-
公开(公告)号：CN119129788A
公开(公告)日：2024-12-13
申请号：CN202410039312.7
申请日：2024-01-10
Applicant: 淮阴工学院
IPC: G06Q10/04 , G06Q50/26 , G06N3/006 , G06N3/0455 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于多测点相关分析的空气质量预测模型及系统，具体步骤如下：收集某地区的空气质量数据、气象数据以及相邻城市站点的AQI；对采集到的数据使用Pearson相关系数进行特征选择；利用奇异谱分析对AQI数据进行分解并重构为多个分量，从而提取出AQI数据中的周期分量分解出趋势、振荡分量和噪声；将重构的多个分量分为高频和低频信号送入空气质量预测模型中进行训练；构建基于Transformer和在线序列随机向量泛函链路网络的高低频空气质量预测模型；利用改进人工蜂群算法IABC对Transformer和OSRVFL模型超参数进行寻优，并通过云平台展示历史数据以及预测结果。与现有技术相比，本发明能够得到高精度、泛化能力强的空气质量预测模型，提高了空气质量预测精度。
-
公开(公告)号：CN117117968B
公开(公告)日：2024-08-16
申请号：CN202311097368.X
申请日：2023-08-28
Applicant: 淮阴工学院
IPC: H02J3/38 , H02J3/00 , G06Q50/06 , G06F18/214 , G06N3/045 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/0985 , G06N7/08 , G06N3/006 , G06F123/02
Abstract: 本发明公开了一种基于数据增强的风电场爬坡事件预测方法，包括如下步骤：获取风电场历史功率数据，并进行数据清洗；利用MK‑滑动窗口检测法对上一步骤得到的风电功率数据进行分段趋势提取，并进行爬坡检测；构建时间序列生成对抗网络TimeGAN，将检测到的风电功率爬坡数据进行数据增强，并划分为训练集、验证集和测试集；建立ETSformer模型，将得到的训练集和验证集输入到ETSformer模型中进行训练；采用Logistic混沌映射策略和高斯‑柯西混合变异策略对人工蜂鸟算法AHA进行改进，得到IAHA算法，利用IAHA算法优化ETSformer模型的超参数，提高其在风电功率爬坡事件预测的精度；最后，使用测试集对风电功率爬坡事件进行预测。本发明能够解决爬坡数据缺失问题，并提高其预测的精度。
-
公开(公告)号：CN116840722B
公开(公告)日：2024-02-23
申请号：CN202310685096.9
申请日：2023-06-09
Applicant: 淮阴工学院
IPC: G01R31/392 , G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06F17/10 , G06F17/16 , G06F17/18 , G06F18/214 , G06N3/08 , G06N3/0464 , G06N3/049
Abstract: 本发明公开了一种质子交换膜燃料电池性能退化评估与寿命预测方法，预先获取质子交换膜燃料电池的监测数据，先对质子交换膜燃料电池的监测数据使用皮尔逊相关分析法的确定输出变量，然后采用MIC特征提取获取输入变量集，通过改进的凌日搜索算法LGTSOA优化时间卷积网络和随机向量网络模型RVFL结合的神经网络模型进行训练，得到质子交换膜燃料电池的性能退化评估预测模型LGTSOA‑TCN‑RVFL，实现电池性能退化评估与寿命预测。本发明为质子交换膜燃料电池性能退化提供了更加精准的预测结果，也为质子交换膜燃料电池的寿命预测提供了更(56)对比文件KR 20230036776 A,2023.03.15US 2013252116 A1,2013.09.26Saad S. Khan 等.Novel dynamicsemiempirical proton exchange membranefuel cell model incoporating componentvoltages《.INTERNATIONAL JOURNAL OF ENERGYRESEARCH》.2018,第42卷(第8期),2615-2630.胡鹏飞.质子交换膜燃料电池的健康度和剩余使用寿命的预测方法研究《.中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》.2023,(第02期),B015-1282.
