-
公开(公告)号：CN119518708A
公开(公告)日：2025-02-25
申请号：CN202411528996.3
申请日：2024-10-30
Applicant: 淮阴工学院
IPC: H02J3/00 , G06F18/15 , G06F18/2113 , G06F18/213 , G06N3/0455 , G06N3/0499
Abstract: 本发明公开了一种基于多变量与时空信息的区域内光伏功率预测方法及系统，预测方法包括以下步骤：采集多个光伏电站的历史光伏功率数据和气象数据，对数据进行预处理：利用特征模态分解将历史光伏功率数据分解为多个模态；通过最大信息系数对气象因素数据进行特征选择，与上述多个模态构成多变量输入矩阵，并划分为训练集和测试集；建立ETSformer时空模型，利用训练集对模型进行训练；用Halton序列和翻筋斗觅食策略对PID搜索算法进行改进，得到改进后的PID搜索算法(IPSA)；通过IPSA优化ETSformer模型的学习率、批量大小等超参数；通过测试集对光伏功率进行预测。本发明通过考虑气象因素和时空信息，适用于不同区域和不同规模的光伏电站，实现对光伏功率的高精度预测。
-
公开(公告)号：CN118199054B
公开(公告)日：2024-10-29
申请号：CN202410489544.2
申请日：2024-04-23
Applicant: 淮阴工学院
IPC: H02J3/00 , G06N3/0475 , G06N3/0464 , G06N3/045 , G06N3/042 , G06N3/08 , G06F18/15 , G06F18/213 , G06F18/2415 , G06N3/006
Abstract: 本发明公开了一种电力负荷预测方法、装置及介质，所述方法包括：首先对获取原始的电力负荷数据进行预处理；利用InfoGAN方法对电力负荷中缺失的数据进行重构；采用图卷积神经网络算法对电力负荷数据进行特征提取，进而把提取的有效数据构成邻接矩阵；采用随机对立学习策略、饥饿搜索策略和准反向学习策略对DBO算法进行改进，得到IDBO算法；之后把邻接矩阵输入周期性解耦神经网络模型中进行训练，同时利用IDBO算法优化周期性解耦神经网络模型参数，利用训练优化后的周期性解耦神经网络模型对电力负荷进行预测。本发明能对电力负荷进行准确预测，确保电力系统的稳定、高效运行以及对合理规划未来能源供需起着关键的作用。
-
公开(公告)号：CN118837775A
公开(公告)日：2024-10-25
申请号：CN202410854553.7
申请日：2024-06-28
Applicant: 淮阴工学院
IPC: G01R31/392 , G01R31/367 , G01R31/378 , G01R31/396
Abstract: 本发明公开一种锂离子电池健康状态和剩余使用寿命联合估计方法，包括以下步骤：(1)收集锂离子电池的电池初始数据；(2)从锂电池运行数据中提取与容量衰减高度相关的可测量退化指标即间接健康特征；(3)对二次插值优化QIO算法进行改进，采用多项式变异扰动策略方法对种群进行初始化优化，得到IQIO算法；(4)构建基于FEDformer模型的锂电池健康状态SOH估计模型，使用间接健康状态特征作为输入；(5)构建基于Pathformer模型的锂电池剩余使用寿命RUL估计模型，使用SOH估计结果和SOH真实值对电池RUL进行预测；(6)利用IQIO算分别法对步骤(4)和步骤(5)中的FEDformer模型和Pathformer模型的超参数进行优化，获得最优超参数，利用优化后的模型对锂电池健康状态和剩余使用寿命进行预测；本发明能够实现实现更精确的锂电池SOH和RUL联合估计。
-
公开(公告)号：CN119986383A
公开(公告)日：2025-05-13
申请号：CN202510075747.1
申请日：2025-01-17
Applicant: 淮阴工学院
IPC: G01R31/367 , G01R31/378 , G01R31/382 , G01R31/392 , G01R31/396 , G06F18/10 , G06F18/214 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/006 , G06F18/213 , G06N3/048
