-
Patent Agency Ranking
公开(公告)号：CN109978039A
公开(公告)日：2019-07-05
申请号：CN201910207037.4
申请日：2019-03-19
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于不平衡数据集情况的下风机叶片结冰预测方法，该方法使得不平衡数据集中数据样本的分布达到平衡，并结合随机森林算法(RF)对风机叶片结冰事件进行预测。该算法首先将原始少数类样本进行BIRCH层次聚类操作，并在每个聚类区根据样本点的密集度划分不同的浓度区。浓度越低的区域所要合成样本越多，与之相反的是浓度越高的区需要合成的样本越少。为了遵循少数类样本的原始分布情况，在每个聚类簇内的不同浓度区中分别合成新样本。其次BIRCH‑SMOTE算法改进了线性插值操作，在插值过程中加大了随机性，有效的避免了合成样本的重叠冗余问题。最后利用平衡化后的数据集对随机森林模型进行训练，并得到风机叶片结冰预测结果。
-
公开(公告)号：CN111157899B
公开(公告)日：2022-09-13
申请号：CN202010065000.5
申请日：2020-01-20
Applicant: 南京邮电大学
IPC: G01R31/367 , G01R31/388
Abstract: 一种基于模型融合思想对电池SOC的估计方法，基于Stacking模型融合思想将改进支持向量回归PSO‑SVR、AdaBoost、随机森林RF三种模型进行融合的集成算法对电池SOC估计的方法，先对电池SOC的特征工程进行特征扩展和特征筛选，为了降低过拟合风险，利用K折交叉验证的方法对数据集进行处理，然后利用粒子群算法对支持向量机算法进行改进，最后利用提出的模型融合方法对电池SOC进行估计。本方法对电池SOC的估计精度要优于SVR、AdaBoost和RF三种单模型对电池SOC的估计精度，能够精确地估计储能电池荷电状态，电池SOC精确地估计是高效安全进行电池充放电、延长电池使用寿命的保证，是故障诊断的前提，是电力系统稳定、安全、高效运行的重要保障，也是加快推进智能电网必不可少的途径之一。
-
公开(公告)号：CN109978039B
公开(公告)日：2020-10-16
申请号：CN201910207037.4
申请日：2019-03-19
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于不平衡数据集情况的下风机叶片结冰预测方法，该方法使得不平衡数据集中数据样本的分布达到平衡，并结合随机森林算法(RF)对风机叶片结冰事件进行预测。该算法首先将原始少数类样本进行BIRCH层次聚类操作，并在每个聚类区根据样本点的密集度划分不同的浓度区。浓度越低的区域所要合成样本越多，与之相反的是浓度越高的区需要合成的样本越少。为了遵循少数类样本的原始分布情况，在每个聚类簇内的不同浓度区中分别合成新样本。其次BIRCH‑SMOTE算法改进了线性插值操作，在插值过程中加大了随机性，有效的避免了合成样本的重叠冗余问题。最后利用平衡化后的数据集对随机森林模型进行训练，并得到风机叶片结冰预测结果。
-
公开(公告)号：CN111190110A
公开(公告)日：2020-05-22
申请号：CN202010032007.7
申请日：2020-01-13
Applicant: 南京邮电大学
IPC: G01R31/367 , G01R31/388 , G01R31/392 , G01R31/378
Abstract: 本发明公开了一种综合考虑内外影响因素的锂离子电池SOC在线估算方法，采用锂离子电池在放电阶段的电压平台期的某段电压区间内所释放的电量和环境温度为特征来估算锂离子电池的实际容量，表征电池的老化程度；采用锂离子电池运行时的环境温度、电压、充放电电流和锂离子电池的实际容量作为特征来估算SOC；采用GBRT作为训练模型，使用采集的数据离线训练分别得到估算锂离子电池实际容量的模型和充放电阶段估算SOC的模型；在线估算SOC时，在电池放电阶段采集特征数据估算并更新当前电池的实际容量，在充放电阶段使用当前电池的实际容量并结合采集的温度值、电压值和电流值估算SOC。
-
公开(公告)号：CN111157899A
公开(公告)日：2020-05-15
申请号：CN202010065000.5
申请日：2020-01-20
Applicant: 南京邮电大学
IPC: G01R31/367 , G01R31/388
Abstract: 一种基于模型融合思想对电池SOC的估计方法，基于Stacking模型融合思想将改进支持向量回归PSO-SVR、AdaBoost、随机森林RF三种模型进行融合的集成算法对电池SOC估计的方法，先对电池SOC的特征工程进行特征扩展和特征筛选，为了降低过拟合风险，利用K折交叉验证的方法对数据集进行处理，然后利用粒子群算法对支持向量机算法进行改进，最后利用提出的模型融合方法对电池SOC进行估计。本方法对电池SOC的估计精度要优于SVR、AdaBoost和RF三种单模型对电池SOC的估计精度，能够精确地估计储能电池荷电状态，电池SOC精确地估计是高效安全进行电池充放电、延长电池使用寿命的保证，是故障诊断的前提，是电力系统稳定、安全、高效运行的重要保障，也是加快推进智能电网必不可少的途径之一。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
