-
公开(公告)号：CN113553712B
公开(公告)日：2023-05-26
申请号：CN202110832583.4
申请日：2021-07-22
Applicant: 华侨大学
IPC: G06F30/20 , G06F17/16 , G06F17/18 , G06F119/02
Abstract: 本发明公开了一种基于多元回归的粉末冶金混合材料配方建模及控制方法，通过分析粉末冶金工艺制备铁基或铜基烧结材料试样，采用正交试验方法，对混合材料配方进行优选试验，分析混合材料元素含量对产品质量指标的影响，通过多元回归分析法建立粉末冶金混合材料与产品的密度、硬度等质量指标相关的数学模型，并对模型进行F检验、t检验、异方差诊断和多重共线性诊断，建立配方与产品质量指标的最优模型，利用该模型可对产品质量指标进行预测，通过模型亦可获得产品质量指标的优选配方，实现粉末冶金加工过程产品质量的预测和材料配方的智能优化设计，对制备高性能指标、降低生产成本、减少新产品试制周期、提高生产效率具有一定指导意义。
-
公开(公告)号：CN119273190A
公开(公告)日：2025-01-07
申请号：CN202411784275.9
申请日：2024-12-06
Applicant: 华侨大学
IPC: G06Q10/0637 , G06Q50/06 , G06F18/2415 , G06F18/23213 , G06N3/126
Abstract: 本发明涉及一种基于模拟退火模糊C均值及贝叶斯的电力时段划分方法，属于电力负荷数据分析技术领域。所述方法结合遗传模拟退火算法和模糊C均值聚类技术，并通过贝叶斯评估机制进行验证。首先，通过收集并分析历史电力负荷数据，利用遗传模拟退火算法优化模糊C均值聚类过程，精确地将电力负荷数据划分为不同的峰平谷时段；接着，采用贝叶斯评估机制对聚类结果进行后验概率评估，确保电力峰平谷时段划分的准确性和可靠性；本发明方法能够准确判断电力负荷的峰平谷特性，为电力系统的优化调度和能源管理提供科学依据。本发明不仅能够提高时段划分的准确性，更好地适应各种复杂的电力系统环境，还可有效降低能源浪费和供电成本。
-
公开(公告)号：CN113705688B
公开(公告)日：2023-08-04
申请号：CN202111005919.6
申请日：2021-08-30
Applicant: 华侨大学
IPC: G06F18/213 , G06F18/23213 , G06Q10/0631 , G06Q50/06
Abstract: 一种电力用户异常用电行为检测方法和系统，包括如下步骤：1)通过非侵入式负荷监测得到用户用电数据；2)采用深度Q网络学习方法对用户用电数据进行处理得到用户用电行为模式图，其包括已查实的异常的用户用电行为模式图；3)对已查实的异常的用户用电行为模式图提取用电行为特征；4)根据提取的用电行为特征建立多个分析模型；5)采用Q网络学习方法对多个分析模型分别进行训练和评估，选取评估效果最优的分析模型；6)采用评估效果最优的分析模型来检测用户的用电行为是否异常。本发明对电能数据的监测及合理化的提取、利用，将有利于实现配电网合理化配送电力、最大效率使用已有电能。
-
公开(公告)号：CN113553712A
公开(公告)日：2021-10-26
申请号：CN202110832583.4
申请日：2021-07-22
Applicant: 华侨大学
IPC: G06F30/20 , G06F17/16 , G06F17/18 , G06F119/02
Abstract: 本发明公开了一种基于多元回归的粉末冶金混合材料配方建模及控制方法，通过分析粉末冶金工艺制备铁基或铜基烧结材料试样，采用正交试验方法，对混合材料配方进行优选试验，分析混合材料元素含量对产品质量指标的影响，通过多元回归分析法建立粉末冶金混合材料与产品的密度、硬度等质量指标相关的数学模型，并对模型进行F检验、t检验、异方差诊断和多重共线性诊断，建立配方与产品质量指标的最优模型，利用该模型可对产品质量指标进行预测，通过模型亦可获得产品质量指标的优选配方，实现粉末冶金加工过程产品质量的预测和材料配方的智能优化设计，对制备高性能指标、降低生产成本、减少新产品试制周期、提高生产效率具有一定指导意义。
-
公开(公告)号：CN118445618A
公开(公告)日：2024-08-06
申请号：CN202410557486.2
申请日：2024-05-07
Applicant: 华侨大学
IPC: G06F18/214 , G06F18/213 , G06F18/27 , G06N20/00 , G06F21/62 , G06F18/25 , H02J3/00 , G06F123/02
Abstract: 本发明提供一种基于联邦分割学习的海上风电场发电功率短期预测方法及系统，通过分布式的客户端、边缘服务器以及云端的协同工作，实现对海上风电场发电功率数据的高效处理和预测。通过效率最优的模型分割，将云端的机器学习模型划分为特征提取器和回归器两部分。将海上风电场的模型信息发送至云端，申请加入协作学习任务。云端提出分为两阶段的合作学习任务，根据客户端节点的算力，云端进行分组，采用不同复杂度的模型进行联邦学习。在完成联合分组学习后，进行本地模型训练。训练后模型参数上传至边缘端，经过两阶段验证后用于全局模型的聚合更新。最终，云端获得所有分组的特征提取器和复杂模型，用于海上风电场发电功率短期预测。
