-
公开(公告)号：CN116822741A
公开(公告)日：2023-09-29
申请号：CN202310818540.X
申请日：2023-07-05
Applicant: 淮阴工学院
IPC: G06Q10/04 , G06Q50/06 , G06N3/006 , G06N3/045 , G06N20/20 , G06N5/01 , G06F17/16 , G06N3/04 , G06F17/11
Abstract: 本发明公开了一种光伏功率爬坡事件预测方法，获取光伏电站原始功率数据，使用改进的旋转门算法提取爬坡事件；采用辛几何模态分解对光伏历史数据进行分解得辛几何分量；采用ICMIC混沌映射对白鹭群优化算法的种群进行初始化，引入可变螺旋搜索策略对白鹭B的位置进行更新，得到改进的白鹭群优化IESOA算法；利用IESOA算法优化LightTS模型的参数，把分解后的各个子分量分别带入IESOA‑LightTS预测模型中，就可以得到各个分量的预测结果，对各个分量的预测结果进行等权重的叠加，得到初步预测结果；采用随机森林算法构造误差模型，对初步预测结果进行修正，从而得到光伏功率的最终预测值。本发明能够使得光伏功率预测值更加接近于实际值，提高光伏功率的预测精度。
-
公开(公告)号：CN118504761A
公开(公告)日：2024-08-16
申请号：CN202410653424.1
申请日：2024-05-24
Applicant: 淮阴工学院
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/26 , G06F18/10 , G06F18/213 , G06F18/24
Abstract: 本发明公开了一种化工园区空气质量预测方法，包括如下步骤：首先，获取化工园区空气质量数据，包括空气质量指数及相关污染物数据，利用MEMD多元经验模态分解对多变量数据进行信号分解，并基于Spearman相关系数进行高低频分类；其次，将TimesNet模型中的特征提取部分替换为离散小波变换(DWT)，得到MTimesNet模型，建立MTimesNet预测模型和Crossformer预测模型分别对高频分量和低频分量进行预测，并且使用改进的几何平均优化器算法MGMO优化两个预测模型的超参数；最后，利用MGMO算法对高频分量和低频分量的预测结果进行加权，得到最终预测结果。与现有技术相比，本发明能够提高空气质量预测模型的精度和有效性。
-
公开(公告)号：CN116804706B
公开(公告)日：2024-08-02
申请号：CN202310661234.X
申请日：2023-06-06
Applicant: 淮阴工学院
IPC: G01R31/367 , G01R31/385 , G01R31/392 , G06N3/006 , G06F18/232
Abstract: 本发明公开一种电动汽车锂电池温度预测方法及装置，采集不同老化程度下锂电池数据，基于灰色关联度理论选取强相关的温度特征，利用DBSCAN聚类算法对关键温度特征集合划分基于不同老化程度的数据样本子集；运用TCN温度预测模型对不同老化程度的数据样本子集进行分别温度预测，得到第一层预测结果；组合所有预测值重构为新的数据集作为温度在线预测模型OSELM的输入；采用Chebyshev混沌映射对蜜獾算法的种群进行初始化，在挖掘阶段中加入Levy飞行和透镜成像反向学习策略，得到XHBA算法；同时使用XHBA优化OSELM的权重和偏置，并将最优权重和偏置和测试数据样本输入到OSELM预测模型中进行融合预测，得到预测结果。本发明能够有效实现电动汽车锂电池温度的在线预测，并能提高预测精度。
-
公开(公告)号：CN117151285B
公开(公告)日：2024-07-02
申请号：CN202311097283.1
申请日：2023-08-29
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于多要素注意力时空图卷积网络的径流预报方法，首先获取流域水文历史数据集；提取流域上下游站点的拓扑关系，完成流域拓扑关系的提取及图结构模型的构建；建立基于真实空间邻接关系的地理邻接矩阵，分析流域径流过程的多重时空依赖性；引入时空图卷积网络提取水文气象要素在时空维度的特征，搭建融合多要素预报结果的神经网络全连接层，建立径流预报模型MASTGCN；运用均匀初始化对秃鹰搜索优化算法进行初始化操作，将多元学习策略引入到秃鹰搜索优化算法中得到UMBES算法，利用UMBES算法优化MASTGCN模型中的超参数，利用优化后的MASTGCN模型对未来时刻的径流状况进行预测。本发明能有效捕获水文气象过程的动态时空模式，实现准确的径流预报。
-
公开(公告)号：CN117154704B
公开(公告)日：2024-06-07
申请号：CN202311106969.2
申请日：2023-08-29
Applicant: 淮阴工学院
IPC: H02J3/00 , G06F30/27 , G06N3/0464 , G06N3/045 , G06N3/08 , G06Q50/06 , G06N7/01 , G06F17/16 , G06F17/15
Abstract: 本发明公开了一种基于多尺度时空图注意力卷积网络的光伏功率预测方法，获取光伏电站真实历史运行数据集，利用互信息熵对NWP中的主要气象因子与光伏功率进行相关性分析，筛选出相关程度最高的气象因子，采用矩阵填充算法对其进行修正；建立时空图注意力卷积网络模型，首先构建属性图来捕捉光伏发电功率在时间和空间上的动态特征，通过多层图注意力网络从属性图中提取空间特征，使用时间卷积网络从属性图中来挖掘时间相关特征；采用改进的序贯模型优化算法对预测模型的超参数进行优化；最后，构建融合多源数据的神经网络全连接层，从而预测光伏发电功率。本发明提高了区域内光伏电站的发电功率预测准确性。
-
Patent Agency Ranking
公开(公告)号：CN116502541B
公开(公告)日：2023-12-22
