-
公开(公告)号：CN106651020A
公开(公告)日：2017-05-10
申请号：CN201611165569.9
申请日：2016-12-16
Applicant: 燕山大学
Abstract: 本发明提供一种基于大数据简约的短期电力负荷预测方法，所述方法包括：首先利用Lasso原理将大数据中冗余数据和坏数据进行剔除，然后通过主成分分析PCA对环境因素变量进行降维及特征提取。提取的特征向量以及简约处理后的历史负荷数据共同作为Elman神经网络的输入进行训练预测。本发明方法明显提高了短期电力负荷的预测精度和速度。
-
公开(公告)号：CN117110787B
公开(公告)日：2024-02-09
申请号：CN202311096456.8
申请日：2023-08-29
Applicant: 燕山大学
IPC: G01R31/08
Abstract: 本发明提供一种四元特征集卷积神经网络的次同步振荡源定位方法。该方法包括：从电网获取次同步振荡数据样本中全网可观测元件端口的电压和电流数据；根据电压和电流数据，计算暂态能量流和能流功率；根据暂态能量流和能流功率，利用基于暂态能量和能流功率的二维SSO时空特征提取方法，获得SSO样本的时空特征矩阵；根据SSO样本的时空特征矩阵，利用色域映射将特征矩阵转换为特征图像；根据时间空间特征图像，利用四元特征集数据增强方法，构建基于QFS数据增强方法的四元特征集卷积神经网络深度学习模型，对SSO振荡源进行定位。本发明能够快速定位SSO振荡源，且具有较高的定位精度和较强的抗噪声能力。
-
公开(公告)号：CN117110787A
公开(公告)日：2023-11-24
申请号：CN202311096456.8
申请日：2023-08-29
Applicant: 燕山大学
IPC: G01R31/08
Abstract: 本发明提供一种四元特征集卷积神经网络的次同步振荡源定位方法。该方法包括：从电网获取次同步振荡数据样本中全网可观测元件端口的电压和电流数据；根据电压和电流数据，计算暂态能量流和能流功率；根据暂态能量流和能流功率，利用基于暂态能量和能流功率的二维SSO时空特征提取方法，获得SSO样本的时空特征矩阵；根据SSO样本的时空特征矩阵，利用色域映射将特征矩阵转换为特征图像；根据时间空间特征图像，利用四元特征集数据增强方法，构建基于QFS数据增强方法的四元特征集卷积神经网络深度学习模型，对SSO振荡源进行定位。本发明能够快速定位SSO振荡源，且具有较高的定位精度和较强的抗噪声能力。
-
公开(公告)号：CN109271975A
公开(公告)日：2019-01-25
申请号：CN201811373464.1
申请日：2018-11-19
Applicant: 燕山大学
Abstract: 本发明提供一种基于大数据多特征提取协同分类的电能质量扰动识别方法，所述方法是建立多信息多分类器融合的电能质量分析决策模型，包括：设计LASSO原理的大数据冗余数据剔除方法、变尺度大数据简约方法和基于数据结构同构简约算法同时用主元分析法对非同源气象数据降维，改进广义S变换、广义谐波小波、EEMD/LMD等多种信息处理方法融合提取电能质量信号特征，然后采用压缩感知分类器(SRC)、ε机复杂系统辨识分类器(εCSSR)和神经网络(ANN)对特征向量分类，最后，采用改进的决策模板法(SWDT)，使用混淆矩阵衡量各分类器对每类故障的识别能力，根据初步诊断情况自适应地为各分类器赋予决策权值，充分利用训练信息，提高分类决策准确度。
-
公开(公告)号：CN1412544A
公开(公告)日：2003-04-23
申请号：CN01127548.0
申请日：2001-10-12
Applicant: 国家海洋局第一海洋研究所 , 燕山大学
IPC: G01N21/64
Abstract: 便携式实时全光纤荧光光度计，它有荧光激发装置，荧光接收装置，参考装置与包括探头，探测器相应光学系统，单片机控制装置与电源，其特征是探头是一个不含任何其它光电部件的水下实时探测的全光纤探头，即由导光测量光纤和遮光探测腔体组成，且探测器采用低压硅光电二极管，其特点是体积小、重量轻、携带操作方便，电绝缘性好，抗电磁干扰性强，灵敏度高、动态范围宽，且价格低廉，是海洋环境检测水中矿物油的理想仪器。
-
Patent Agency Ranking
公开(公告)号：CN113177970A
公开(公告)日：2021-07-27
申请号：CN202110489264.8
申请日：2021-04-29
Applicant: 燕山大学
