-
公开(公告)号：CN116954058A
公开(公告)日：2023-10-27
申请号：CN202310866104.X
申请日：2023-07-13
Applicant: 淮阴工学院
IPC: G05B11/42 , F23N1/02 , G06Q10/04 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/006 , G06N3/08
Abstract: 本发明公开了一种锅炉NOx浓度预测与智能控制方法及系统，首先，获取锅炉排放的历史NOx浓度数据和辅助变量数据，并使用拉依达准则进行数据清洗；其次，利用最大信息系数筛选与NOx排放浓度相关性较强的辅助变量；然后，建立基于FCGRU‑CNN的NOx预测模型，通过改进后的人工蜂鸟算法IAHA优化FCGRU‑CNN模型的学习率、隐藏层数和隐藏层节点数，得到与实测值误差最小的NOx浓度预测值；最后，计算NOx浓度预测值与设定值的偏差和NOx浓度测量值与设定值的偏差，通过权重因子进行加权组合，利用偏差组合专家控制器在线调整PID控制器系数，并控制进风阀、燃烧调节阀和返料阀的开度，使系统NOx浓度输出值接近预期设定值。本发明可以实现锅炉燃烧出口NOx浓度的精准预测和智能控制。
-
公开(公告)号：CN116842463A
公开(公告)日：2023-10-03
申请号：CN202310819698.9
申请日：2023-07-05
Applicant: 淮阴工学院
IPC: G06F18/2415 , G06N3/049 , G06N3/0464 , G06F18/214 , G06N3/0475 , G06N3/094 , G06N3/08 , G06N3/006 , G06F18/213 , G01R31/00 , G01R31/36
Abstract: 本发明公开了一种电动汽车充电桩设备故障诊断方法，在大数据库中获取充电桩历史故障数据，并进行数据预处理；利用TimeGAN对原始数据集进行数据增强，生成时间序列数据；将扩充后的数据集划分成训练集、验证集和测试集；通过时间卷积网络TCN和FEDformer构建TCN‑FEDformer融合模型；采用拉丁超立方初始化方法和柯西反向学习混合变异策略对阿基米德优化算法AOA进行改进，得到MAOA算法；利用MAOA算法优化TCN‑FEDformer融合模型的超参数，得到更有效的充电桩设备故障特征信息；将融合模型的输出通过全局平均池化后使用softmax函数进行分类。本发明能够实现对充电桩设备故障的快速、准确地诊断，提高充电桩设备的安全性和可用性。
-
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：CN116776935A
公开(公告)日：2023-09-19
申请号：CN202310685035.2
申请日：2023-06-09
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于改进MICN的光伏功率预测方法，首先采集光伏电厂的历史光伏功率数据和气象数据，并进行数据预处理；利用自适应啁啾模态分解ACMD把历史光伏功率序列分解成N个子序列；其次，利用相关性分析将得到的多变量气象特征和N个子序列输入到多尺度等距卷积网络MICN模型中；然后，利用改进的原子轨道搜索算法MAOS优化MICN模型的参数，并建立复合损失函数，将准确率、稳定度和合格率三个优化目标同时加入到损失函数中，综合提升模型的预测性能；最后，通过最小二乘支持向量机模型LSSVM对MICN模型的光伏功率预测结果和LSSVM模型的预测误差进行校正，得到光伏功率最终预测输出。本发明可以对光伏电厂的光伏功率实现更精准的预测。
-
公开(公告)号：CN116679211A
公开(公告)日：2023-09-01
申请号：CN202310566491.5
申请日：2023-05-18
Applicant: 淮阴工学院
IPC: G01R31/367 , G01R31/378 , G01R31/392
Abstract: 本发明公开了一种锂电池健康状态的预测方法，预先获取锂电池历史使用数据，并对其进行预处理；建立锂电池二阶等效电路模型；对供需优化算法SDO进行改进得到ISDO算法；将数学形式嵌入到ISDO算法中，计算得到锂电池的SOH1；将预处理过的稳定的锂电池数据集分别输入到随机初始化参数后的高斯过程回归机器学习模型和Transformer深度学习模型中进行训练，得到优化后的两个模型，从而得到两个模型对应的两组锂电池预测数据SOH2和SOH3；将得到的三种模型的锂电池SOH输出数据，通过自适应加权方法进行数据融合，得到融合后最终的的锂电池健康状态。本发明解决了单一数据驱动模型通用性差和单一等效电路模型精度不高的问题，提升锂电池健康状态检测结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119474797A
