-
公开(公告)号：CN114861973A
公开(公告)日：2022-08-05
申请号：CN202210296578.0
申请日：2022-03-24
Applicant: 三峡大学
Abstract: 一种计及多源因素的风力发电系统动态风险预测方法，分析影响风力发电系统正常运行的主要因素，构建风力发电系统风险评估体系；建立基于贝叶斯网络的风力发电系统风险评估模型；采集风电场的故障信息数据；将故障信息数据随机划分为训练集和测试集，其中，训练集用于模型进行训练，完成训练后，使用测试集测试训练出的风险评估模型；利用专家打分法对各故障危害性进行量化打分，结合模型预测结果计算风险等级分值并进行等级划分。根据风险等级分值绘制风险矩阵图，直观地反映各系统可能面临的风险严重度，辅助运维人员制定检修、维护等决策。本发明方法可以实时反应风机运行过程中所面临的各种风险，实现事前评估，减小了故障发生带来的影响。
-
公开(公告)号：CN116224324A
公开(公告)日：2023-06-06
申请号：CN202310313391.1
申请日：2023-03-28
Applicant: 三峡大学
Abstract: 基于深度学习的超分辨率3D‑GPR图像的频率‑波数分析方法，包括以下步骤：步骤一：获取管道模型反射的探地雷达GPR数据；步骤二：建立基于深度学习的SR‑GPR图像深度剩余信道增强网络；步骤三：将t‑s域中的SR‑C层扫描数据，通过3D傅立叶变换到f‑k域；步骤四：在f域中应用低通滤波器，考虑激发频率来确定滤波频率带宽，设计k域过滤器；步骤五：对GPR信号进行频率‑波数分析。本发明提出了深度学习网络的f‑k分析技术，所述f‑k分析技术与深度学习网络生成的SR‑GPR图像相结合方法，可以显着减少任意地下介质的不均匀性和不需要的测量噪声。此外，该方法可以分解探地雷达感应的电磁波场，以对从特定地下物体反射的波传播进行方向性分析。
-
Patent Agency Ranking
公开(公告)号：CN114791924A
公开(公告)日：2022-07-26
申请号：CN202210295362.2
申请日：2022-03-24
Applicant: 三峡大学
IPC: G06F16/2453 , G06F16/2458 , G06F16/22 , G06F16/28
Abstract: 基于自编码技术的ACT‑Apriori算法，首先，对事务数据库D进行预处理，将事务数据库D中各项目的高频参数NS忽略并用自编码位向量SNT代替，形成简化数据库RBD，使得数据维度大幅度降低；将数据记录简化后全部读到内存，在频繁项集连接、剪枝生成候选项集的过程中，对生成候选项集的过程进行改进，直接生成候选项集，得到候选项集后扫描数据库计算支持度，由于候选项集与简化数据库RBD均已排序，在每条记录中分别搜索候选项集时，一旦搜索到大于候选项的值时，即可停止该事务的搜索。相较于现有全新的关联规则算法，本发明算法计算时间大幅度缩短，内存占有率较大程度降低，在时间复杂度和空间复杂度上有明显优化。
-
公开(公告)号：CN114861973B
公开(公告)日：2024-06-14
申请号：CN202210296578.0
申请日：2022-03-24
Applicant: 三峡大学
Abstract: 一种计及多源因素的风力发电系统动态风险预测方法，分析影响风力发电系统正常运行的主要因素，构建风力发电系统风险评估体系；建立基于贝叶斯网络的风力发电系统风险评估模型；采集风电场的故障信息数据；将故障信息数据随机划分为训练集和测试集，其中，训练集用于模型进行训练，完成训练后，使用测试集测试训练出的风险评估模型；利用专家打分法对各故障危害性进行量化打分，结合模型预测结果计算风险等级分值并进行等级划分。根据风险等级分值绘制风险矩阵图，直观地反映各系统可能面临的风险严重度，辅助运维人员制定检修、维护等决策。本发明方法可以实时反应风机运行过程中所面临的各种风险，实现事前评估，减小了故障发生带来的影响。
-
公开(公告)号：CN114221545A
公开(公告)日：2022-03-22
申请号：CN202111529522.7
申请日：2021-12-14
Applicant: 国网福建省电力有限公司宁德供电公司 , 三峡大学
Abstract: 本发明涉及一种高压增益升压cuk电路及控制方法、控制装置，电路包括输入单元和升压单元；输入单元包括电感L1、L2，电容C3，功率开关S1、S2、S3，二极管D1、D2、D5；光伏输入的正极与二极管D1的阳极连接，负极与蓄电池输入的负极、功率开关S3的源极、二极管D5的阴极连接；电感L1的一端与二极管D1的阴极连接，另一端与功率开关S3的漏极连接；电容C3的一端与功率开关S3的漏极连接，另一端与二极管D5的阳极连接；二极管D2的阳极与功率开关S3的漏极连接，阴极与功率开关S1的源极连接；功率开关S2的漏极与蓄电池输入的正极连接；电感L2的一端与二极管D5的阳极连接；本发明实现了多端口DC‑DC变换器和高增益DC‑DC变换器集成。
-
公开(公告)号：CN115310620A
公开(公告)日：2022-11-08
申请号：CN202210779903.9
申请日：2022-07-04
Applicant: 三峡大学
Abstract: 基于EFO‑AOA混合算子的特征选择算法，将数据集分为训练集和测试集，并为一组表示特征选择FS目标特征的个体设置初始值；计算每个特征个体的布尔逻辑值，并根据布尔逻辑值对应的特征计算适应度函数值；确定每个特征个体的适应度值，并将具有做优适应度值的个体作为最佳特征个体使用，在迭代更新时，EFO算子通过主动电定位与被动电定位以发现包含最优解的可行区域；根据随机概率，使用AOA运算符执行运算策略，再次执行更新特征的过程，迭代至达到停止标准为止。通过最优目标特征个体的布尔逻辑值中的对应特征，来减少测试集的维度。该算法解决了在高维特征筛选中会出现的收敛速度慢和陷入局部极小的问题，且在准确度和冗余度降维方面均表现出了显著的性能。
-
公开(公告)号：CN114370380A
公开(公告)日：2022-04-19
申请号：CN202111495441.X
申请日：2021-12-08
Applicant: 三峡大学
Abstract: 一种计及气象因素的风电机组故障诊断方法，采集风电场故障信息，以及发生故障时气象历史记录；对风电机组故障机理进行分析，确定初始特征集，利用ReliefF算法对引发风机故障的因素进行特征提取，选出最优特征集；建立基于贝叶斯网络的风电机组故障诊断模型，将提取出的特征作为原因加入；用收集到的训练数据集训练基于贝叶斯网络的风电机组故障诊断模型，先找出符合数据分布特点的先验分布，用训练数据将先验状态更新为后验状态，依据不断学习的状态模型对故障预测做出最优决策。本发明结合气象因素采用贝叶斯网络对风电机组进行故障诊断，避免故障发生之后再对风机进行诊断而导致严重的后果；提高了预测诊断的准确率和速度。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