Abstract: 本发明提供一种基于自适应特征融合的多尺度滤波目标跟踪方法，涉及目标跟踪技术领域。所述方法包括以下步骤：初始化网络模型，读取视频获取多个图像帧；目标位置预测，首先选取目标周围图像块，提取VGG‑19网络层特征与CN特征，将CN特征广播后与VGG‑19网络conv2‑2层特征直接串联融合，三层特征分别通过分类器进行分类，滤波模型输出响应，最后由粗到细利用经验权重加权融合响应评估目标位置，更新目标滤波器参数。本发明利用VGG19网络的分层特征结合颜色属性CN特征，进行滤波分别输出响应，以最大响应为基准，由粗到细加权融合响应评估目标位置。OPE检测结果表明，在目标变形、光照变化、运动模糊、平面旋转几个方面，方法可靠，精度高。
-
公开(公告)号：CN119482397A
公开(公告)日：2025-02-18
申请号：CN202411552293.4
申请日：2024-11-01
Applicant: 国网冀北电力有限公司唐山供电公司 , 燕山大学 , 国家电网有限公司
IPC: H02J3/00 , H02J3/38 , G06F18/2135 , G06F18/214 , G06F18/25 , G06F18/2411 , G06F18/2415 , G06N3/0464 , G06Q50/06
Abstract: 一种基于MVO优化混合核PCA降维及改进的FPN网络的光伏功率短期预测方法和系统。将光伏功率的特征数据集通过多元宇宙优化算法优化混合核主成分分析降维；利用改进的特征金字塔网络，将光伏功率历史数据输入到多通道卷积网络，通过多种卷积核提取历史光伏功率数据的特征，再与经过MVO优化混合核PCA降维后的气象、电气属性进行特征融合，作为FPN网络的动态输入特征，经过多通道卷积网络组合的动态输入特征能够在预测过程中不断调整多通道网络的输入，挖掘历史光伏功率数据和降维后协变量特征的动态关系，最后通过多个全连接层得到预测结果。
-
公开(公告)号：CN112884709A
公开(公告)日：2021-06-01
申请号：CN202110064801.4
申请日：2021-01-18
Applicant: 燕山大学
Abstract: 本发明公开了一种引入注意力机制的yolov3带钢表面缺陷检测与分类方法，其包括：制作带钢图像缺陷数据集，将数据分为深化痕、浅划痕、孔洞三类；然后构建引入注意力模块的yolov3网络模型，其中注意力模块包含通道注意力与空间注意力两部分；进而利用制作好的带钢缺陷数据集进行训练，然后将网络模型以及训练好的权重文件保存；最后使用保存的模型即权重进行带钢缺陷检测。该算法识别准确率高，能够达到86％以上的正确率，与原版yolov3网络相比准确率提高5％；检测帧率大，可以实现45fps的检测速度，并且外界光照影响小，能够满足工业检测需求。
-
公开(公告)号：CN109271975B
公开(公告)日：2020-08-21
申请号：CN201811373464.1
申请日：2018-11-19
Applicant: 燕山大学
Abstract: 本发明提供一种基于大数据多特征提取协同分类的电能质量扰动识别方法，所述方法是建立多信息多分类器融合的电能质量分析决策模型，包括：设计LASSO原理的大数据冗余数据剔除方法、变尺度大数据简约方法和基于数据结构同构简约算法同时用主元分析法对非同源气象数据降维，改进广义S变换、广义谐波小波、EEMD/LMD等多种信息处理方法融合提取电能质量信号特征，然后采用压缩感知分类器(SRC)、ε机复杂系统辨识分类器(εCSSR)和神经网络(ANN)对特征向量分类，最后，采用改进的决策模板法(SWDT)，使用混淆矩阵衡量各分类器对每类故障的识别能力，根据初步诊断情况自适应地为各分类器赋予决策权值，充分利用训练信息，提高分类决策准确度。
-
公开(公告)号：CN110543860A
公开(公告)日：2019-12-06
申请号：CN201910838901.0
申请日：2019-09-05
Applicant: 燕山大学
Abstract: 本发明公开了一种基于TJM迁移学习的机械故障诊断方法及系统。所述方法通过引入CEEMDAN分解，在解决模式混合问题的同时减少了算法计算量，同时利用迁移学习方法解决了传统的机器学习方法在训练和测试数据分布存在一定程度的差异时，所建立的分类模型推广能力差、甚至有时出现不能通用的问题；同时解决了旋转机械因为不同工况间数据差异引起的故障诊断效率低的问题，还解决了因为某些工作状态中的旋转机械数据采集量不够，造成故障状态不完备、无法正确完整进行故障诊断的问题。本发明利用TJM迁移学习方法中联合执行跨领域的特征匹配和实例重加权的特性最大程度地减小了源域和目标域数据差异大所造成的识别诊断率不高的问题，极大地提高了故障诊断精度。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.021 seconds)
