-
公开(公告)号：CN119382075A
公开(公告)日：2025-01-28
申请号：CN202411368085.9
申请日：2024-09-29
Applicant: 淮阴工学院
Abstract: 本发明公开了一种电力负荷预测方法和系统，方法包括：获取电力系统的原始数据，对获取的原始数据进行预处理；对信息获取优化算法IAO对进行优化；采用优化的奇异谱分析法SSA将数据分解为多个IMF分量；所述SSA通过改进的IAO算法进行优化，采用模糊熵FE聚合的方法将分解后的IMF分量根据熵值分离为高频分量和低频分量；采用格拉姆角差场GADF将高频分量转化为二维图像；分别将二维图像数据和低频分量分别输入到TEMPO模型和TSMixer模型中训练，并利用贝叶斯优化算法对TSMixer模型的超参数进行优化，得到电力负荷预测模型；对电力负荷预测模型进行训练，采用训练后的电力负荷预测模型对电力负荷进行预测，得到电力负荷预测结果；本发明相比传统方法可有效提高对电力负荷预测的准确性。
-
公开(公告)号：CN118247699B
公开(公告)日：2024-12-06
申请号：CN202410295817.X
申请日：2024-03-15
Applicant: 淮阴工学院
Abstract: 本发明公开了一种河道游人行为识别与预警方法、装置及介质，所述方法包括对获取河道上的游人视频数据进行帧化以提取图片，利用改进的AlphaPose算法获取图片中的人物姿态特征信息；将SwinTransformer的滑动窗口注意力机制结合AlphaPose算法的通道注意力机制，提升姿态提取的准确率，判断是否有游人滞留河道；根据水库放水信息，建立水流到达时间模型TSMS；并建立游人轨迹跟踪识别模型，跟踪识别游人是否正在离开河道；结合改进的YOLO算法再次进行游人轨迹预测，若和游人轨迹跟踪识别结果相同，则无人机启动驱离或者提醒程序，若不同则重新识别预测；确定游人离开后，水库放水。本发明及时发现下游河道将处于危险状态的游人，有效的保障了游人的人身安全以及水库准时地开闸放水。
-
公开(公告)号：CN118644097A
公开(公告)日：2024-09-13
申请号：CN202410675787.5
申请日：2024-05-28
Applicant: 淮阴工学院
IPC: G06Q10/0637 , G06Q50/06 , G06N3/042 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于组合权重的电动汽车充电负荷影响因素评估及预测方法，包括：预先获取历史充电负荷数据，并对负荷数据进行预处理，并将预处理后的充电负荷数据进行划分；构建基于不同场景下充电负荷预测影响因素指标体系，计算指标组合权重；构建GATv2‑Linformer混合预测模型；基于开普勒优化算法KOA融合多种改进策略得到IKOA，利用IKOA优化GATv2‑Linformer预测模型参数；构建XGBoost误差校正模型；利用改进后的GATv2‑Linformer预测模型和XGBoost误差校正模型分别获得初始预测值和误差预测值，利用预测误差值对产生的预测值进行修正，得到更精准的电动汽车充电负荷预测结果。本发明扩大了开普勒优化算法的搜索规模，提升了算法跳出局部最优的能力，得到了更精准的预测输出。
-
公开(公告)号：CN118472935A
公开(公告)日：2024-08-09
申请号：CN202410643891.6
申请日：2024-05-23
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于NAHL的电动汽车充电负荷预测方法、装置及介质，所述方法包括：使用改进的RSEA算法优化VMD参数，对电动汽车的充电负荷数据分解预处理，对得到的各个分量，构建独立的具有增强隐含层的神经网络模型；对各个模型，选取RMSE和SMAPE为优化指标，采用改进的RSEA算法对其进行多目标优化与训练，选取帕累托前沿中离中心点最近的最优解为折中解，最终输出NAHL神经网络模型的最佳参数和预测结果，将各个NAHL模型的预测值进行聚合，输出最终预测结果。本发明采用一种全新的人工神经网络模型，使用多目标优化方法优化神经网络参数，可以同时注重预测模型的精度和关注预测值与实际值之间的整体差异，得到更加准确的预测结果。
-
公开(公告)号：CN118038237B
公开(公告)日：2024-08-02
申请号：CN202410157191.6
申请日：2024-02-04
Applicant: 淮阴工学院
IPC: G06V10/82 , H02J13/00 , G06V10/74 , G06V10/25 , G06V10/30 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N5/01 , G10L25/30 , G10L25/51 , H04N23/11
Abstract: 本发明公开了一种基于三维点云与声纹的储能电站安全监测方法、装置及介质，所述方法包括对：利用改进K‑SVD算法对输入的图像数据进行降噪处理后，将视频图像传输至EMA注意力机制改进的YOLOv8模型中进行图像处理，红外三维点云传输至LSKA大型分离卷积改进的YOLOv8模型中进行训练，得到最终的图像信息和红外三维点云成像信息；声纹传感器进行声音数据的采集，利用EVO算法优化的人工神经网络算法对声纹特征进行提取，将处理好的数据输入改进的Transformer模型中进行声纹处理，得到最终声纹数据；采用低秩多模态融合方法将Transformer模型和YOLOv8模型进行融合，实现储能电站安全监测。本发明大大提高了信息的准确性和利用效率，有利于储能电站的危险监控。
-
Patent Agency Ranking
公开(公告)号：CN118050644A
公开(公告)日：2024-05-17