-
公开(公告)号：CN116776935B
公开(公告)日：2024-02-23
申请号：CN202310685035.2
申请日：2023-06-09
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于改进MICN的光伏功率预测方法，首先采集光伏电厂的历史光伏功率数据和气象数据，并进行数据预处理；利用自适应啁啾模态分解ACMD把历史光伏功率序列分解成N个子序列；其次，利用相关性分析将得到的多变量气象特征和N个子序列输入到多尺度等距卷积网络MICN模型中；然后，利用改进的原子轨道搜索算法MAOS优化MICN模型的参数，并建立复合损失函数，将准确率、稳定度和合格率三个优化目标同时加入到损失函数中，综合提升模型的预测性能；最后，通过最小二乘支持向量机模型LSSVM对MICN模型的光伏功率预测结果和LSSVM模型的预测误差进行校正，得到光伏功率最终预测输出。本发明可以对光伏电厂的光伏功率实现(56)对比文件余向阳;赵怡茗;杨宁宁;岳同耿日;高春阳.基于VMD-SE-LSSVM和迭代误差修正的光伏发电功率预测.太阳能学报.2020,(02),全文.班多晗;吕鑫;王鑫元.基于一维混沌映射的高效图像加密算法.计算机科学.2019,(04),全文.吴小博;刘荻.基于像素-位水平联合扩散的图像加密算法.计算机工程与设计.2016,(12),全文.
-
公开(公告)号：CN117134334A
公开(公告)日：2023-11-28
申请号：CN202311088568.9
申请日：2023-08-28
Applicant: 淮阴工学院
IPC: H02J3/00 , G06Q50/06 , G06F18/214 , G06N7/01 , G06N7/08 , G06N20/20 , G06N3/0464 , G06N3/049 , G06N3/0985
Abstract: 本发明公开了一种基于机理‑数据驱动混合集成的光伏发电功率预测方法，采用时空分离卷积网络预测模型SSTCN结合维度可分离卷积网络DSAT和全连接预测输出层构建可分离时空卷积网络模型DSATCN的数据驱动模型，采用基于贝叶斯优化BO和多项式混沌展开PCE代理模型优化可分离时空卷积网络预测模型的超参数，采用参数相对容易获取的ASHRAE模型作为计算情况辐照度的基础，建立计算晴空辐照度与实际光伏电站晴天出力之间的映射模型，构建基于机理的晴空功率模型，使用Blending集成学习通过充分利用各模型预测原理的差异性，达到不同模型间的互补，对数据驱动和晴空功率机理模型得到光伏发电功率预测结果进行集成学习，得到最终的光伏发电功率的预测，提高整体模型的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN116885691A
公开(公告)日：2023-10-13
申请号：CN202310626107.6
申请日：2023-05-30
Applicant: 淮阴工学院
IPC: H02J3/00 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/10 , G06F18/213 , G06N3/0985 , H02J3/38
Abstract: 本发明公开了一种风电功率爬坡事件间接预测方法，首先，利用多元变分模态分解将原始风电功率和风速联合分解成一组相对平稳的子序列；其次，使用卷积神经网络对每一个被分解的风电功率序列进行特征提取；再次，利用改进的FDA算法对BIGRU模型的超参数进行优化，得到优化预测模型并对风电功率进行预测，采用残差修正模型TCN对其进行误差校正，以获得最终的风电功率预测值；最后，将最终风电功率预测值作为输入，使用改进的FDA算法优化旋转门算法对其中的风电爬坡事件进行识别；结合爬坡定义和检测算法，对预测功率中的爬坡事件进行间接预测。本发明能够使得风功率预测更加接近实际值，提高风功率预测的准确度，提升风电爬坡事件的识别精度。
-
公开(公告)号：CN116822743A
公开(公告)日：2023-09-29
申请号：CN202310819699.3
申请日：2023-07-05