公开(公告)日：2025-02-18
申请号：CN202411348458.6
申请日：2024-09-26
Applicant: 淮阴工学院
IPC: G06F18/213 , G01M13/045 , G06F18/10 , G06F18/214 , G06F18/25 , G06F18/22 , G06N3/006 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/0985 , G06F17/18 , G06F17/16
Abstract: 本发明公开了一种轴承故障诊断方法，首先采用多传感器采集轴承不同位置及方向的健康及各类故障状态下的振动信号，利用SG滤波方法中对轴承原始信号进行去噪并进行特征融合，提高信号的适应性和可靠性；其次利用再生相移正弦辅助经验模态分解方法对去噪后的轴承振动信号进行分解，得到一系列振动信号分量数据IMF，使用传递熵选出最优的TE‑IMF，得到重组后的信号数据；然后将稀疏初始化和概率扰动策略对非垄断搜索算法NO的初始化阶段和种群搜索阶段进行改进，得到CNO；最后利用CNO对基于SageFormer的轴承故障诊断模型中的超参数进行优化，利用训练好的模型进行轴承故障诊断。本发明能有效提高轴承故障诊断结果的准确率。
-
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。
-
公开(公告)号：CN117273200B
公开(公告)日：2024-09-06
申请号：CN202311112445.4
申请日：2023-08-31
Applicant: 淮阴工学院
IPC: G06Q10/04 , G06Q10/0639 , G06N3/0464 , G06N3/049 , G06N3/045 , G06F17/10
Abstract: 本发明公开了一种基于卷积优化算法和Pyraformer神经网络的径流区间预报方法，包括采集数据，采用卷积优化算法优化Pyraformer神经网络模型作为径流区间的预测模型；利用覆盖率指标PICP、平均宽度指标PINAW、对称性指标PIS定义卷积优化算法的复合目标函数CSWC作为模型的适应度函数，并在参数可行域范围内优化预测模型参数；利用预测模型预测径流区间取值的上、下边界；同时利用覆盖率指标PICP、平均宽度指标PINAW、对称性指标PIS对上下边界进行准确度进行评价及修正；利用上下边界误差，获得误差数据的预测结果；并将预测结果送入设计的误差校正策略中，获得最终的区间预测结果。本发明解决了现有技术中局部优化算法预报径流区间不准确的问题。
-
公开(公告)号：CN118011211B
公开(公告)日：2024-07-23
申请号：CN202410006568.8
申请日：2024-01-02
Applicant: 淮阴工学院
IPC: G01R31/367 , G01R31/378 , G01R31/385 , G01R31/387
Abstract: 本发明公开一种锂电池荷电状态与能量状态估计方法，收集不同工况下锂离子电池单体充放电的电压、电流、温度、荷电状态、能量状态等实时数据，采用离群因子检测LOF方法对原始数据的异常值进行剔除，使用高斯数据增强方法对原始数据进行拓展，构建TimesNet模型训练的增强数据集合。使用TimesNet神经网络构建锂电池能量状态和荷电状态估计的误差校正模型，采用基于随机森林的贝叶斯优化对模型的超参数进行优化，获得最优超参数，并将最优超参数输入到模型中，使用优化后的电池状态模型，得到电池能量状态和荷电状态的估计结果。与现有技术相比，本发明能够有效的估计锂电池能量状态和荷电状态，提高模型精度。
-
公开(公告)号：CN116679211B
公开(公告)日：2024-07-12
申请号：CN202310566491.5
申请日：2023-05-18
Applicant: 淮阴工学院
IPC: G01R31/367 , G01R31/378 , G01R31/392
Abstract: 本发明公开了一种锂电池健康状态的预测方法，预先获取锂电池历史使用数据，并对其进行预处理；建立锂电池二阶等效电路模型；对供需优化算法SDO进行改进得到ISDO算法；将数学形式嵌入到ISDO算法中，计算得到锂电池的SOH1；将预处理过的稳定的锂电池数据集分别输入到随机初始化参数后的高斯过程回归机器学习模型和Transformer深度学习模型中进行训练，得到优化后的两个模型，从而得到两个模型对应的两组锂电池预测数据SOH2和SOH3；将得到的三种模型的锂电池SOH输出数据，通过自适应加权方法进行数据融合，得到融合后最终的的锂电池健康状态。本发明解决了单一数据驱动模型通用性差和单一等效电路模型精度不高的问题，提升锂电池健康状态检测结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.028 seconds)
