-
公开(公告)号：CN117909716A
公开(公告)日：2024-04-19
申请号：CN202410086881.7
申请日：2024-01-22
Applicant: 安徽理工大学
IPC: G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/045 , H02J3/00
Abstract: 本发明提供一种基于深度学习模型的非侵入式电力负荷分解方法，包括：S1获取总功率以及各个设备的功率数据，并进行预处理；S2利用滑动窗口获取特征数据，同时划分数据集；S3搭建结合多尺度卷积模块、门控Transformer编码器模块、WaveLSTM模块以及输出模块的深度学习模型；S4将数据集送入深度学习模型中，训练、测试以及评估模型，实现非侵入式负荷分解。本发明具有提取多尺度特征信息、考虑重要时间点的记忆信息对当前负荷分解的影响、提高时序负荷分解精度的优点。
-
公开(公告)号：CN117972496A
公开(公告)日：2024-05-03
申请号：CN202410276821.1
申请日：2024-03-12
Applicant: 安徽理工大学
IPC: G06F18/24 , G06F18/214 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06Q50/06
Abstract: 本发明提出一种基于OCAE模型的高耗能工厂负荷特征提取方法，首先采集两年的高耗能工厂的负荷数据，并对采集到的数据进行预处理和归一化处理；然后使用卷积层、池化层、激活层及BN层搭建优异卷积自编码器即所提出的OCAE模型；其次把数据预处理后的数据分为训练集和测试集，用训练集对OCAE模型进行训练，用测试集对OCAE模型进行测试；之后当测试集测试时，使用重建损失评价模型优异度。根据重建损失来选取最终的OCAE模型；最后与其他相同类型的特征提取方法对比，验证模型特征提取效果。最终得到OCAE模型进行高耗能工厂的负荷特征提取不仅可以更好地挖掘负荷数据深层信息，而且特征提取效果优于自编码器AE,稀疏自编码器SAE,一维卷积自编码器1D‑CAE。
-
Patent Agency Ranking
公开(公告)号：CN117906262A
公开(公告)日：2024-04-19
申请号：CN202410261742.3
申请日：2024-03-07
Applicant: 安徽理工大学
Abstract: 本发明公开了一种面向需求响应的空调负荷可调节潜力评估与互动方法，方法包括：定义空调负荷可调节潜力指标；建立人体舒适度模型；建立基于改进金豺优化算法的深度置信网络模型；基于IGJO‑DBN的空调负荷可调节潜力评估；基于IGJO‑DBN互动模型，根据需要调节的空调功率信息结合空调、环境参数等，计算预算温度的设定；面向需求响应的空调负荷实时交互。该方法解决了现有关于空调负荷可调节潜力研究中多采用启停方式控制空调，不满足人体舒适度，实施起来较为困难的问题，实现了电网与空调的实时互动，解决了传统DBN网络的隐含层神经元个数不易确定与参数选取困难的问题，并且具有极强的非线性映射能力，良好的评估精度和稳定性，为空调负荷可调节潜力评估的后续研究提供了一种新思路。
-
公开(公告)号：CN118213986A
公开(公告)日：2024-06-18
申请号：CN202410317300.6
申请日：2024-03-20
Applicant: 安徽理工大学
IPC: H02J3/00 , G06F18/15 , G06F18/214 , G06F18/243 , G06F18/25 , G06Q50/06
Abstract: 本发明涉及电力负荷预测领域，更具体的说是涉及一种基于经验小波分解和足球队训练优化算法的短期电力负荷预测方法，包括以下步骤：获取负荷数据；负荷分解；计算信号重要度并合并分量；对合并分量提取时域特征、频域特征、熵特征；将时域特征、频域特征、熵特征合并得到联合特征；构建预测模型。采用ICEEMDAN对负荷数据进行分解，通过DHFTTA算法对CatBoost模型的参数进行寻优，构建DHFTTA‑CatBoost模型对得到的联合特征进行预测，具有较好的预测性能并具有较好的鲁棒性，易于实现。
-
公开(公告)号：CN117913813A
公开(公告)日：2024-04-19
申请号：CN202410086941.5
申请日：2024-01-22
Applicant: 安徽理工大学
IPC: H02J3/00 , G06Q10/0639 , G06Q50/06 , H02J3/14
Abstract: 本发明涉及空调负荷可调节潜力评估技术领域，具体为一种需求侧响应下空调负荷可调节潜力评估方法。主要内容包括：对采集的空调负荷数据，按需求侧用电时间段划分，标识为用电时间段对应的电力负荷，并且对空调负荷数据进行预处理；利用拉丁超立方抽样LHS和动态高斯策略对麻雀搜索算法SSA改进得到ISSA算法，采用改进的麻雀搜索算法ISSA优化长短期记忆神经网络LSTM超参数，构建ISSA‑LSTM模型；然后将测试数据输入到模型中，利用空调负荷的训练数据对所述模型进行训练；最后采用性能指标对模型的准确度进行评价，利用最优模型得到最终的空调负荷可调节潜力评估结果。该方法可以保证电力系统中空调负荷安全、稳定运行，降低运行成本。在大规模空调用电的条件下，利用具有较高评估准确度的相关技术，可以有效地降低评估误差，从而提高电力系统的安全和可靠性，促进能源可持续性发展。
-
公开(公告)号：CN118797403A
公开(公告)日：2024-10-18
申请号：CN202410765754.X
申请日：2024-06-14
Applicant: 安徽理工大学
IPC: G06F18/24 , G01N21/65 , G06F18/2131 , G06F18/15 , G06N3/0455 , G06N3/08 , G06N3/006
Abstract: 本发明公开了一种基于拉曼光谱的变压器故障诊断方法，包括：利用表面增强拉曼散射技术获得故障变压器油拉曼光谱的信息，得到故障变压器油拉曼光谱数据集；在光谱数据预处理中，利用K点循环快速傅里叶变换中值法进行故障变压器油拉曼光谱的去噪预处理，利用蚁狮优化堆栈稀疏自编码器进行故障变压器油拉曼光谱的降维预处理，利用自适应迭代重加权惩罚最小二乘进行故障变压器油拉曼光谱的基线校正；利用蚁狮优化Elman神经网络分类识别模型处理预处理后的故障变压器油拉曼光谱信息。
-
公开(公告)号：CN118052149A
公开(公告)日：2024-05-17
申请号：CN202410317288.9
申请日：2024-03-20
Applicant: 安徽理工大学
IPC: G06F30/27 , G06N20/20 , G06F18/2431 , G06F119/08
Abstract: 本发明涉及空调特性分析领域，更具体的说是联合ETP模型与随机森林模型的空调特性模型构建方法，包括以下步骤：搭建实验平台获取空调运行功率、室内温湿度、室外温湿度数据，统计房间参数与空调参数及其他对空调运行会产生影响的因素；对获取的数据进行处理；用实验平台获取的数据以及房间参数和空调参数构建ETP模型，并计算其预测功率与空调实际运行功率的差值；对除房间参数和空调参数的其余影响空调运行的因素进行偏相关性分析，筛选出优选特征；将ETP模型的输入与优选特征作为输入构建数据集，构建随机森林回归模型来对ETP模型预测空调功率与实际空调功率的差值进行预测；结合随机森林模型的预测结果来对ETP模型进行补偿修正，得到修正后的空调特性模型，具有良好的预测性能。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
