一种基于改进U-Net模型的地基云图分割方法和系统

    公开(公告)号:CN119006481A

    公开(公告)日:2024-11-22

    申请号:CN202411039405.6

    申请日:2024-07-31

    Applicant: 常州大学

    Abstract: 本发明提供了一种基于改进U‑Net模型的地基云图分割方法和系统,属于目标检测技术领域。包括:搭建U‑Net传统模型;采用空洞卷积替换U‑Net传统模型中的传统卷积,并嵌入空洞空间卷积池化金字塔构建空洞块Dilate‑Block,改进U‑Net传统模型的编码器;在跳跃连接层中加入具有残差结构的边界细化模块DS‑Path;通过结合深度可分离卷积和多头自注意力改造CBAM注意力机制架构构建Im‑CSAM模块,使其与所述具有残差结构的边界细化模块DS‑Path相连;引入双三次插值法在所述解码器中进行上采样;基于所述空洞块Dilate‑Block、具有残差结构的边界细化模块DS‑Path、Im‑CSAM模块以及对解码器上采样的改进构建改进U‑Net云图分割模型。通过改进U‑Net模型有效提高了云图分割精度。

    基于改进局部云遮挡指数算法的光伏功率预测方法和系统

    公开(公告)号:CN118232335A

    公开(公告)日:2024-06-21

    申请号:CN202410407315.1

    申请日:2024-04-07

    Applicant: 常州大学

    Abstract: 本发明提供了一种基于改进局部云遮挡指数算法的光伏功率预测方法和系统,包括:计算出原始天空图像中太阳坐标;根据太阳坐标得到以太阳为中心的矩形太阳块图像;通过加入自适应参数优化二维高斯函数;采用优化后二维高斯函数和K均值聚类算法生成处理后的太阳块图像;计算局部云遮挡指数;计算太阳块图像中的关键区域亮度;在ResNet18网络模型中添加非对称卷积块和SE注意力机制用以优化ResNet18网络结构;构建光伏功率预测模型;通过向光伏功率预测模型输入天空图像信息作为图像特征,输入关键区域亮度和局部云遮挡指数作为数值特征,输出预测的光伏功率。通过构建考虑图像特征与数值特征多输入的深度学习混合模型,提高预测光伏功率的精度。

    基于特征加权和组合模型的短期风电功率预测方法及系统

    公开(公告)号:CN118352993A

    公开(公告)日:2024-07-16

    申请号:CN202410373420.8

    申请日:2024-03-29

    Applicant: 常州大学

    Abstract: 本发明涉及风电预测技术领域,尤其涉及基于特征加权和组合模型的短期风电功率预测方法及系统,包括采集与风电相关的气象特征数据和对应的历史风电功率数据作为输入;采用注意力机制对不同的输入特征进行权重分配,各输入特征根据分配的权重大小重构成新的特征序列;利用具有三层不同卷积核的MCN神经网络对新的特征序列进行特征提取,输出融合后的特征;将融合后的特征输入到堆叠三层的Bi‑LSTM网络,进而提取特征序列的长短期依赖关系,输出短期风电功率预测值。本发明利用注意力机制、MCN和SBLSTM构建A‑MCN‑SBLSTM模型,旨在克服现有预测方法中存在的精度低的问题。

Patent Agency Ranking