-
公开(公告)号:CN114139777A
公开(公告)日:2022-03-04
申请号:CN202111349004.7
申请日:2021-11-15
申请人: 北京华能新锐控制技术有限公司
摘要: 本发明提供一种风电功率预测方法及装置。所述方法包括:风电机组运行数据的采集;基于卡尔曼滤波的数据预处理;增广深度STSR‑LSTM网络的构建;基于飞蛾火焰算法的增广深度STSR‑LSTM网络的参数优化;所提出的中长期风电功率预测方法的性能验证。本发明的风电功率预测方法,提供了一种基于飞蛾火焰算法优化选通递归神经网络深度学习的风电功率预测方法以实现风机功率的精准预测。本发明聚焦于中长期风电功率预测,提出了增广的深度序列到序列长短期记忆回归网络模型来提高预测性能,可有效提高风电功率预测精度。本发明通过飞蛾火焰算法对所用深度学习及神经网络模型中的参数进行优化,从而进一步保证算法性能。
-
公开(公告)号:CN114155551A
公开(公告)日:2022-03-08
申请号:CN202111402243.4
申请日:2021-11-19
申请人: 北京华能新锐控制技术有限公司
IPC分类号: G06V40/10 , G06T5/50 , G06T7/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774
摘要: 本公开提供一种基于YOLOv3改进的复杂环境下的行人检测方法及装置。所述方法包括:准备数据集,并进行数据增强模拟复杂环境下的数据;搭建YOLOv3改进网络模型;对所述YOLOv3改进网络模型进行训练;使用训练最佳模型对行人进行检测。本公开的基于YOLOv3改进的复杂环境下的行人检测方法,对YOLOv3的主干网络进行了改进,同时在输出特征层方面进行了改进,实现了高分辨图像下对行人的检测,提高了算法识别精度,解决了在复杂环境下行人互相遮挡,尺寸不一导致大量目标漏检的问题。
-
公开(公告)号:CN114139611A
公开(公告)日:2022-03-04
申请号:CN202111350678.9
申请日:2021-11-15
申请人: 北京华能新锐控制技术有限公司
IPC分类号: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/46 , G06N3/04 , G06N3/08
摘要: 本公开提供一种基于MobileNet v2模型的垃圾图像分类方法及装置。包括:采集若干训练图片得到数据集并预处理;将预处理后的数据集划分为训练集和测试集;改进MobileNet v2模型:在MobileNet v2模型中加入通道注意力机制和空间注意力机制,得到Bottlenet_A模块;设置相关参数;将训练集输入到改进后的MobileNet v2模型中进行正向传播计算损失,并通过损失函数来进行反向传播更新改进后的MobileNet v2模型中的各种参数,直到损失函数收敛;使用训练好的MobileNet v2模型对新的垃圾图像进行分类。对生活垃圾的图像分类更加准确,提高工作效率。
-
公开(公告)号:CN114154688B
公开(公告)日:2024-09-17
申请号:CN202111366036.8
申请日:2021-11-18
申请人: 北京华能新锐控制技术有限公司
IPC分类号: H02J3/00 , G06N3/0464 , G06Q50/06
摘要: 本发明提出一种光伏电站的短期功率预测方法,属于光伏发电技术领域。本发明的光伏电站的短期功率预测方法具体包括:基于光伏发电系统的运行数据构建光伏发电功率预测系统的孪生模型;所述孪生模型通过GINs与所述光伏发电系统进行知识交互学习,以将关系知识从所述光伏发电系统转移到所述孪生模型,并指导所述光伏发电系统进行短期功率预测。本发明将数字孪生技术应用于光伏发电站,通过将其现场运行数据映射到虚拟空间构建数字孪生体,可高保真反映其运行状况,以及,采用信息交互网络完成光伏发电系统现场与其数字孪生模型之间的信息交互学习,完成数字孪生模型的实时更新,并对光伏电站超短期功率进行实时精准预测。
-
公开(公告)号:CN114198266A
公开(公告)日:2022-03-18
申请号:CN202111402245.3
申请日:2021-11-19
申请人: 北京华能新锐控制技术有限公司
摘要: 本发明提供一种风电机组运行状态平行监测方法与装置,属于风电机组运行状态监测技术领域。其中,本发明的方法包括下述步骤:基于数字孪生思想,搭建风电机组运行状态的平行监测系统框架;构建风电机组运行状态平行监测的人工虚拟系统;基于稀疏自编码神经网络对所述风电机组运行状态进行监测;所述风电机组运行状态监测的实际物理系统和人工虚拟系统的平行执行。本发明在人工虚拟状态监测系统中通过稀疏自编码神经网络进行风电机组功率模型的辨识,通过基于稀疏惩罚项的自编码器损失函数控制隐藏层神经元的激活程度,可有效提高对输出功率的预测精度。本发明所构建的平行监测方法与系统可提高风电机组状态监测的实时性、快速性和精确性。
