-
公开(公告)号：CN116341717A
公开(公告)日：2023-06-27
申请号：CN202310156314.X
申请日：2023-02-23
Abstract: 本发明公开了一种基于误差补偿的风速预测方法，该方法利用历史数据建立ARMA模型，将ARMA模型定得的阶数用来划分数据集，然后利用划分好的数据训练SVR模型并进行风速预测，在将训练集真实风速值与预测风速值相减，得到误差训练集。对得到的误差训练集再利用前述方法，对误差序列建立ARMA模型，利用其偏自相关系数作为依据划分误差训练集。处理完误差序列后，再利用ELM对误差进行预测，将得到的误差预测结果与风速预测结果相加，得到误差补偿后的风速预测值。通过验证实验，证明了在频率较高、风速变化较快的时段，相比于传统的直接预测方法，本发明采用的误差补偿预测的风速预测方法具有更好的拟合效果，整体上提高了风速预测的精度。
-
公开(公告)号：CN115544884A
公开(公告)日：2022-12-30
申请号：CN202211248495.0
申请日：2022-10-12
Applicant: 浙江大学
IPC: G06F30/27 , G06Q50/06 , G06F113/06
Abstract: 本发明公开了一种基于数据驱动的大型风电场尾流快速计算方法及系统，创造性地通过“机群划分‑离线建模‑在线计算”的技术框架研究风电场尾流建模工作，根据历史风向与风速信息挖掘尾流传播路径，并以减小模型计算得到的风速大小与实际风速大小的均方损失误差为目标，利用狼群算法对解析尾流模型的衰减参数进行优化求解，离线训练并得到修正的场级尾流模型，之后结合风速风向预测结果、机组自身运行状态及机组尾流的影响，实现尾流在线快速计算的部署应用，大幅度提升了实时尾流建模计算的效率和精度，为后续风电场风电机组载荷在线计算、出力性能评估和优化控制策略等在线分析任务提供高可靠的数据支撑。
-
公开(公告)号：CN115211871A
公开(公告)日：2022-10-21
申请号：CN202211017634.9
申请日：2022-08-23
Applicant: 浙江大学
Abstract: 本发明公开了一种引入注意力机制的时频空域CNN‑LSTM的新生儿惊厥脑电信号分类系统。将采集的数据切片后分别对每一切片的时域、频域所含信息进行特征提取，拼接得到特征向量；按照电极空间关系将多导联脑电信号时、频特征映射为特征矩阵，充分保留电极空间位置信息；在特征处理中引入注意力机制，强化与惊厥症状显著相关的时频空域特征，削减无关信号的干扰；将不同切片得到的特征向量序列送入两层双向LSTM编码后利用自注意力机制，强化与异常显著相关的切片作用和对长时依赖的特征提取能力。本发明是基于多特征注意力的时序信号深度学习分类，充分考虑了脑电信号的时频空域特征，具有一定的理论价值和实际工程意义。
-
公开(公告)号：CN115211870A
公开(公告)日：2022-10-21
申请号：CN202211015311.6
申请日：2022-08-23
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多尺度特征融合网络的新生儿脑电信号惊厥放电检测系统。该方法针对新生儿的临床脑电信号数据，基于多尺度融合特征进行异常检测；建立高度并行的多分支一维卷积模型对标记后的新生儿脑电信号数据进行特征提取，多分支一维卷积模型可以在提取出脑电信号多尺度特征的同时，尽可能减小运算时间；使用基于深度网络的集成学习模型，将多个弱监督模型融合为一个强监督模型，最大程度地利用了多尺度融合特征，降低随机噪声的干扰，保证了模型具有较高的抗干扰性。本发明方法是基于数据的深度网络建模方法，网络计算步骤完备，建立的网络模型兼顾了脑电信号的多尺度特征，具有一定的理论价值与实际工程意义。
-
公开(公告)号：CN115211869A
公开(公告)日：2022-10-21
申请号：CN202211015305.0
申请日：2022-08-23
Applicant: 浙江大学
Abstract: 本发明公开了一种基于经验模态分解和卡尔曼滤波的脑电信号去噪方法、装置及系统。针对头部电极采集的信号，发挥了经验模态分解处理非线性非平稳信号的自适应能力，对脑电信号进行自适应分解得到本征模态分量，保证了局部信息的完整性；根据相关性准则对若干本征模态分量进行分类处理；使用卡尔曼滤波算法对本征模态分量信号中与原始脑电信号相似度次高的分量进行去噪处理，避免了卡尔曼滤波在非线性系统下发散问题的同时提升了计算速度，最终得到了去除噪声的脑电信号。本发明是基于数据的信号去噪方法，数据处理步骤完备，选取的算法兼顾了实际脑电信号特征与实际自适应信号模型特征，具有一定的理论价值与实际工程意义。
-
Patent Agency Ranking
公开(公告)号：CN115182844A
