-
公开(公告)号：CN115864450A
公开(公告)日：2023-03-28
申请号：CN202211344998.8
申请日：2022-10-31
Applicant: 国网辽宁省电力有限公司经济技术研究院 , 上海交通大学 , 国家电网有限公司
Inventor： 张娜 , 张明理 , 宋卓然 , 王春生 , 程孟增 , 胡诗尧 , 潘霄 , 牛威 , 商文颖 , 赵琳 , 周识远 , 潘飞 , 黄玉辉 , 李剑锋 , 胡旌伟 , 高靖 , 杨博 , 吉星
Abstract: 本发明公开了一种三相不平衡工况下的MMC柔性互联系统的控制方法及装置，方法包括：采集当前时刻的电路运行参数，通过坐标转换提取零序电流值；建立两相静止坐标系下的电路预测模型，计算下一时刻输出电流的预测值，利用瞬时功率理论计算各电路参数参考值；构建成本函数，评估每相上下桥臂最优的子模块投入个数；本发明有效降低了发生故障侧的三相交流馈线不平衡度，减小了单相接地故障对MMC柔性互联系统中直流母线电流与电压波动，改善了MMC换流器中三相环流，提高了换流器输出电能质量以及柔性互联系统的运行性能，提升了配电网中柔性互联装置可靠性，保证了各配电线路的电能质量。
-
公开(公告)号：CN115859099A
公开(公告)日：2023-03-28
申请号：CN202211469478.X
申请日：2022-11-22
Applicant: 上海交通大学 , 正泰集团研发中心(上海)有限公司 , 浙江正泰智维能源服务有限公司
IPC: G06F18/214 , G06F18/241
Abstract: 本发明公开了一种样本生成方法、装置、电子设备和存储介质，通过采集至少一个光伏组件的样本运行数据；根据标签样本数据对初始模型进行训练，得到初始故障诊断模型；将无标签样本数据输入至初始故障诊断模型进行故障检测，得到无标签样本数据对应的预测结果；根据无标签样本数据对应的预测结果，对无标签样本数据进行筛选处理，得到目标无标签数据；基于目标无标签数据以及标签样本数据，得到样本训练集；通过结合小样本技术，解决光伏电站实际运维中面临的训练集数据质量问题，大幅提升光伏电站的训练集数据质量，通过样本扩充，提高后续诊断模型的准确率。
-
公开(公告)号：CN115758151A
公开(公告)日：2023-03-07
申请号：CN202211468998.9
申请日：2022-11-22
Applicant: 上海交通大学 , 正泰集团研发中心(上海)有限公司 , 浙江正泰智维能源服务有限公司
IPC: G06F18/214 , G06Q50/06 , G06N3/088 , G06F18/2415 , G06N20/00 , G06N3/04 , G06F18/213 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种联合诊断模型建立方法、光伏组件故障诊断方法，通过获取各终端设备发送的故障诊断模型参数；故障诊断模型通过样本训练集训练得到；每个终端设备对应有至少一组故障诊断模型参数；对各故障诊断模型参数进行聚合，得到初始联合模型参数；根据初始联合模型参数，得到联合诊断模型；根据多个故障诊断模型参数联合建模，从而在保障隐私和通信效率的前提下充分利用多个故障诊断模型的故障类型，大幅提升了模型的泛化性，如此提高光伏组件故障诊断的诊断方法的准确率。
-
公开(公告)号：CN113283175B
公开(公告)日：2023-02-03
申请号：CN202110644538.6
申请日：2021-06-09
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于异步去中心化联邦学习的光伏电站联合故障诊断方法，涉及故障诊断领域。构建原始本地数据集；数据预处理；搭建用于训练本地故障诊断模型的CNN网络；基于异步去中心化联邦学习开展多个电站的联合故障诊断建模；最后评估联合故障诊断模型的故障诊断准确率、通信效率以及模型训练效率。本发明有效提高了模型的泛化能力；在保障数据隐私的情况下充分利用了多个电站的本地数据；全局模型的聚合不需要中心服务器的参与而是完全分布式的，有效提高了模型的通信和训练效率；只需要采用简易CNN网络就能实现高精度的光伏组件故障诊断。
-
公开(公告)号：CN113259631B
公开(公告)日：2022-11-08
申请号：CN202110676981.1
申请日：2021-06-18
Applicant: 上海交通大学
IPC: H04N7/18 , H04L67/025 , H04L67/12 , G08C23/06
Abstract: 本发明公开了一种基于烧结机尾的现场实时视频采集分析系统，涉及钢铁生产领域，包括烧结现场、计算中心、数据中心、烧结现场主控室；烧结现场用于获取并传输烧结机尾断面的图像和视频；计算中心接收烧结现场传输的图像和视频，进行特征分析和提取，并将分析得到的信息传至数据中心，同时将信息进行存储；数据中心接收计算中心传输的信息，通过调用预测控制模型，生成预测控制建议，并通过局域网传输至烧结现场主控室；烧结现场主控室接收计算中心和数据中心的信息并进行展示，同时对烧结工况参数给出调节建议，传至数据中心，实现对预测控制模型的更新。本发明能够对烧结机尾断面进行实时的采集和分析，进一步实现对烧结过程的质量预测控制。