-
Patent Agency Ranking
公开(公告)号：CN117879066A
公开(公告)日：2024-04-12
申请号：CN202311838490.8
申请日：2023-12-28
Applicant: 华侨大学
Abstract: 本发明公开了一种基于主客观赋权的火储出力跟踪AGC性能的多层次评估方法，通过给出火储机组出力跟踪速度系数#imgabs0#、跟踪精度系数#imgabs1#、替代性系数#imgabs2#，建立三层评价体系；实现对火储机组联合出力跟踪AGC信号性能的三层评估。将改进层次分析法与改进熵权法相结合，能有效解决仅通过单一专家矩阵主观赋权带来的局限性，并且运用的改进层次分析法可以有效避免传统层次分析法存在的高阶矩阵一致性难以通过和重复求解的问题；最后通过改进熵权法对改进层次分析法所得出的权重进行修正，使得三层评估体系指标之间的权重更加科学合理，AGC性能评估结果更符合客观实际、更具有说服力，能够指导电力系统的稳定运行，有利于改善电网频率质量。
-
公开(公告)号：CN111105131B
公开(公告)日：2022-07-01
申请号：CN201911080896.8
申请日：2019-11-07
Applicant: 华侨大学
Abstract: 本发明提供了一种基于改进D‑S证据理论的水质判断方法。本方法为了解决传统的基本概率分配函数(BPA)获取过度依赖专家知识经验而缺乏实时性与客观性，采用基于有序命题类问题的典型样本方法，获取如溶解氧、高锰酸盐、氨氮等水质参数在五类水质上的基本概率分配函数，获取过程中采用弹性拉大的方法对BPA进行修正。再针对水质参数监测数据在五类水质中的概率分配情况，采用对各类水质概率进行加权分配的融合方法，消除了传统D‑S证据理论在水质参数监测数据融合中存在的逻辑错误问题，融合精度更高，说服力更强，从而可以对监测点的水质状况做出迅速、正确的判断。
-
公开(公告)号：CN113705688A
公开(公告)日：2021-11-26
申请号：CN202111005919.6
申请日：2021-08-30
Applicant: 华侨大学
Abstract: 一种电力用户异常用电行为检测方法和系统，包括如下步骤：1)通过非侵入式负荷监测得到用户用电数据；2)采用深度Q网络学习方法对用户用电数据进行处理得到用户用电行为模式图，其包括已查实的异常的用户用电行为模式图；3)对已查实的异常的用户用电行为模式图提取用电行为特征；4)根据提取的用电行为特征建立多个分析模型；5)采用Q网络学习方法对多个分析模型分别进行训练和评估，选取评估效果最优的分析模型；6)采用评估效果最优的分析模型来检测用户的用电行为是否异常。本发明对电能数据的监测及合理化的提取、利用，将有利于实现配电网合理化配送电力、最大效率使用已有电能。
-
公开(公告)号：CN111105131A
公开(公告)日：2020-05-05
申请号：CN201911080896.8
申请日：2019-11-07
Applicant: 华侨大学
Abstract: 本发明提供了一种基于改进D-S证据理论的水质判断方法。本方法为了解决传统的基本概率分配函数(BPA)获取过度依赖专家知识经验而缺乏实时性与客观性，采用基于有序命题类问题的典型样本方法，获取如溶解氧、高锰酸盐、氨氮等水质参数在五类水质上的基本概率分配函数，获取过程中采用弹性拉大的方法对BPA进行修正。再针对水质参数监测数据在五类水质中的概率分配情况，采用对各类水质概率进行加权分配的融合方法，消除了传统D-S证据理论在水质参数监测数据融合中存在的逻辑错误问题，融合精度更高，说服力更强，从而可以对监测点的水质状况做出迅速、正确的判断。
-
公开(公告)号：CN119272532B
公开(公告)日：2025-03-07
申请号：CN202411784276.3
申请日：2024-12-06
Applicant: 华侨大学
IPC: G06F30/20 , H02J3/00 , H02J3/28 , G06F17/16 , G06F17/18 , G06Q10/0631 , G06Q50/06 , G06F111/04 , G06F113/04
Abstract: 本发明涉及一种基于约束奇诺多面体的5G基站备用储能可行域聚合方法，属于分布式储能优化调度领域。所述方法，包括：获取基站备用储能的功率上下限、荷电状态上下限，并对基站的可调度容量评估；根据得到的功率上下限、荷电状态上下限、可调度容量，将待聚合基站备用储能在半平面表示形式下的可行域刻画模型转换为约束奇诺多面体表示形式下的可行域刻画模型；对基站备用储能的可行域刻画模型进行闵可夫斯基求和，得到5G基站备用储能可行域聚合模型。本发明使用约束奇诺多面体对5G基站备用储能可行域进行高效聚合，将不同分布的基站备用储能聚合为一个整体参与到电力市场交易中，降低5G基站的运行成本，促进电力系统与通信系统的互利共赢。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.018 seconds)
