-
公开(公告)号：CN118625667A
公开(公告)日：2024-09-10
申请号：CN202410727975.8
申请日：2024-06-06
Applicant: 淮阴工学院
IPC: G05B13/04
Abstract: 本发明公开了一种污水处理过程软测量与多目标优化控制方法、装置及介质，采集污水处理过程溶解氧、硝态氮、出水水质和能耗数据；建立基于正则化在线顺序极限学习机的软测量模型用于预测污水处理过程的出水水质和能耗，采用分段线性混沌映射初始化和多元学习策略对自适应引导差分进化算法进行改进，得到IMOAGDE算法；以水质和能耗作为优化目标，并通过IMOAGDE算法得到溶解氧和硝态氮的优化设定值；采用积分时间绝对误差、调节时间和超调量作为优化目标，利用IMOAGDE算法对FOPID进行参数整定，找到最优的参数组合，并对溶解氧和硝态氮进行跟踪控制。本发明实现污水处理过程关键参数的在线、高精度软测量以及多目标优化控制，对于提升污水处理工艺和节能减排有重要意义。
-
公开(公告)号：CN116502539B
公开(公告)日：2024-02-27
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: 患，降低风险发生。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(56)对比文件Diansheng Luo等.Prediction forDissolved Gas in Powe r Transformer OilBased On TCN and GCN《.IEEE Transactionson Industry Applications》.2022,第58卷(第6期),7818 - 7826.Ao Dun等.Dynamic graph convolutionneural network based on spatial-temporalcorrelation for air quality prediction.《Ecological Informatics》.2022,第70卷1-10.
-
公开(公告)号：CN116667326B
公开(公告)日：2024-02-23
申请号：CN202310626730.1
申请日：2023-05-30
Applicant: 淮阴工学院
IPC: H02J3/00 , G06F18/10 , G06F18/214 , G06N3/0442 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了一种电动汽车充电负荷预测方法，首先对电动汽车充电负荷数据处理及分析，即整理电动汽车充电负荷数据，并进行预处理与清洗，从而得到日负荷曲线；针对传统时间序列预测方法在训练数据集构造方面的不足，提出交叉训练集构造方法构造交叉训练集，交叉训练集分为水平训练集和垂直训练集；利用交叉训练集对GRU‑Autoformer模型进行训练得到两个预测模型，然后利用训练好的预测模型对待测样本进行预测；随后，对预测结果进行自适应加权求和，得到预测值；同时，利用改进的材料生成算法优化Autoformer的超参数提高模型性能；最后，结合实时测量值使用自适应卡尔曼滤波对预测结果进行校正，提高对充电负荷估计的准确性，得到最终的预测负荷。
-
公开(公告)号：CN117081063A
公开(公告)日：2023-11-17
申请号：CN202311114327.7
申请日：2023-08-30
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于GCN‑Crossformer模型的分布式充电负荷预测方法及系统，首先获取历史充电负荷数据以及影响因素数据，并进行数据清洗；计算每个影响因素对充电负荷预测的贡献程度，对各个影响因素的重要性进行分析筛选；并将筛选出的影响因素数据以及历史充电负荷数据划分为训练集、验证集；构建GCN‑Crossformer充电负荷预测模型，并通过训练集和验证集进行训练，优化训练好的GCN‑Crossformer充电负荷预测模型的学习率和注意力头数；通过将优化后的GCN‑Crossformer充电负荷预测模型对充电负荷进行预测。采用结合了图卷积网络和Crossformer结构的深度学习融合模型。该融合模型可以充分利用充电站之间的空间关系和充电负荷的时间特性，实现更准确的分布式充电负荷预测。
-
公开(公告)号：CN116804706A
公开(公告)日：2023-09-26
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。
-
Patent Agency Ranking
公开(公告)号：CN116667326A
公开(公告)日：2023-08-29
申请号：CN202310626730.1
申请日：2023-05-30
Applicant: 淮阴工学院
IPC: H02J3/00 , G06F18/10 , G06F18/214 , G06N3/0442 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了一种电动汽车充电负荷预测方法，首先对电动汽车充电负荷数据处理及分析，即整理电动汽车充电负荷数据，并进行预处理与清洗，从而得到日负荷曲线；针对传统时间序列预测方法在训练数据集构造方面的不足，提出交叉训练集构造方法构造交叉训练集，交叉训练集分为水平训练集和垂直训练集；利用交叉训练集对GRU‑Autoformer模型进行训练得到两个预测模型，然后利用训练好的预测模型对待测样本进行预测；随后，对预测结果进行自适应加权求和，得到预测值；同时，利用改进的材料生成算法优化Autoformer的超参数提高模型性能；最后，结合实时测量值使用自适应卡尔曼滤波对预测结果进行校正，提高对充电负荷估计的准确性，得到最终的预测负荷。
