公开(公告)号：CN116401610B

公开(公告)日：2025-05-09

申请号：CN202310175237.2

申请日：2023-02-28

Applicant: 福州大学

Inventor： 林琼斌 ,  范宇航 ,  黄若辰 ,  蔡逢煌 ,  王武 ,  柴琴琴

IPC: G06F18/2433 ,  G06F18/214 ,  G06F30/20 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提出基于深度残差网络和联合分布的逆变器参数故障诊断方法，以三相逆变器多种已知工况下的故障数据建立训练集，建立构建由多个残差块组成的深度残差网络模型，同时运用Adam算法及批归一化BN技术防止该模型过拟合，接着加入伪标签学习，对源域与目标域之间的联合分布差异进行度量，通过联合分布适配方法来实现两个域特征的联合分布对齐，并以差异最小化为目标对网络进行优化；本发明能解决实际工程的应用场景中多种工况下故障数据分布不同，导致传统的深度诊断模型泛化能力及效率发生下降的问题。

公开(公告)号：CN116542390A

公开(公告)日：2023-08-04

申请号：CN202310572859.9

申请日：2023-05-22

Applicant: 福州大学

Inventor： 范宇航 ,  林琼斌 ,  黄若辰 ,  柴琴琴

IPC: G06Q10/04 ,  H02J3/00 ,  G06Q50/06 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/096 ,  G06N3/0985 ,  G06F18/22 ,  G06F18/2413 ,  G06F18/25 ,  G06F123/02

Abstract: 本发明提供了基于图卷积和长短时记忆网络的园区负荷时空预测方法，包括步骤1：结合图卷积网络和长短时记忆网络，分别处理空间和时间特征；步骤2：构建加权邻接矩阵，并进行空间特征提取；步骤3：捕获负荷的时间特征；步骤4：通过特征工程或其他嵌入方法处理这些外部因素；步骤5：将空间特征、时间特征以及外部因素特征进行融合；步骤6：利用历史数据对整个模型进行训练，优化模型参数，采用损失函数来衡量预测误差；步骤7：对模型结构和参数进行优化以提高泛化能力；步骤8：应用训练好的模型对未来一段时间内的园区负荷进行预测，并通过对比预测结果与实际负荷进行模型评估；应用本技术方案可实现提高预测精度和实际应用效果。

公开(公告)号：CN116401610A

公开(公告)日：2023-07-07

申请号：CN202310175237.2

申请日：2023-02-28

Applicant: 福州大学

Inventor： 林琼斌 ,  范宇航 ,  黄若辰 ,  蔡逢煌 ,  王武 ,  柴琴琴

IPC: G06F18/2433 ,  G06F18/214 ,  G06F30/20 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提出基于深度残差网络和联合分布的逆变器参数故障诊断方法，以三相逆变器多种已知工况下的故障数据建立训练集，建立构建由多个残差块组成的深度残差网络模型，同时运用Adam算法及批归一化BN技术防止该模型过拟合，接着加入伪标签学习，对源域与目标域之间的联合分布差异进行度量，通过联合分布适配方法来实现两个域特征的联合分布对齐，并以差异最小化为目标对网络进行优化；本发明能解决实际工程的应用场景中多种工况下故障数据分布不同，导致传统的深度诊断模型泛化能力及效率发生下降的问题。