-
公开(公告)号:CN114155499A
公开(公告)日:2022-03-08
申请号:CN202111401886.7
申请日:2021-11-19
申请人: 北京华能新锐控制技术有限公司
IPC分类号: G06V20/56 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/46 , G06V10/764 , G06V10/774 , G06V10/80
摘要: 本公开提供一种基于改进YOLOX的实时路况目标检测方法及装置。所述方法包括:采集实时路况目标的数据集,并对数据集进行预处理;按照预设的比例将预处理后的数据集划分为训练集和测试集;建立改进YOLOX网络结构:在残差分支中额外引出特征,经过ECA通道注意力后与另一分支的特征叠加,每个提取到的特征图都会有多个通道,各个通道上的特征通过叠加就可以得到完整的物体特征;利用所述训练集对所述改进YOLOX网络结构进行训练,得到实时路况目标检测模型;使用所述实时路况目标检测模型对实时路况目标进行检测。可以有效提高实时路况目标检测精度和检测效率。
-
公开(公告)号:CN114139785A
公开(公告)日:2022-03-04
申请号:CN202111393075.7
申请日:2021-11-23
申请人: 北京华能新锐控制技术有限公司
摘要: 本公开提供一种锅炉燃烧热效率预测方法及装置。所述方法包括:采集锅炉的实时运行数据,并将所述实时运行数据进行预处理;将预处理后的实时运行数据划分为训练集和测试集;采用改进K‑means算法对训练集中的实时运行数据进行聚类,具体包括:先采用生物地理学优化算法优化K‑means初始聚类中心,之后采用K‑means算法对所述实时运行数据进行聚类;设置相关参数,使得网络符合锅炉燃烧模型;基于所述聚类后的实时运行数据,对预设的极限学习机网络进行训练,得到所述锅炉燃烧模型;利用所述锅炉燃烧模型对锅炉燃烧热效率进行预测。能有效地改善预测精度,显示出其有效性,能够有效提高预测精度和预测效率。
-
公开(公告)号:CN114153826A
公开(公告)日:2022-03-08
申请号:CN202111312716.1
申请日:2021-11-08
申请人: 北京华能新锐控制技术有限公司
IPC分类号: G06F16/215 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/06
摘要: 本公开提供一种基于增强卷积去噪算法的风电机组数据清洗方法及装置。所述方法包括:基于SCADA系统,采集风电机组的风电数据;对所述风电机组的风电数据,采用模糊C均值FCM进行数据聚类;对聚类处理后的所述风电数据,基于增强卷积神经网络进行数据去噪;对去噪处理后的所述风电数据,基于布谷鸟算法进行数据缺失值填补和无效值处理,完成风电机组数据清洗。本公开的风电机组数据清洗,为风电机组的状态监测和异常检测以及长短期风电功率预测等奠定了良好的基础。在风机数据去噪中引入了增强卷积神经网络方法,并且在神经网络隐藏层的输出附加辅助监督信息作为正则化约束,可有效提高数据去噪的效率和精确性。
-
公开(公告)号:CN114140766A
公开(公告)日:2022-03-04
申请号:CN202111349000.9
申请日:2021-11-15
申请人: 北京华能新锐控制技术有限公司
摘要: 本发明提供一种改进YOLOv3的交通标志识别的方法及装置。方法包括采集若干交通标志图片,得到数据集;基于预设的数据增强方法,对数据集进行预处理;将预处理后的数据集划分为训练集和测试集;在YOLOv3网络模型中引入通道注意力增强深度网络,得到改进后的YOLOv3网络模型;将训练集输入改进后的YOLOv3网络模型中进行训练,并利用测试集进行验证,得到训练好的YOLOv3网络模型;利用训练好的YOLOv3网络模型对交通标志进行识别。通过对图片进行数据增强处理,能有效防止过拟合的同时,增加模型的泛化能力,通过网络模型中引入通道注意力增强深度网络,可以提高交通标志识别的准确度,提高交通标志识别的效率。
-
公开(公告)号:CN114139788A
公开(公告)日:2022-03-04
申请号:CN202111397686.9
申请日:2021-11-23
申请人: 北京华能新锐控制技术有限公司
摘要: 本发明提供一种海上风电机组功率预测方法及装置,该方法包括:进行海上风电机组的时空‑功率特性分析;获取海上风电机组的运行数据,并对获取的数据进行特征向量的提取;对获取的运行数据进行聚类;根据运行数据的聚类构建基于布谷鸟优化算法反向传播神经网络的模型。本方法保证了建模所用变量与预测功率的强相关性;在所构建的海上风电功率预测反向传播神经网络模型的参数优化中引入了布谷鸟优化算法,有效提升了预测结果的精确性,促进了电网的稳定运行。
-
-
-
-
-
-
-
-
-