-
公开(公告)号:CN108509993A
公开(公告)日:2018-09-07
申请号:CN201810282232.9
申请日:2018-04-02
Applicant: 安徽理工大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6256
Abstract: 本发明公开了一种矿井突水激光诱导荧光光谱图像识别方法,包括以下步骤:(1)利用激光诱导荧光光谱仪获取水样的原始荧光光谱图像;(2)对水样的原始荧光光谱图像进行缩放、裁剪和灰度化预处理;(3)采用PCANet对预处理后的灰度图像进行特征提取,得到PCANet图像特征;(4)采用SPXY法将由PCANet图像特征组成的水样样本划分为独立的训练集和测试集;(5)在训练集上建立突水水源识别模型,并通过测试集进行该模型识别结果的测试。本发明采用PCANet进行矿井突水水源荧光光谱图像的识别模型构建简单和参数调优简单,同时具有很高的识别率且识别速度快,非常适用于矿井突水水源的实时、在线监测。
-
公开(公告)号:CN114662902B
公开(公告)日:2025-03-18
申请号:CN202210280160.0
申请日:2022-03-21
Applicant: 安徽理工大学
IPC: G06Q10/0637 , G06Q10/04 , G06Q50/06 , G06N3/006
Abstract: 本发明公开了一种基于自适应鲸鱼优化的电力负荷特征筛选方法,包括:采集不同类型电力负荷在一个连续采样周期内的电压、电流、有功功率和无功功率;分别提取电压、电流、有功功率和无功功率的时域特征和频域特征;将时域特征和频域特征合并,得到电力负荷的时域和频域联合特征;基于自适应鲸鱼优化算法对电力负荷的时域和频域联合特征进行特征筛选,得到电力负荷的筛选特征。本发明在提取电力数据的时域特征和频域特征基础上,借助自适应鲸鱼优化算法实现电力负荷特征的准确筛选,得到了电力负荷的筛选特征,减少了原始时域特征和频域特征的冗余信息,提高了电力负荷辨识的精度和速度。
-
公开(公告)号:CN114530847B
公开(公告)日:2024-08-09
申请号:CN202210170067.4
申请日:2022-02-23
Applicant: 安徽理工大学 , 国网安徽省电力有限公司
IPC: H02J3/00 , G06F18/10 , G06F18/213 , G06F18/24
Abstract: 本发明公开了非活性电流谐波结合XGBoost的非侵入式负荷辨识方法,包括:利用非侵入式负荷监测系统采集待识别的电力系统负荷稳态电流数据和稳态电压数据,对采集到的稳态电流数据和稳态电压数据中值滤波处理,根据中值滤波后的稳态电流数据和稳态电压数据提取总有功功率特征、总无功功率特征及非活性电流各次谐波分量特征,利用核主成分分析KPCA对非活性电流各次谐波分量特征降维,提取主要谐波信息,与总有功功率特征、总无功功率特征结合形成XGBoost分类模型的多特征目标函数,将提取总有功功率特征、总无功功率特征及非活性电流各次谐波分量特征输入XGBoost分类模型,识别不同的负荷。该方法用于非侵入式负荷辨识,实现了负荷高效且快速准确识。
-
公开(公告)号:CN114912545B
公开(公告)日:2024-06-14
申请号:CN202210657083.6
申请日:2022-06-10
Applicant: 安徽理工大学
IPC: G06F18/241 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于优化VMD算法和DBN网络的电力负荷分类方法,其特征在于,包括:获取多个负荷在采样周期内的电力负荷数据,并对电力负荷数据进行预处理;通过优化VMD算法对预处理后的电力负荷数据进行分解,并从分解向量中提取特征向量;将特征向量输入至训练后的DBN神经网络中进行负荷分类;通过该方法可以将优化VMD算法和DBN神经网络相结合,从而实现对用电负荷进行精准分类。
-
公开(公告)号:CN117909716A
公开(公告)日:2024-04-19
申请号:CN202410086881.7
申请日:2024-01-22
Applicant: 安徽理工大学
IPC: G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/045 , H02J3/00
Abstract: 本发明提供一种基于深度学习模型的非侵入式电力负荷分解方法,包括:S1获取总功率以及各个设备的功率数据,并进行预处理;S2利用滑动窗口获取特征数据,同时划分数据集;S3搭建结合多尺度卷积模块、门控Transformer编码器模块、WaveLSTM模块以及输出模块的深度学习模型;S4将数据集送入深度学习模型中,训练、测试以及评估模型,实现非侵入式负荷分解。本发明具有提取多尺度特征信息、考虑重要时间点的记忆信息对当前负荷分解的影响、提高时序负荷分解精度的优点。
