-
公开(公告)号:CN117788910A
公开(公告)日:2024-03-29
申请号:CN202311811955.0
申请日:2023-12-26
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/44 , G06V10/80 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/047 , G06N3/094 , G06N3/084
Abstract: 本发明提供一种基于多视图数据的堆叠场景操作关系检测方法及系统,涉及机器人操作技术领域,方法包括:将不同视角的场景数据输入特征提取器来获得场景特征;将来自不同视图的图像和对应的场景特征投影到一个公共隐藏空间中,并使用一组冯米尔赛分布拟合嵌入,使得场景特征进行显示分布对齐;显示分布对齐后采用最大垂直角邻居点集来表示每个对象对的相对位置;将每个对象对的相对位置连接多视图二维和三维数据的特征,送入操作关系分类器以预测成对对象的操作关系。本发明通过识别与不同领域的操作关系相关的领域特定特征的关联来增强视图的一致性。
-
公开(公告)号:CN119944779A
公开(公告)日:2025-05-06
申请号:CN202510212523.0
申请日:2025-02-25
Applicant: 西安交通大学
IPC: H02J3/32 , H02J3/48 , H02J3/50 , H02J3/06 , G06F30/18 , G06F30/27 , G06F111/04 , G06F113/04
Abstract: 本发明公开了一种配电网储能‑光伏有功/无功协同电压优化方法及相关设备,以配电网和设备安全稳定运行为约束,以配电网运行成本最小和电压偏差惩罚最小为目标,构建光伏‑储能联合电压优化模型;将光伏‑储能联合电压优化模型按照资源特性分解为不同时间尺度的储能‑光伏两层有功/无功协同电压优化模型;通过构造增广拉格朗日函数法将储能‑光伏两层有功/无功协同电压优化模型转换为储能无约束优化问题和光伏无约束优化问题;求解储能无约束优化问题和光伏无约束优化问题,得到配电网储能‑光伏有功/无功协同电压优化方案。本发明的目的在于兼顾配电网电能质量提升和经济运行,避免电压越限同时更好地利用多种调节资源特性,采用分层协同控制方法实现精准高效治理。
-
公开(公告)号:CN112721706B
公开(公告)日:2022-04-12
申请号:CN202011443714.1
申请日:2020-12-08
Applicant: 国网河南省电力公司经济技术研究院 , 国家电网有限公司 , 西安交通大学
Inventor: 王圆圆 , 白宏坤 , 王世谦 , 吴雄 , 卜飞飞 , 华远鹏 , 韩丁 , 贾一博 , 王涵 , 李文峰 , 乔屹然 , 李昊宇 , 刘万勋 , 贾鹏 , 邵红博 , 李甜甜 , 刘军会
Abstract: 本发明公开了一种考虑弹性的电动汽车充电站储能系统的容量优化方法,包括以下步骤:步骤一、基于用户使用EV的习惯,进而确定FCS的EV负荷;步骤二、基于若干个临近FCS之间的距离,进而确定EV在停电期间的弹性负荷;步骤三、基于BESS容量确定BESS的各项成本以及总成本;步骤四、基于FCS总成本的最小化以及BESS充放电约束、FCS功率平衡约束,通过求解优化得到BESS的最优容量。本发明容量优化方法综合考虑成本的最小化、EV的弹性以及峰值负荷的削减,能够很好的应对停电对EV充电带来的不利影响。
-
公开(公告)号:CN112721706A
公开(公告)日:2021-04-30
申请号:CN202011443714.1
申请日:2020-12-08
Applicant: 国网河南省电力公司经济技术研究院 , 国家电网有限公司 , 西安交通大学
Inventor: 王圆圆 , 白宏坤 , 王世谦 , 吴雄 , 卜飞飞 , 华远鹏 , 韩丁 , 贾一博 , 王涵 , 李文峰 , 乔屹然 , 李昊宇 , 刘万勋 , 贾鹏 , 邵红博 , 李甜甜 , 刘军会
Abstract: 本发明公开了一种考虑弹性的电动汽车充电站储能系统的容量优化方法,包括以下步骤:步骤一、基于用户使用EV的习惯,进而确定FCS的EV负荷;步骤二、基于若干个临近FCS之间的距离,进而确定EV在停电期间的弹性负荷;步骤三、基于BESS容量确定BESS的各项成本以及总成本;步骤四、基于FCS总成本的最小化以及BESS充放电约束、FCS功率平衡约束,通过求解优化得到BESS的最优容量。本发明容量优化方法综合考虑成本的最小化、EV的弹性以及峰值负荷的削减,能够很好的应对停电对EV充电带来的不利影响。
-
公开(公告)号:CN112232488A
公开(公告)日:2021-01-15
申请号:CN202011140310.5
申请日:2020-10-22
Applicant: 国网河南省电力公司经济技术研究院 , 西安交通大学
Abstract: 基于深度学习与数据驱动的新能源出力场景生成方法,搭建生成对抗网络,生成对抗网络包括生成器和判别器;根据生成对抗网络建立条件生成对抗网络,条件生成对抗网络的生成器有两个输入,一个是高斯噪声,另一个是场景标签。条件生成对抗网络的判别器有两个输入,一个是通过生成器生成出的合成数据,另一个是真实数据;通过训练数据对条件生成对抗网络进行训练得到训练好的条件生成对抗网络;确定需要生成场景的标签值,将标签值与高斯噪声一起输入到训练好的条件生成对抗网络中,得到相应场景的出力数据。本发明所采用的条件生成对抗网络拟合能力远远超过传统统计学模型,能够更好地捕捉真实分布信息,同时具有很强的鲁棒性和抗干扰能力。
-
-
-
-