、压电陶瓷组和若干驱动齿，压电陶瓷组包括激振压电陶瓷和吸能压电陶瓷，金属弹性体的两端分别连接激振压电陶瓷的端部和吸能压电陶瓷的端部，吸能压电陶瓷的另一端部连接阻抗匹配电路的一端，阻抗匹配电路的另一端连接金属弹性体，金属弹性体的上表面中部设有等间距排布的驱动齿，驱动齿设于金属弹性体与动子间；与传统直线行波超声波电机相比，该种端部固定的具有耗能结构的行波型直线超声波电机，结构更加简单紧凑，行波分量占比高，机电能量转化效率高。
-
公开(公告)号：CN116821832A
公开(公告)日：2023-09-29
申请号：CN202310910100.7
申请日：2023-07-24
Applicant: 南京工程学院
IPC: G06F18/2433 , G06F18/2135 , G06F18/23213 , G06N3/0464 , G06Q50/06 , H02J3/00
Abstract: 本发明公开了针对高压工商业用户用电负荷的异常数据辨识与修正方法。首先，利用kernel PCA方法降维处理原始数据的非线性关系，并通过K‑means聚类算法实现聚类，挖掘各类用户的用电模式和行为特征。接着，利用LOF识别那些与其邻近点差异较大的异常数据点。最后，通过设计膨胀非因果卷积层的TCN结构，对异常数据点进行补全，并与实际数据进行误差分析，以验证修正效果。本方法通过多种技术手段的组合应用，能够有效识别和修正高压工商业用户用电负荷中的异常数据点，提高数据的准确性和可靠性，为高压工商业用户用电信息的质量保证提供有价值的参考。
-
公开(公告)号：CN119005485A
公开(公告)日：2024-11-22
申请号：CN202410931234.1
申请日：2024-07-12
Applicant: 南京工程学院
IPC: G06Q10/063 , G06Q50/06
Abstract: 本发明公开一种基于小波分解的空调负荷剥离方法，旨在提高空调负荷剥离的精度与效率。利用Daubechies小波基函数及Mallat算法对原始数据进行分解，分解为多组分量；通过对各分量进行线性与非线性相关性分析，确定相关性高的特征分量；利用皮尔逊系数和灰色关联度分析进行线性与非线性拟合。最后，经过去耦合处理得到剥离后的空调负荷数据。本发明利用小波分解的方法进行空调负荷剥离，考虑了线性和非线性影响，避免了单一关系的局限，提高整合后数据的精确性和可靠性。此外，本发明还可以根据实际需求对剥离后的空调负荷数据进行进一步分析和应用，以满足电力系统的安全运行和经济效益的要求，对于确保电力系统的安全运行和经济效益具有积极的推动作用。
-
公开(公告)号：CN113505534A
公开(公告)日：2021-10-15
申请号：CN202110767959.8
申请日：2021-07-07
Applicant: 南京工程学院
Abstract: 本发明公开了一种考虑需求响应的负荷预测方法，包括如下步骤：对历史样本数据进行聚类分析，筛选出与待预测日当天的影响因素相似的历史时段，将其作为历史相似日；将历史相似日数据和待预测日的影响因素数据输入预先训练的负荷预测模型，对需求响应负荷和基础负荷分别进行预测，对两部分预测结果进行加和，得到最终的负荷预测结果；其中，所述负荷预测模型的训练方法包括：基于TCN算法建立负荷预测模型，将已知负荷结果的影响因素数据作为数据样本，对所建立的负荷预测模型进行训练，直至收敛；本发明选择基于TCN算法构建预测模型，TCN采用了因果卷积和扩张卷积，能够实现对大规模数据的并行处理，这使得预测速度得到明显提升。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
