-
公开(公告)号：CN109214582B
公开(公告)日：2022-02-11
申请号：CN201811099808.4
申请日：2018-09-20
Applicant: 中南大学
Abstract: 本发明公开了一种风向空间关联驱动的铁路沿线风速预测方法，对目标地点风速进行多模型集成预测，通过集成多个低相关模型，利用多目标优化算法进行多模型融合，得到最终风速预测模型，保证了进行融合多模型之间的低相关性，提升模型的泛化能力，显著提高了预测精度；通过在目标测风点构造三个地理环绕的辅助测风站，协同目标测风站，建立四个测风站之间的风向数据映射关系，利用四个测风站之间的风向地理信息，显著提高风向预测精度；利用本发明所提出的方法，当列车运行至伴有大风环境的地势崎岖等危险路段时，能够实现铁路沿线风速高精度超前预测，利用风向空间关联驱动的优势，避免了单一风速驱动的保守性，保障列车安全运行。
-
公开(公告)号：CN109376972B
公开(公告)日：2021-07-27
申请号：CN201910000269.2
申请日：2019-01-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于区块聚类的智慧电网短期电力负荷预测方法，通过聚类分析，将区域内电力负荷数据变化的本质规律相近的用电单位划分到同一区块，按区块统一建立区块电力负荷预测模型组，避免模型冗杂，提升电力负荷预测模型的泛化能力和预测精度；同时，以周作为周期，分析一周内每一天电力负荷的波动规律，将一天划分为多个稳态时段，每个时段分别建立电力负荷预测模型，进一步降低电力负荷时间序列自身的波动干扰，大大提升了预测精度和鲁棒性。
-
公开(公告)号：CN109978275B
公开(公告)日：2021-03-12
申请号：CN201910267181.7
申请日：2019-04-03
Applicant: 中南大学
Abstract: 本发明公开了一种混合CFD和深度学习的极端大风风速预测方法及系统，基于风速测试样本和风向测试样本模拟目标区域大气流场，从而计算各子区域各网格划分方式的响应时间和模拟误差以及各内部测风装置的多个模拟风速序列；基于相应的模拟风速序列和风速测试样本训练风速转换模型，并基于风速测试样本训练风速预测模型；从而在对目标预测地点进行实时预测时，根据目标预测地点与最近内部测风装置之间的距离关系，智能匹配风速转换模型与风速预测模型的输出值，输出目标预测地点的最适风速预测值。本发明线下训练深度学习模型，提高预测的实时性，同时融合CFD方法，模拟目标地点大气流场，匹配最适深度学习模型，提升预测系统的泛化能力。
-
公开(公告)号：CN109615027B
公开(公告)日：2020-12-08
申请号：CN201811643482.7
申请日：2018-12-29
Applicant: 中南大学
Abstract: 本发明公开了一种高速铁路沿线风速特征提取智能预测方法，该方法利用风速不同特征进行K‑means聚类，并选择最优聚类数K，将风速模型样本分为K类，然后针对K个聚类类别分别建立100个风速预测特征预选模型，利用数学分析和相关性分析方法筛选风速预测特征预选模型并建立K个风速预测特征模型组和K个风速预测归一模型，最后分析预测的风速向量与风速时间序列数据集之间的相关性并还原真实风速，该方法具有预测高精度、特征智能提取、适应性强、鲁棒性高的特点，适合应用于大风环境下的高速铁路沿线安全等领域。
-
公开(公告)号：CN111027727A
公开(公告)日：2020-04-17
申请号：CN201911379311.2
申请日：2019-12-27
Applicant: 中南大学
Abstract: 本发明公开了一种轨道系统跨域运维关键要素辨识方法，包括对轨道系统进行全生命周期构成要素的分解；对各个要素在安全域、性能域和环境域进行量化计算；建立数据集；建立安全域分析模型、性能域分析模型和环境域分析模型并获得跨域运维强相关要素；根据跨域运维强相关要素建立全生命周期运维分析模型并得到强相关要素运维关键度；根据强相关要素运维关键度建立运维关键要素辨识模型并得到最终的跨域运维关键要素。本发明能够进行轨道系统的跨域运维关键要素分析确认，而且可靠性高，实用性好。
-
Patent Agency Ranking
公开(公告)号：CN109002860A
公开(公告)日：2018-12-14
申请号：CN201810844741.6
申请日：2018-07-27
Applicant: 中南大学
