-
公开(公告)号：CN115549163B
公开(公告)日：2023-04-07
申请号：CN202211526699.6
申请日：2022-12-01
申请人： 东南大学 , 中国电力科学研究院有限公司
IPC分类号： H02J3/32 , G06F30/20 , G06F113/04
摘要： 本发明公开基于随机充放循环特征的储能容量优化配置方法，包括输入储能系统的日充放功率需求曲线，计算日内充放电量需求不匹配差额，构建随机充放循环特征序列，计算储能额定容量和额定功率，本申请在利用储能提高新能源就地消纳时，合理动态规划多时段新能源与负荷之间的供需电量差额是影响储能配置的关键。通过构建随机充放循环特征序列，获得多个储能容量和功率配置的可行解，不仅可有效提高新能源就地消纳率，又能实现储能的经济规划。
-
公开(公告)号：CN115760765A
公开(公告)日：2023-03-07
申请号：CN202211445217.4
申请日：2022-11-18
申请人： 东南大学
摘要： 本发明公开了一种基于图像处理的小型发电机组漏油检测方法。该方法可以结合油液的图像特征通过漏油检测系统确定给定视角内发电机组的漏油状况，获得分割后的油液二值图像并对油液的面积、周长等进行计算处理，结合位置信息得出漏油指标，从而迅速排查异常机组，反馈结果，完成对发电机组的漏油监测。该系统不仅可实现无人值守小型发电机组漏油的实时检测并据此反馈小型发电机组的漏油状态，并且相较于传统方法检测速度迅速，避免泄露情况恶化，使得工作人员可以及时维护设备，降低维修成本。
-
公开(公告)号：CN115409258A
公开(公告)日：2022-11-29
申请号：CN202211027097.6
申请日：2022-08-25
申请人： 东南大学
摘要： 本发明涉及一种混合深度学习短期辐照度预测方法，属于光伏发电技术领域。预测方法包括:S1，训练数据获取，获取目标地区历史辐照度数据及其对应的气象数据；S2，数据预处理，包括气象信息特征编码以及数据归一化；S3，利用分解算法获取辐照度子序列；S4，获取当前参数下的编码解码器模型在历史时刻的辐照度预测误差，此过程中不更新模型；将获取的预测误差与原始数据进行信息融合，基于当前时刻的监督信息更新模型；S5，预测，将辐照度子序列和气象数据输入误差补偿框架，利用误差补偿机制，在预测辐照度的同时降低预测误差。本发明结合了数据平稳分解、深度学习模型、误差补偿，从数据处理、模型优化、误差处理三个角度提升辐照度预测精度。
-
公开(公告)号：CN114022455A
公开(公告)日：2022-02-08
申请号：CN202111310897.4
申请日：2021-11-06
申请人： 东南大学
摘要： 本发明公开了一种基于视频的车用附件缺口测量方法，如下：调用系统准备模块，确保传送带上无附件；获取当前视频流的一帧图像，调用背景建模模块；获取当前视频流的一帧图像，调用附件识别模块；调用背景建模模块；调用附件跟踪模块，获取当前图像中各个附件的具体位置；将每个附件的位置坐标参数输入对应的缺口测量模块；将每个附件的位置坐标参数输入对应的基于斜率的缺口测量模块；将同一目标前后多帧的结果输入基于多帧图像的融合测量模块，得到当前附件的最终结果；直至视频流中止。该方法利用传统图像处理算法和视频流多帧融合跟踪对某车用附件的缺口进行了在线测量，解决了现有算法适用范围窄和易受环境影响等技术问题。
-
公开(公告)号：CN113850337A
公开(公告)日：2021-12-28
申请号：CN202111157081.2
申请日：2021-09-30
申请人： 东南大学
IPC分类号： G06K9/62