公开(公告)日：2022-10-14
申请号：CN202210878100.9
申请日：2022-07-25
Abstract: 本发明公开了一种变速风力发电机组有界UDE转矩控制方法。该方法包括有界约束算法、UDE转矩控制器两部分。为了避免系统输入转矩超出风机最大承受范围，造成积分饱和，导致跟踪效果变差甚至系统失控等现象，使用约束算法，根据转矩大小动态调节约束系数，使约束系数和转矩之间的关系始终保持在设定的椭圆区域上；将约束系数引入到跟踪误差中，设计出有界UDE转矩控制器，以应对风电机组转矩控制中的积分饱和现象，达到控制效果。该方法简单易行，成本低，给定风机所能承受的最大转矩范围，便可实时得到约束系数，系统整体的计算量增加较少，避免积分饱和带来的负面影响，提升控制效果，提高风能捕获效率，提高风电场的经济效益。
-
公开(公告)号：CN114819340A
公开(公告)日：2022-07-29
申请号：CN202210439898.7
申请日：2022-04-24
Applicant: 浙江浙能天然气运行有限公司 , 浙江大学
Abstract: 本发明公开了一种用于天然气日负荷的时序预测方法，包括以下步骤：分析历史天然气日负荷数据的时间序列依赖关系；利用滑动窗口原理，根据依赖关系确定窗口长度，提取时间窗口内的时序特征；利用启发式搜索，确定模型中超参数的取值，利用Adam优化算法，得到模型中参数的取值；分析样本内预测误差，进行白噪声检验；最后利用得到的模型，预测下一个气日负荷。针对日期影响负荷值情况，利用日期编码挖掘和天然气负荷数据的关系，省去了外生变量的引入和自身精度的麻烦，同时利用启发式搜索确定模型的超参数，增加了模型的抗干扰性能，而时间窗口和循环神经网络能充分挖掘时间序列本身的特点，最终提高了模型的预测精度。
-
公开(公告)号：CN109447367B
公开(公告)日：2022-03-25
申请号：CN201811330818.4
申请日：2018-11-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于粒子群算法的计及产能节点使用寿命的产能分配方法，本发明根据能源互联网中产能节点的使用寿命，提出寿命损耗率模型决定产能节点在不同阶段的最大产能功率，并结合能量传输损耗、环境效益等多因素进行产能分配的方法，从而最大化产能效率及产能收益。本发明采用启发式的粒子群算法，模拟群体智能，将决策变量看作一个个粒子，拥有位置和速度两个属性，并根据自身找到的最优解和参考共享于整个群体的最优解调整自身的位置，使整个种群大致向同一个位置进行聚集，这个位置便是最优解，即最佳分配方案。本发明对于能源互联网中多能源形式共存的产能分配问题具有重要的科学意义和应用价值。
-
公开(公告)号：CN110985290B
公开(公告)日：2022-02-11
申请号：CN201911224544.5
申请日：2019-12-04
Applicant: 浙江大学
IPC: F03D7/00
Abstract: 本发明公开了一种基于支持向量回归的最优转矩控制方法。获取机组某段时间内的有效风速信息和对应时间段的与有效风速相关的机组输出数据，去除获取到的机组输出数据中的相关性并进行归一化操作，构造支持向量回归的训练集，使用该训练集确定支持向量回归模型，得到风速估计模型，该模型在线给出有效风速值，进而计算转速跟踪误差和最优转矩控制表达式。该方法保留了传统最优转矩控制算法结构简单的优势，克服了其收敛速度较慢的缺点，能够一定程度上加快控制算法的收敛速度，提高风能捕获效率，简单易行，实施成本低，需要调试的参数少，相比于传统最优转矩控制算法相比，能够提高机组产能，增加风电场的效益。
-
公开(公告)号：CN110953576B
公开(公告)日：2021-10-01
申请号：CN201911284077.5
申请日：2019-12-13
Applicant: 浙江省能源集团有限公司 , 浙江大学
Abstract: 本发明公开了一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法，包括以下步骤：建立状态空间模型，设计输出转换函数，进行输出变换，定义滤波误差，令滤波误差导数为零设计理想控制器，利用神经网络逼近理想控制器中含有未知量的部分，设计实际控制器。针对模型中的未知结构和未知参数，使用神经网络逼近未知动态。此外，根据发电厂安全生产要求，为了防止汽包过热或者蒸汽溢出，提升对锅炉汽包水位的控制效果，本发明控制方法考虑的输出受限的情况，不仅能克服现有模型中的不确定性，具有抗干扰能力，还能使系统暂态输出保持在预设边界层之内，可以保证超调量不会过大，在保证安全生产的同时尽可能提高控制效果。
-
-
-
-
-
-
-
-
-
Search Results
292
records
(took 0.041 seconds)