申请号：CN202410157183.1
申请日：2024-02-04
Applicant: 淮阴工学院
IPC: G01R31/367 , G06N3/0464 , G06N3/0985 , G06N20/20 , G06F18/10 , G06F18/213 , G06N3/042 , G01R31/378 , G01R31/385 , G01R31/392 , G01R31/396
Abstract: 本发明公开一种氢燃料电池性能衰退预测方法、装置及介质，所述方法包括：对预先获取的氢燃料电池电压退化数据进行预处理，采用结合局部加权回归法的VMD算法对原始数据进行降噪平滑处理，采用XGBoost对数据进行特征参数提取，进一步采用半数均匀初始化策略和透镜成像折射学习方法对光学显微镜算法进行改进，得到IOMA，同时使用IOMA对图卷积神经网络GCN和基于傅里叶变换的频域增强分解变压器结合的神经网络模型GCN‑FEDformer进行参数优化，得到IOMA‑GCN‑FEDformer预测模型，并将测试数据样本输入到IOMA‑GCN‑FEDformer预测模型中得到最终预测结果。本发明能够有效地提高氢燃料电池性能衰退预测模型精度，也为氢燃料电池寿命的预测提供了可靠的依据。
-
公开(公告)号：CN119514745A
公开(公告)日：2025-02-25
申请号：CN202411350560.X
申请日：2024-09-26
Applicant: 淮阴工学院
Abstract: 本发明公开了一种风电厂风速预测方法、系统、设备及存储介质，方法包括：利用改进的能量谷优化算法IEVO优化自适应噪声集合经验模态分解CEEMDAN中的白噪声幅值权重与噪声添加次数，对风电场历史数据进行CEEMDAN分解；对分解后的数据采用样本熵SE进行预处理，降低数据的计算复杂度；对预处理后的数据，引入了启发式策略的随机森林算法RF特征选择进行优化，剔除冗余特征；利用格拉姆角和场GASF将优化后的数据从一维时间序列数据转换成二维图像，并提取图像特征；将提取的图像特征送入时间序列块变换器Patch TST模型进行风速预测，所述Patch TST模型中引入基于梯度提升决策树的训练算法GPTuner调节模型参数；本发明相比传统方法可有效提高对风速预测的准确性，保障风力发电厂的稳定运行。
-
公开(公告)号：CN119471439A
公开(公告)日：2025-02-18
申请号：CN202411348445.9
申请日：2024-09-26
Applicant: 淮阴工学院
IPC: G01R31/392 , G01R31/36 , G01R31/378 , G01R31/367 , G06F18/2135 , G06N3/045 , G06N3/0985
Abstract: 本发明公开了一种燃料电池健康状态评估方法，利用改进的核主成分分析对燃料电池工作参数和运行参数进行特征提取；采用TVF‑EMD技术对燃料电池数据进行分解，得到各子模态，降低序列的非平稳性，并通过模糊熵聚合减少序列数，提高数据处理效率；提出一种自注意力机制改进的可分解多尺度融合的时间序列预测模型TimeMixer，从精细到粗略以及从粗略到精细两个方向上混合多尺度季节性和趋势组件，全面提取时序数据中的信息，增强预测的鲁棒性；应用改进的差异创意搜索算法DCS对TimeMixer模型的超参数进行优化，以快速搜索出最优的超参数组合，实现对燃料电池健康状态的精准评估。本发明采用基于数据的深度学习技术来解决燃料电池数据的复杂性和健康状态评估的难题。
-
公开(公告)号：CN119129404A
公开(公告)日：2024-12-13
申请号：CN202411206386.1
申请日：2024-08-30
Applicant: 淮阴工学院
IPC: G06F30/27 , G06N3/045 , G06N3/0985 , G06F17/10 , G01R31/367 , G01R31/392 , G06F119/04
Abstract: 本发明公开了一种基于Stacking融合的锂电池剩余使用寿命预测方法，首先通过鲁棒局部均值分解对锂电池容量数据进行分解，然后通过模糊熵聚合，以减少序列数量；再利用时变滤波经验模态分解熵值最高的模态分量进行二次分解，接着将处理后的数据分别输入到轻量级时间序列分析模型和无逆极限学习机中进行预测并采用改进的波搜索算法对FITS模型和IFELM模型进行参数优选，利用Stacking算法对这两个模型的预测值进行融合，紧接着进行误差校正，最后将融合后的预测结果和误差预测结果进行叠加得到最终的锂电池容量预测结果，根据容量数据和剩余寿命之间的关系，得到预测结果。本发明能够有效地提高锂电池剩余寿命的预测模型精度，也为锂电池的安全性判断提供了可靠的依据。
-
公开(公告)号：CN119070354A
公开(公告)日：2024-12-03
申请号：CN202411157769.4
申请日：2024-08-22
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于复合储能功率分配的微电网多目标优化控制方法，首先，根据微电网系统功率分配策略得到所需储能系统平抑的功率信号；其次，通过MVMD分解所得功率信号，并重构为高中低频三个重构信号以分配给复合储能系统，各储能按频进行针对性平稳波动；对微电网系统建立基于复合储能功率分配的多目标优化模型，包括优化变量、目标函数和约束条件；并提出ICCSO改进算法以增强其全局收敛性，对所建立的多目标优化模型求解，得到符合期望目标函数的最优信号重构求和模态数及惩罚因子参数组。本发明通过复合储能系统进行三频段功率分配响应建立多目标优化模型并求解，可进一步完善微电网系统风电功率波动的全频段精准平抑。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.024 seconds)