-
公开(公告)号:CN117574066A
公开(公告)日:2024-02-20
申请号:CN202311516168.3
申请日:2023-11-13
Applicant: 安徽理工大学
IPC: G06F18/15 , G06F18/23213 , G06F17/18 , G06N3/006 , G06Q50/06
Abstract: 本发明提出一种基于改进灰狼优化算法的虚拟电厂利润最大化方法,首先S1采集历史数据;S2对采集到的数据进行预处理;S3利用蒙特卡洛优化法进行模拟风光的不确定性;S4利用K‑means算法缩减场景集数至特定的天气,如无风无光,暴雨等;S5根据运行维护成本,卖电收益构建目标函数;S6提出了系统运行约束条件;S7提出改进灰狼优化算法求出电厂最大利润,将利润最大作为算法的求解目标,以运行约束条件作为算法的约束条件。本方法针对灰狼优化算法进行了改进,通过引入非线性调整策略,使收敛因子非线性收敛,增强全局探索能力,提高算法收敛性。还引入自适应柯西变异策略来优化算法,对当前代最优解进行柯西变异操作,提高算法跳出局部最优解的概率。
-
公开(公告)号:CN117269552A
公开(公告)日:2023-12-22
申请号:CN202311198237.0
申请日:2023-09-15
Applicant: 安徽理工大学 , 国网安徽省电力有限公司 , 国网安徽省电力有限公司合肥供电公司
Abstract: 本发明公开了一种分布式负荷监测采样装置,包括壳体,还包括:连杆组件,用于拔插电器上的线缆,以及限位组件,用于对线缆进行紧固;所述限位组件,包括基杆、滑杆、夹杆以及夹板,所述基杆在壳体内侧与壳体铰接,所述基杆顶端的套筒中滑动连接有滑杆,所述基杆顶端套筒两侧铰接有夹杆,两个所述夹杆上分别铰接有夹板,所述基杆与连杆组件连接,所述与散热组件连接;本发明,可自动中断配电器的连通。
-
公开(公告)号:CN113771731B
公开(公告)日:2023-02-10
申请号:CN202110762757.4
申请日:2021-07-06
Applicant: 安徽理工大学
IPC: B60P7/08
Abstract: 本发明提供一种智能输送小车,包括输送车主体、驱动组件、直板、夹紧机构和套环,所述输送车主体底部外壁固定连接有驱动组件,所述输送车主体内侧活动连接有直板,通过设置有转动齿轮、齿条、转动圆盘、移动块及夹紧机构等装置,上料时,通过拉手将直板抽出,转动齿轮沿着齿条作转动来带动转动圆盘转动,使得三组移动块沿着转动圆盘上的螺圈槽移动,三组移动块将相对应的夹紧机构抵开,方便工作人员将壳体安置在底座上,接着通过拉手将直板推入,此时的夹紧机构在复位弹簧的作用下复位对壳体进行夹紧固定,上料过程中随着直板的推入夹紧机构随之转动对壳体进行固定夹紧,便于壳体的上料。
-
公开(公告)号:CN114912545A
公开(公告)日:2022-08-16
申请号:CN202210657083.6
申请日:2022-06-10
Applicant: 安徽理工大学
Abstract: 本发明公开了基于优化VMD算法和DBN网络的电力负荷分类方法,其特征在于,包括:获取多个负荷在采样周期内的电力负荷数据,并对电力负荷数据进行预处理;通过优化VMD算法对预处理后的电力负荷数据进行分解,并从分解向量中提取特征向量;将特征向量输入至训练后的DBN神经网络中进行负荷分类;通过该方法可以将优化VMD算法和DBN神经网络相结合,从而实现对用电负荷进行精准分类。
-
公开(公告)号:CN114595873A
公开(公告)日:2022-06-07
申请号:CN202210169235.8
申请日:2022-02-23
Applicant: 安徽理工大学 , 国网安徽省电力有限公司
Abstract: 本发明公开了一种基于灰色关联的DA‑LSTM的短期电力负荷预测方法,包括:获取多日日负荷影响因素数据和负荷数据,计算各个日负荷影响因素数据负荷数据之间的MIC值,获得各影响因素的权重,划分历史日数据和待预测日数据,并构建灰色关联判断矩阵,利用各影响因素的权重对灰色关联判断矩阵进行加权,计算出加权灰色关联决策阵,得到每个历史日和待预测日的灰色关联值,将灰色关联值从大到小进行排序,设置阈值,选择满足阈值历史日作为相似日集,构建DA‑LSTM模型,利用将蜻蜓算法DA对长短期记忆网络LSTM的参数进行优化,在DA‑LSTM模型中输入相似日数据,对待预测日进行负荷预测。该方法结合历史负荷、气象、日期类型等因素进行预测,能对待预测日实现短期预测。
-
-
-
-
-
-
-
-
-