-
公开(公告)号：CN116646927A
公开(公告)日：2023-08-25
申请号：CN202310627483.7
申请日：2023-05-30
Applicant: 淮阴工学院
IPC: H02J3/00 , H02J3/38 , G06F18/213 , G06F18/23 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06N3/084
Abstract: 本发明提供了一种基于分段滤波与纵横聚类的风电功率预测方法，首先获取风电功率的历史数据，SDT进行爬坡识别，分别使用MEEMD滤波、smooth滤波对数据进行预处理，得到分段滤波后的波形；采用纵横聚类对数据进行聚类，纵向聚类通过日内预聚类、单日间再聚类和纵向时间单元的三步聚类来实现全年细化季节特性聚类，同时将纵向类内的全部数据联排聚类，实现小时间尺度下的精细横向聚类；使用变分自动编码器对聚类后的数据进行特征提取，然后使用改进的蒲公英优化算法优化Transformer预测模型参数，预测得到风电功率。本发明解决了数据波动性对预测精度的影响，其次考虑单日相似性与细化季节特性的实际情况，有效提高了预测风电功率的精确性和鲁棒性。
-
公开(公告)号：CN118606678B
公开(公告)日：2025-02-14
申请号：CN202410775412.6
申请日：2024-06-17
Applicant: 淮阴工学院
IPC: G06F18/213 , G06F18/214 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种基于数据增强与深度学习的污水化学需氧量软测量方法，包括：采集污水处理过程的出水化学需氧量及相关变量数据；利用基于注意力机制的自适应加权生成对抗网络，对缺失的水质数据进行重构，实现数据的有效增强；利用逐次变分模态分解对出水COD进行分解，以降低出水COD的非线性和非平稳性；通过排列熵对分解后的分量进行复杂性和不确定性的量化分析，并将分量划分为高频分量和低频分量；采用FiLM模型和CatBoost模型分别对高频和低频分量进行软测量建模，并将预测结果求和；通过改进的PID搜索优化算法同步优化FiLM和CatBoost模型的参数。本发明提高了污水处理系统的运行效率和水质监测的准确性。
-
公开(公告)号：CN118552899B
公开(公告)日：2025-02-07
申请号：CN202410714345.7
申请日：2024-06-04
Applicant: 淮阴工学院
IPC: G06V20/52 , G06V10/80 , G06T5/70 , G06T5/60 , G06V10/764 , G06V10/82 , G06N3/044 , G06N3/0475 , G06N3/094 , G06N3/045
Abstract: 本发明公开了一种基于深度学习的化工厂区智能安全检测方法，在化工厂区存在安全隐患的区域安装多个摄像头，获取现场工人图像；采用改进的自适应小波阈值去噪处理原始图像；然后通过CycleGAN生成图像数据，解决样本不平衡的问题；标注预处理后的图像构建数据集；将处理后的数据集输入改进的EfficientDet目标检测模型；改进EfficientDet模型包括：在MBConv中引入PSA注意力机制，改进双向特征金字塔网络BiFPN结构；将待检测图像输入至训练好的改进EfficientDet模型，得到工人的防护装备佩戴情况及位置信息，进一步判断相关人员是否发生危险行为；最后将检测的结果显示在前端界面并发出相应的预警信号。本发明提供一种能够实时、准确和自动检测化工厂区安全隐患的系统。
-
公开(公告)号：CN119129788A
公开(公告)日：2024-12-13
申请号：CN202410039312.7
申请日：2024-01-10
Applicant: 淮阴工学院
IPC: G06Q10/04 , G06Q50/26 , G06N3/006 , G06N3/0455 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于多测点相关分析的空气质量预测模型及系统，具体步骤如下：收集某地区的空气质量数据、气象数据以及相邻城市站点的AQI；对采集到的数据使用Pearson相关系数进行特征选择；利用奇异谱分析对AQI数据进行分解并重构为多个分量，从而提取出AQI数据中的周期分量分解出趋势、振荡分量和噪声；将重构的多个分量分为高频和低频信号送入空气质量预测模型中进行训练；构建基于Transformer和在线序列随机向量泛函链路网络的高低频空气质量预测模型；利用改进人工蜂群算法IABC对Transformer和OSRVFL模型超参数进行寻优，并通过云平台展示历史数据以及预测结果。与现有技术相比，本发明能够得到高精度、泛化能力强的空气质量预测模型，提高了空气质量预测精度。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.035 seconds)