Abstract: 本发明公开了一种锂电池健康状态监测方法和系统，方法包括：利用传感器实时监测，获得电池的原始数据，对原始数据进行预处理，得到多维时间序列数据，并划分为训练集和测试集；利用多元时间序列插补的生成对抗网络ImputeGAN优化多维时间序列数据，提高多维时间序列数据插补的精度和效率；采用并行卷积神经网络PCNN提取优化后的多维时间序列数据的特征向量；利用对立学习策略、差分排序变异策略对鲸鱼优化算法WOA算法进行改进，得到IWOA算法；将PCNN提取的特征向量输入深度扩展学习用于周期性时间序列预测模型DEPTS中进行训练，同时利用IWOA算法优化DEPTS的参数，利用训练优化后的DEPTS对锂电池健康状态进行监测；本发明能准确、高效的进行锂电池健康状态监测。
-
公开(公告)号：CN118393359A
公开(公告)日：2024-07-26
申请号：CN202410489542.3
申请日：2024-04-23
Applicant: 淮阴工学院
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种锂电池荷电状态和健康状态联合估计方法、装置及介质，所述方法包括：首先获取锂电池充放电数据，利用最小二乘滑动滤波算法和归一化方法对锂电池数据集进行处理；根据SOC和SOH定义得到SOC与SOH之间的联系；采用Logistic‑Tent映射对光谱优化器算法的种群进行初始化操作，采用自适应调整搜索策略优化算法搜索阶段，得到ILSO；利用ILSO算法对基于iTransFormer的锂电池荷电状态估计模型的超参数进行优化，获得最优超参数，通过SOC和SOH联合估计公式计算当前老化程度下的SOH值，实现SOH估计。本发明兼顾了单一锂电池状态预测的优点，具有更高的准确性和稳定性，能给实现更精确的锂电池SOC和SOH联合估计。
-
公开(公告)号：CN119829996A
公开(公告)日：2025-04-15
申请号：CN202411858942.3
申请日：2024-12-17
Applicant: 淮阴工学院
IPC: G06F18/2135 , G01R31/367 , G01R31/378 , H01M8/04298 , H01M8/04992 , H01M8/04313 , G06N5/01 , G06F18/2433 , G06N3/0455 , G06N3/0985 , G06N3/084 , G06F18/10
Abstract: 本发明公开了一种基于长期运行数据的燃料电池剩余使用寿命预测方法和系统，方法包括：采集燃料电池的历史运行数据，并进行预处理；通过逆非线性主成分分析INLPCA对预处理后的数据进行特征选择，获取最佳输入数据集；引入单纯形法SM和精英反向学习策略EOBL进行改进，得到改进的混合单纯形闪电搜索算法LSA‑SM；建立基于ITransformer模型的燃料电池剩余使用寿命预测模型；利用改进的混合单纯形闪电搜索算法LSA‑SM算法对燃料电池剩余使用寿命预测模型的超参数进行优化，获得最优超参数，得到优化后的LSA‑SM‑ITransformer模型；利用优化后的LSA‑SM‑ITransformer模型对电池寿命进行预测；本发明能够提高能源效率、降低维护成本，有效延长电池寿命，减少能源浪费。
-
公开(公告)号：CN118821066A
公开(公告)日：2024-10-22
申请号：CN202410784638.2
申请日：2024-06-18
Applicant: 淮阴工学院
IPC: G06F18/27 , G06F18/21 , G06N3/0464 , G06N3/086 , G16C20/10