摘要： 本发明属于数据分类领域，具体涉及一种基于加权KNN的光伏组件遮挡面积分类方法，包括以下步骤：A1：数据采集，采集若干组被遮挡的光伏组件的I‑V曲线数据，遮挡区域占电池片面积的比值从0‑100%；A2：数据预处理，每一组采集到的I‑V曲线数据包含400个采样点，设定采样频率为△U=0.5V，仅采样保留部分数据点；A3：将预处理后的数据进行特征提取；A4：构建加权KNN分类器对光伏组件遮挡面积范围进行分类。本发明能够提取出光伏组件在不同遮挡情况下的电气数据特征，然后根据这些特征进行遮挡面积分类，从而进行有效的故障处理；本发明方法简单，实现方便，支持增量学习，分类准确率高，有助于对遮挡故障实现更精确的定位与分类，有助于光伏发电的整体运维。
-
-
公开(公告)号：CN111144456A
公开(公告)日：2020-05-12
申请号：CN201911276620.7
申请日：2019-12-13
申请人： 东南大学
摘要： 本发明涉及一种基于本征特征迁移的深度模型压缩方法，所述方法包括以下步骤：基于奇异值分解方法，将老师深度模型中的一组特征图进行分解，提取老师深度模型中的本征特征图组；将学生深度模型中的一组特征图与老师深度模型中的本征特征图组进行对齐；基于奇异值计算各本征特征图的权重；通过最小化学生深度模型中特征图组和老师深度模型中本征特征图组的加权差值，将老师深度模型中的本征特征迁移给学生深度模型，从而提高学生深度模型的性能。本发明提取老师深度模型中最本质的本征特征图，并有效迁移给学生深度模型，有助于提高深度模型压缩的精度，获得高性能的学生深度模型。
-
公开(公告)号：CN107816980B
公开(公告)日：2020-04-24
申请号：CN201710933419.6
申请日：2017-10-10
申请人： 东南大学
IPC分类号： G01C15/00
摘要： 本发明公开了一种钢铁辊系位置检测装置及方法，该装置包括全站仪、参考地标及标杆，所述标杆包括标杆臂、棱镜、滑块及真空吸盘，所述全站仪架设于参考地标及待测辊轴的一侧，所述棱镜固定连接在标杆顶部，标杆臂沿滑块上下移动，通过定位销定位，滑块固定连接在真空吸盘上。本发明的优点是整套测量装置能够实现单辊及辊系多项参数指标同时检测，且采用自适应阈值调整算法，提高了传统空间圆拟合算法的准确性及拟合速度，能够用于指导辊系校准，大大提高产品的产能、质量和效益。
-
公开(公告)号：CN109583450A
公开(公告)日：2019-04-05
申请号：CN201811423906.9
申请日：2018-11-27
申请人： 东南大学
摘要： 本发明公开了一种基于前馈神经网络融合视觉注意先验的显著区域检测方法，将输入图像分割成多个互不相交的超像素；根据视觉的低层次先验特性之稀有性，基于不同的上下文区域为每个超像素计算稀有性特征值；根据视觉的低层次先验特性之对比度特性，为每个超像素计算其与不同网格区域之间的对比度特征值；根据视觉的低层次先验特性之中央偏置特性，为每个超像素计算其与图像中心点之间的空间距离特征值；基于已有的深度网络模型建模每个超像素的高层次先验特性，获取对应的高层次先验特征值；使用多层前馈神经网络融合低层次先验特性和高层次先验特性，计算各个超像素属于显著类的可能性，从而求得最终的显著图。本发明有效检测图像中的显著目标。
-
公开(公告)号：CN109005231A
公开(公告)日：2018-12-14
申请号：CN201810878402.X
申请日：2018-08-03
申请人： 东南大学
摘要： 本发明公开了一种共享物品联网方法，通过共享物品与用户的终端进行连接，使得共享物品通过用户的终端与服务器进行联网通讯，实现数据与信息的交互，具体分为两种联网方法，分别为无范围限制与固定点共享物品的联网方法和小范围限制共享物品的联网方法。本发明能够使得共享物品避开直接连接运营商的联网方式，基于令共享物品与用户的终端进行连接，进而使共享物品利用用户终端与服务器进行通讯的原理，提供了不同类型的共享物品联网方法，能够有效地降低共享物品联网所需的费用，具备极好的市场前景。
-
-
-
-
-
-
-
-
-
搜索结果
105 条记录 (耗时 0.03 秒)
