公开(公告)号：CN115730703A

公开(公告)日：2023-03-03

申请号：CN202211346648.5

申请日：2022-10-31

Applicant: 福州大学

Inventor： 黄若辰 ,  林琼斌 ,  杨于彬 ,  蔡逢煌 ,  王武 ,  柴琴琴

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/048

Abstract: 本发明提出基于深度交叉时间卷积网络DTCN模型的电力负荷预测方法，用于超短期电力负荷的预测，所述预测方法利用数据集中的连续型与离散型特征向量，通过用DCN进行自动特征工程提取数据特征，将整理后的稠密向量，按时间顺序堆叠起来输入到TCN中预测，分别通过使用sigmoid和tanh激活函数和扩大因果卷积，拟合参数，建立模型，最终解码获取负荷的超短期预测结果；本发明，对数据容量要求低，预测速度快，精度高。

公开(公告)号：CN116908725A

公开(公告)日：2023-10-20

申请号：CN202310852920.5

申请日：2023-07-12

Applicant: 福州大学

Inventor： 林琼斌 ,  杨于彬 ,  黄若辰 ,  王武 ,  于新红 ,  汪凤翔

IPC: G01R31/392 ,  G01R31/367

Abstract: 本发明提供了一种基于电压回落信号特征的锂电池健康状态估计方法，包括以下步骤：步骤1：在恒温条件下采集电池充电结束后电池电压回落信号，作为原始数据集；步骤2：将采集的电压信号数据进行DWT分解得到1个低频信号能量与m个高频信号能量；步骤3：将步骤2得到的m个高频信号能量进行主成分分析,选取累计贡献度大于80%的前k个主成分；步骤4：将步骤2的1个低频信号能量与步骤3的k个主成分作为输入特征；步骤5：使用k折交叉验证，将步骤4得到的输入特征数据根据比例随机划分得到训练样本和测试样本；步骤6：将划分好的特征数据输入FBELNN,进行锂电池SOH估计。应用本技术方案可实现极高的估计精度。