-
Patent Agency Ranking
公开(公告)号：CN114970191A
公开(公告)日：2022-08-30
申请号：CN202210658215.7
申请日：2022-06-10
Applicant: 上海交通大学
IPC: G06F30/20 , G06Q10/06 , G06Q50/06 , G06F111/04 , G06F111/06 , G06F113/04
Abstract: 本发明公开了一种基于势博弈的电网交通系统日前分布鲁棒调度方法，涉及能源交通领域，所述方法包括以下步骤：步骤1、分别建立电网和交通网系统模型及优化问题；步骤2、分别建立交通需求和光伏出力的不确定集和模糊集；步骤3、基于势博弈函数构建集中优化问题，并提出分布鲁棒优化问题的重构方式及求解算法；步骤4、电网交通耦合系统日前优化调度案例分析。本发明针对电网交通耦合系统的日前调度优化问题，提出了一种基于势博弈框架的分布鲁棒优化方法，可以有效降低优化决策的保守性，提高电力系统运行的安全性和经济性。
-
公开(公告)号：CN112910288B
公开(公告)日：2022-08-09
申请号：CN202011442899.4
申请日：2020-12-08
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于逆变器散热器温度预测的过温预警方法，涉及电子电力电子技术领域，首先通过引入经验模态分解方法，去除了数据采集过程中产生的噪声；然后基于贝叶斯长短时记忆网络，提出了一种逆变器散热器温度预测模型，包括：(1)构建传统的长短时记忆网络，提取数据时序性特征；(2)引入贝叶斯思想，使用蒙特卡洛dropout方法来进行近似推断，通过最小化网络权重的近似分布和后验分布之间KL散度学习网络权重；(3)根据逆变器温度预测结果的分布情况，分别采用平方马氏距离和局部密度比这两种度量方式来计算模型预测值与实际值之间的偏差情况，调整网络权重。本发明有效地把握了逆变器散热器温度变化趋势，实现了逆变器过温预警。
-
公开(公告)号：CN114784828A
公开(公告)日：2022-07-22
申请号：CN202210542235.8
申请日：2022-05-17
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于强化学习的电力系统暂态‑稳态频率最优控制方法，包括以下步骤：建立电力系统的简化网络模型，将各个区域子系统都简化为一个包含总发电功率、总可控负载和总不可控负载的节点；设置分布式稳态最优控制器，获得系统稳态最优平衡点；设置基于强化学习的分布式暂态最优控制器，获得稳态‑暂态最优控制器下的系统动态。本发明可以在保证电力系统频率稳态最优性能的同时提高系统暂态控制性能。
-
公开(公告)号：CN112863179B
公开(公告)日：2022-07-12
申请号：CN202110031086.4
申请日：2021-01-11
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于神经网络模型预测控制的路口信号灯控制方法，涉及路口信号灯控制领域，包括以下步骤：建立交叉路口场景，设定计划区域并定义交叉路口延迟状态；建立神经网络预测模型；获取当前时刻交叉路口状态信息，通过所述神经网络预测模型预测下一时刻交叉路口的延迟状态；在模型预测控制的框架下，定义目标函数和约束条件并进行迭代求解，获取最优控制序列并提取控制输出控制当前时刻信号灯，下一时刻再通过数据传输更新状态进行滚动优化，以达到实时控制路口信号的目的。本发明实时应用于各种场景，能有效的还原系统特征动态并且易于应用，计算负载更小更适用于路侧嵌入式设备。
-
公开(公告)号：CN114640695A
公开(公告)日：2022-06-17
申请号：CN202210435941.2
申请日：2022-04-24
Applicant: 上海交通大学
IPC: H04L67/12 , H04L41/147 , G06K9/62
Abstract: 本发明公开了一种智能工厂基于长序列双预测和informer的高频时序数据有效传输方法，涉及智能制造领域，所述方法首先搭建云边协同长序列双预测架构，然后在该架构的边缘网关和云服务器部署训练好的长序列预测模型，最后采用长序列双预测方法在线地减少高频数据的传输量，并保证数据的精度。本发明改进了传统双预测方法的结构，通过长序列预测降低了预测模型的推理次数，从而大大提高了传统方法的适用频率，使其用于降低智能制造过程中所需要高频数据的传输量成为可能。同时，引入并结合最新深度学习模型informer解决了长序列预测带来的梯度消失和模型推理时间激增的问题，从而进一步提高了所提长序列双预测方法的传输量减少比例和适用频率。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.066 seconds)