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于两阶段分解重构与误差校正的风电功率预测方法，包括以下内容：获取风电功率数据并进行处理，并对处理过的风电功率序列进行群稀疏模态分解，得到不同分量，利用改进的MGA算法优化Flowformer模型参数，然后每个分量训练一个Flowformer模型，得到每个分量预测值，将所有分量相加得到风电功率初步预测值；将风电功率初步预测值与真实值做差获得误差序列；对误差序列进行相同的分解、预测操作得到风电功率误差预测值，则最终的预测结果为风电功率初步预测值与风电功率误差预测值之和。与现有技术相比，本发明实现了风电功率预测结果的修正，使预测结果更加准确。
-
公开(公告)号：CN116502541A
公开(公告)日：2023-07-28
申请号：CN202310568459.0
申请日：2023-05-18
Applicant: 淮阴工学院
IPC: G06F30/27 , G06N3/006 , G06N3/0464 , G06N3/08 , G06F119/04 , G06F113/08 , G06F119/14 , G06F119/08
Abstract: 本发明公开了一种质子交换膜燃料电池寿命预测的方法，采用改进的蛇优化算法分别优化卷积神经网络模型CSO‑CNN和随机向量网络模型CSO‑RVFL进行退化趋势预测；采用粒子滤波嵌套半经验模型，首先通过燃料电池的物理模型进行循环迭代得到状态方程和观测方程的参数范围，并利用粒子群优化算法进行对物理模型进行参数优化；最后采用Blending算法对数据驱动模型和物理模型预测结果进行集成学习得到燃料电池的性能退化趋势，使用性能退化趋势预测结果对质子交换膜燃料电池剩余寿命进行预测。本发明利用改进的蛇算法对CNN和RVFL模型进行同步优化，能够更好的得到燃料电池性能退化趋势，实现对质子交换膜燃料电池剩余寿命的精确快速预测。
-
公开(公告)号：CN118501745B
公开(公告)日：2025-02-25
申请号：CN202410630793.9
申请日：2024-05-21
Applicant: 淮阴工学院
IPC: G01R31/387 , G01R31/392 , G01R31/367 , G01R31/378 , G01R31/385 , G06F18/15 , G06N5/01
Abstract: 本发明公开了一种基于误差校正的锂电池SOC和SOH联合估计方法及系统，首先利用KD树对锂电池充放电数据进行缺失值填补，建立第一数据集；然后建立锂电池SOC估计模型，进行SOC估计，得到SOC估计值；利用OSELM模型对SOC估计值进行误差校正，得到最终SOC估计值；将所述最终SOC估计值与锂电池充放电数据组成第二数据集，建立锂电池SOH估计模型，采用改进的算数优化算法优化模型超参数，进行SOH估计，得到最终SOH估计值。本发明结合误差校正的思想，使锂电池荷电状态估计结果更为精准，并考虑到锂电池荷电状态与健康状态之间的紧密联系关系，对锂电池SOC和SOH进行联合估计，与现有技术相比，本发明能够有效提高计算精度，使得估计更为准确。
-
公开(公告)号：CN116646927B
公开(公告)日：2024-10-25
申请号：CN202310627483.7
申请日：2023-05-30
Applicant: 淮阴工学院
IPC: H02J3/00 , H02J3/38 , G06F18/213 , G06F18/23 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06N3/084
Abstract: 本发明提供了一种基于分段滤波与纵横聚类的风电功率预测方法，首先获取风电功率的历史数据，SDT进行爬坡识别，分别使用MEEMD滤波、smooth滤波对数据进行预处理，得到分段滤波后的波形；采用纵横聚类对数据进行聚类，纵向聚类通过日内预聚类、单日间再聚类和纵向时间单元的三步聚类来实现全年细化季节特性聚类，同时将纵向类内的全部数据联排聚类，实现小时间尺度下的精细横向聚类；使用变分自动编码器对聚类后的数据进行特征提取，然后使用改进的蒲公英优化算法优化Transformer预测模型参数，预测得到风电功率。本发明解决了数据波动性对预测精度的影响，其次考虑单日相似性与细化季节特性的实际情况，有效提高了预测风电功率的精确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.049 seconds)