Abstract: 本发明公开了一种化工过程聚合釜故障诊断方法及系统，预先获取聚合釜在不同状态下的运行过程中产生的故障特征数据，并进行数据预处理；构建聚合釜故障诊断模型VGNMD‑MICN；通过引入VGNMD对预处理后的数据进行分解，得到不同的模式分量；接着利用皮尔森相关系数的方法对不同模式分量进行特征选择，得到与故障标签高度相关的特征集合，进而组成故障诊断特征集；把故障诊断特征集输入到MICN进行训练；采用Halton序列初始化种群、动态对立策略和精英反向学习策略来改进天鹰优化器算法AO；并采用改进的AO算法实现对VGNMD‑MICN中的参数整体优化，得到更加准确的化工过程的聚合釜故障诊断结果。本发明通过化工过程的故障诊断，确保化工生产过程安全、高效、稳定运行。
-
公开(公告)号：CN117783875B
公开(公告)日：2024-08-30
申请号：CN202311820312.2
申请日：2023-12-26
Applicant: 淮阴工学院
IPC: G01R31/367 , G01R31/378
Abstract: 本发明公开了一种基于模型融合的锂电池荷电状态预测方法及装置，获取锂电池数据集，并进行处理与数据划分；建立锂电池二阶Thevenin等效电路模型，对能量谷优化算法EVO进行改进；将等效电路数学形式与改进的能量谷优化算法IEVO结合，计算各待求参数，完成等效电路模型的参数辨识，得到完整的锂电池二阶Thevenin等效电路模型；利用安时积分法计算得到锂电池的预测数据；将预处理过的稳定的锂电池数据集输入到深度学习模型中进行训练，而得到对应的锂电池预测数据；将得到的两种模型的锂电池SOC输出数据，通过熵权法方法进行数据融合，得到融合后最终的锂电池SOC状态。本发明相较于现有的锂电池荷电状态预测具有更高的准确性和稳定性，实现更精准的锂电池荷电状态预测。
-
公开(公告)号：CN117877252B
公开(公告)日：2024-07-19
申请号：CN202311849226.4
申请日：2023-12-28
Applicant: 淮阴工学院
IPC: G08G1/01 , G06F18/213 , G06F18/23 , G06F18/2413 , G06N3/006 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06N7/08
Abstract: 本发明公开了一种基于聚类与进化深度学习的交通流预测方法，对预先采集的交通流数据进行预处理，用改进的聚类算法对交通流数据进行聚类；采用欧拉特征提取方法从交通流数据中提取出有关时间序列的振幅、相位和频率特征信息；之后采用Tent混沌映射、非线性惯性权重因子和领导者策略对EDO算法进行改进，得到IEDO算法；把提取有效的交通流数据送入CLformer模型中进行训练，同时利用IEDO算法优化CLformer模型参数，利用训练优化后的CLformer模型对交通流进行预测。本发明通过历史交通流时间序列数据准确预判未来的交通流量情况，对交通行业的发展有着重要意义。
-
公开(公告)号：CN117786554B
公开(公告)日：2024-07-19
申请号：CN202311808882.X
申请日：2023-12-26
Applicant: 淮阴工学院
IPC: G06F18/2431 , G01R31/34 , G01M13/00 , G01M13/021 , G01M13/028 , G01M13/045 , G06F18/214 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种应用于新能源汽车的电机声纹故障诊断方法，预先获取新能源车辆电机在正常和不同故障状态下的声纹信号，采用改进的辛几何模态分解ASGMD对故障数据进行去噪分解；提取多尺度散布熵特征，提取声纹信号的ASGMD特征能量熵特征和多尺度散布熵特征构建混合特征向量集，并划分训练集和测试集；在战争策略算法WSO中引入Tent混沌映射和非线性自适应权重策略，得到改进的战争策略算法AWSO；构建Flowformer‑CNN模型，并采用AWSO对Flowformer‑CNN进行参数寻优；所述Flowformer模型为将标准的Transformer中的二次复杂度Attention替换为Flow‑Attention；将优化的Flowformer‑CNN模型与Softmax分类器结合，输入测试集，得到电机的声纹故障诊断结果。本发明实现对电机不同故障的精准判断，进一步保证车辆的正常运行。