CPC classification number: G06K9/6269 , G06K9/6256 , G06N3/006
Abstract: 本发明提供了一种高速铁路沿线突变风速智能适应性匹配预测方法，根据近期风速状况，通过在目标测风点构建目标测风站和时移测风站，对测风站的数据进行去噪处理后，利用SVM模型，对去噪后的风速数据进行训练，构建各测风站在多种步长下的风速预测模型；选用多种模拟预测时间，提前构建好各种模拟预测时间对应的预测模型的预测迭代向量；进行实际预测时，选择目标预测时间与模拟预测时间匹配的预测迭代向量直接进行预测，即可快速获得准确的风速预测值，降低随机误差的干扰；实现了铁路沿线风速超前预测，可以提前得知事故多发区域的风速环境状况，及时、有效地指导列车运行，保障列车运营安全。
-
公开(公告)号：CN109508835B
公开(公告)日：2020-11-24
申请号：CN201910000264.X
申请日：2019-01-01
Applicant: 中南大学
IPC: G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F16/2458 , H02J3/00
Abstract: 本发明公开了一种融合环境反馈的智慧电网短期电力负荷预测方法，根据各用电单位的电力负荷数据变化的本质规律进行聚类分析，将目标预测区域划分区块，针对区块分别建立预测模型组，避免过量相关模型的干扰；以天为单位分析一周内各区块的电力负荷时间序列并根据其波动规律划分时段分别建立预测模型，提升电力负荷预测的预测精度；同时，考虑到电力负荷突变的影响因素，建立平均温度、平均湿度和风速同电力负荷预测误差之间的映射关系，智能嵌入外部环境因素，得到融合环境反馈的电力负荷预测模型，极大提升了预测模型对电力负荷突变事件的敏感度和适应能力，保证了预测方法的鲁棒性，提高了短期电力负荷预测的预测精度。
-
公开(公告)号：CN109063907B
公开(公告)日：2020-06-05
申请号：CN201810846131.X
申请日：2018-07-27
Applicant: 中南大学
Abstract: 本发明提供了一种高速铁路沿线极大风速智能遍历大步长预测方法，根据近期风速状况，通过在目标测风点构建目标测风站和时移测风站，对测风站的数据进行去噪处理后，利用PID神经网络，对去噪后的风速数据进行训练，构建各测风站在多种步长下的风速预测模型；选用各模型进行多种步长的最优预测组合，实现多步迭代预测，提高预测精度，降低随机误差的干扰；实现了铁路沿线风速超前预测，可以提前得知事故多发区域的风速环境状况，及时、有效地指导列车运行，保障列车运营安全。
-
公开(公告)号：CN111126867A
公开(公告)日：2020-05-08
申请号：CN201911376303.2
申请日：2019-12-27
Applicant: 中南大学
Abstract: 本发明公开了一种轨道系统多域关联的服役敏感度分析方法，包括对轨道系统进行全生命周期构成要素的分解；各个要素在安全域、性能域和环境域进行量化计算；建立数据集；建立安全域关联模型、性能域关联模型和环境域关联模型并获得多域强相关要素；根据多域强相关要素建立轨道系统全生命周期服役年限敏感度模型并得到最终的强相关要素服役年限敏感度分析结果。本发明方法能够对多域强相关要素对轨道系统的全生命周期服役年限的服役年限敏感度进行分析，而且可靠性高，实用性好。
-
公开(公告)号：CN108510737B
公开(公告)日：2020-04-10
申请号：CN201810327802.1
申请日：2018-04-12
Applicant: 中南大学
Abstract: 本发明公开了一种融合风环境的无人驾驶车辆电源实时监控方法及装置，该方法针对车辆行驶路径中复杂的道路环境尤其是风环境，考虑不同车速对耗电量影响的不同，建立耗电量预测模型，该模型预测电量与电池本身无关，利用大量历史数据与实时数据训练模型，能辨识不同路况环境上车辆以不同车速作为知道车速的电量的使用情况。该模型对云端其他车辆车速进行中值法、均值法、众数法三种不同的方式进行处理，依据不同云端车速对车辆耗电量进行预测，选择出最低耗电量的数据，获取对应的行驶车速作为未来设定时间内的车速，能降低车辆行驶能耗，实现经济车速行驶目标，符合低碳出行的要求。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.022 seconds)
