-
公开(公告)号：CN118970926B
公开(公告)日：2025-02-25
申请号：CN202411052587.0
申请日：2024-08-02
Applicant: 南京信息工程大学
IPC: H02J3/00 , G06F18/214 , G06F18/2431 , G06F30/27 , G06Q50/06 , G06F113/04 , G06F119/02
Abstract: 本发明属于光伏功率预测技术领域，具体涉及一种融合机理模型和场站实测的光伏功率智能预测方法及系统。本发明的融合机理模型和场站实测的光伏功率智能预测方法通过收集并整理历史场站实测数据以及模式数据，利用模式数据对训练模型增加物理约束，通过场站实测数据提高训练模型的精度，最后融合输出结果，以达两种数据优势互补的目的，实现提升光伏发电功率预测准确度的效果；以及通过区分稳定和恶劣天气类型，在稳定天气条件下采用CNN+Transformer模型，在恶劣天气条件下采用CNN+BiLSTM模型，进一步提升光伏发电功率预测准确度，并且节省计算资源，提高预测效率。
-
Patent Agency Ranking
公开(公告)号：CN119853023A
公开(公告)日：2025-04-18
申请号：CN202510329275.8
申请日：2025-03-20
Applicant: 南京信息工程大学
IPC: H02J3/00 , G06Q10/0637 , G06Q50/06 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于SLSTM‑RMTN模型的电力负荷预测方法，针对目标电力系统，设计以数据值的STL分解为出发，分别针对趋势分量、季节分量、残差分量，筛选各分量分别对应的目标传感器，针对包含长短期记忆网络、残差连接、多项式展开所构成的目标待训练网络进行训练，获得各分量下的电力负荷预测模型，然后在预测应用下，针对采样数据，分别执行各分量下电力负荷预测模型的预测，并进行融合，完成对目标电力系统的电力负荷预测；设计方案在应用中，能够准确地捕获电力负荷数据的时间序列特性，减少数据维度，显著提高了模型的精度和泛化能力，能够优化电力资源配置，平衡供需关系。
-
公开(公告)号：CN118378165B
公开(公告)日：2024-08-27
申请号：CN202410809451.3
申请日：2024-06-21
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/2131 , G06F18/214 , G06F18/21 , G06N3/045 , G01S7/02 , G01S7/285 , G01S7/295
Abstract: 本发明公开了一种基于自注意力机制的多维泰勒网的雷达脉内调制信号识别方法，包括：针对雷达脉内调制信号，选取分类特征，构成各个样本；随机打乱原有的以各个单位向量构成的语句序列，得到乱序数据结构；将各个单位向量构成的乱序数据结构转变为采集到的雷达信号的不同样本对应各个特征的数据构成的矩阵结构，将原本用数字对单位向量在不同维度上的表示改进为采集到的雷达信号样本对应的不同特征的数据；将自注意力机制层融入多维泰勒网，获得雷达信号分类模型。本发明充分沟通样本与样本之间的关系，兼顾在较低信噪比、选取的特征数量少、特征与目标类别相关性弱的情况下满足较高识别准确率和较快速度的需求。
-
公开(公告)号：CN118378165A
公开(公告)日：2024-07-23
申请号：CN202410809451.3
申请日：2024-06-21
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/2131 , G06F18/214 , G06F18/21 , G06N3/045 , G01S7/02 , G01S7/285 , G01S7/295
Abstract: 本发明公开了一种基于自注意力机制的多维泰勒网的雷达脉内调制信号识别方法，包括：针对雷达脉内调制信号，选取分类特征，构成各个样本；随机打乱原有的以各个单位向量构成的语句序列，得到乱序数据结构；将各个单位向量构成的乱序数据结构转变为采集到的雷达信号的不同样本对应各个特征的数据构成的矩阵结构，将原本用数字对单位向量在不同维度上的表示改进为采集到的雷达信号样本对应的不同特征的数据；将自注意力机制层融入多维泰勒网，获得雷达信号分类模型。本发明充分沟通样本与样本之间的关系，兼顾在较低信噪比、选取的特征数量少、特征与目标类别相关性弱的情况下满足较高识别准确率和较快速度的需求。
-
公开(公告)号：CN119598308A
公开(公告)日：2025-03-11
申请号：CN202411452276.3
申请日：2024-10-17
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/21 , G06N3/0499 , G06N3/084 , F24F11/30
Abstract: 本发明公开了一种基于非整数阶多项式模型的空调机组故障检测方法，包括：获取目标空调机组的故障特征数据；将故障特征数据为训练集和测试集；构建非整数阶多项式网络NIOPN模型；对NIOPN模型的输入数据进行归一化处理；基于梯度下降和Adam优化算法通过对模型进行训练，基于反向传播算法通过测试集计算损失函数对模型参数的梯度，并更新模型参数，获得训练后的NIOPN模型；本发明通过引入非整数阶多项式层的网络架构，增强模型对复杂非线性数据的拟合能力，并且在保持模型精度的同时减少过拟合。该方法可广泛应用于各类数据回归与分类场景，特别适用于特征高度非线性的数据集。
-
公开(公告)号：CN118970926A
公开(公告)日：2024-11-15
申请号：CN202411052587.0
申请日：2024-08-02
Applicant: 南京信息工程大学
IPC: H02J3/00 , G06F18/214 , G06F18/2431 , G06F30/27 , G06Q50/06 , G06F113/04 , G06F119/02
Abstract: 本发明属于光伏功率预测技术领域，具体涉及一种融合机理模型和场站实测的光伏功率智能预测方法及系统。本发明的融合机理模型和场站实测的光伏功率智能预测方法通过收集并整理历史场站实测数据以及模式数据，利用模式数据对训练模型增加物理约束，通过场站实测数据提高训练模型的精度，最后融合输出结果，以达两种数据优势互补的目的，实现提升光伏发电功率预测准确度的效果；以及通过区分稳定和恶劣天气类型，在稳定天气条件下采用CNN+Transformer模型，在恶劣天气条件下采用CNN+BiLSTM模型，进一步提升光伏发电功率预测准确度，并且节省计算资源，提高预测效率。
-
-
-
-
-
Search Results
6
records
(took 0.033 seconds)