申请号：CN202310568459.0
申请日：2023-05-18
Applicant: 淮阴工学院
IPC: G06F30/27 , G06N3/006 , G06N3/0464 , G06N3/08 , G06F119/04 , G06F113/08 , G06F119/14 , G06F119/08
Abstract: 本发明公开了一种质子交换膜燃料电池寿命预测的方法，采用改进的蛇优化算法分别优化卷积神经网络模型CSO‑CNN和随机向量网络模型CSO‑RVFL进行退化趋势预测；采用粒子滤波嵌套半经验模型，首先通过燃料电池的物理模型进行循环迭代得到状态方程和观测方程的参数范围，并利用粒子群优化算法进行对物理模型进行参数优化；最后采用Blending算法对数据驱动模型和物理模型预测结果进行集成学习得到燃料电池的性能退化趋势，使用性能退化趋势预测结果对质子交换膜燃料电池剩余寿命进行预测。本发明利用改进的蛇算法对CNN和RVFL模型进行同步优化，能够更好的得到燃料电池性能退化趋势，实现对质子交换膜燃料电池剩余寿命的精确快速预测。
-
公开(公告)号：CN116954086A
公开(公告)日：2023-10-27
申请号：CN202311111146.9
申请日：2023-08-30
Applicant: 淮阴工学院
IPC: G05B13/04
Abstract: 本发明公开了一种抽水蓄能机组调节系统智能预测控制方法及装置，所述方法包括以下内容：首先，获取抽水蓄能机组调节系统运行数据，其次，建立时域卷积‑双向长短期神经网络TCN‑BiLSTM对系统未来状态趋势进行迭代预测，并作为深度智能预测控制DeepMPC的预测模型；然后，通过梯度下降算法实时优化模型和实际过程输出的误差在线实时调整TCN‑BiLSTM预测模型的参数，使其与被控对象保持一致；最后，采用改进的人工鱼群算法设计非线性预测控制器，加速预测控制律的求解。本发明能够满足不同工况下的抽水蓄能调节系统非线性预测控制，从而提高抽水蓄能机组抑制转速和功率波动的调控能力。
-
公开(公告)号：CN116774086A
公开(公告)日：2023-09-19
申请号：CN202310686242.X
申请日：2023-06-09
Applicant: 淮阴工学院
IPC: G01R31/392 , G06F30/27 , G06N3/0464 , G06N3/042 , G06N3/0985
Abstract: 本发明公开了一种基于多传感器数据融合的锂电池健康状态估计方法，采集锂电池数据，运用去趋势交叉相关分析法对数据集进行特征提取并进行数据集划分；构建基STGCN和Pyraformer模型的锂电池组电池健康状态模型；通过STGCN提取由锂电池组的多维度参数数据构成的空间参数序列的局部电池容量变化特征，将获得的特征输入到Pyraformer中建立空间参数序列与全局锂电池组健康状态的变化联系；运用均匀初始化对SDO进行初始化操作，将改进后的多元学习引入到SDO中得到改进的UMSDO算法；利用UMSDO优化STGCN‑Pyraformer模型中的超参数，获取对应的最优参数，对电池健康状态进行预测，得到电池健康状态的预测结果。本发明能够被应用于锂电池健康状态预测的建模过程中，确保锂电池健康状态预测的准确性。
-
公开(公告)号：CN116502539A
公开(公告)日：2023-07-28
申请号：CN202310566085.9
申请日：2023-05-18
Applicant: 淮阴工学院
IPC: G06F30/27 , G06F18/10 , G06F18/25 , G06F18/213 , H03H17/02 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q10/04 , G06Q50/26
Abstract: 本发明公开了一种VOCs气体浓度预测方法及系统，首先实时采集VOCs气体浓度以及气象数据，并对数据进行预处理；其次，建立基于CKF的多传感器数据融合模型，对多变量数据进行局部、全局融合；然后，建立GCN‑TCN时空关联模型，将融合数据以及预处理过的历史实测数据送入GCN‑TCN时空关联模型中进行时空特征提取；利用改进的AOS算法同步优化基于CKF的多传感器数据融合模型的参数和GCN‑TCN时空关联模型的参数，搜寻两模型参数的最优解；最后，利用训练优化后的GCN‑TCN时空关联模型对化工园区的敏感区域的VOCs气体浓度进行预测，并通过云平台数据可视化实时显示。本发明可以对敏感区域的VOCs气体浓度实现更精确的预测，及时发现隐患，降低风险发生。
-
公开(公告)号：CN119272905A
公开(公告)日：2025-01-07
申请号：CN202310818541.4
申请日：2023-07-05
Applicant: 淮阴工学院
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/049 , G06N3/006 , G06F18/23 , G06F18/214 , G06N3/04
Abstract: 本发明公开了一种考虑光伏功率聚类的功率预测方法该发明包括如下步骤：首先，获取光伏电站的历史数据，利用STL时间序列分解法对光伏功率时间序列进行分解，并将分解后的光伏功率数据进行DBSCAN聚类，识别出低功率和高功率两个簇，分别针对低、高功率建立基于时间卷积网络和TimesNet的光伏功率预测模型；其次，对蜜獾算法进行改进，采用Chebyshev混沌映射改进蜜獾种群的初始化，并且引入高斯变异策略和透镜成像反向学习策略，得到MHBA；运用改进的蜜獾算法对TCN光伏低功率预测模型和TimesNet光伏高功率预测模型的超参数进行优化，使用优化后的模型对光伏功率进行预测，得到最终预测值。与现有技术相比，本发明能够提高光伏功率预测模型的精度和有效性。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.029 seconds)
