公开(公告)号：CN108090621A

公开(公告)日：2018-05-29

申请号：CN201711459407.0

申请日：2017-12-28

Applicant: 华中科技大学

Inventor： 李超顺 ,  汪赞斌 ,  甘振豪 ,  侯进皎 ,  王若恒

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/00

CPC classification number: G06Q10/04 ,  G06N3/006 ,  G06Q50/06

Abstract: 本发明提出了一种基于分阶段整体优化的短期风速预测方法，在时间序列数据分解模型采用变分模态分解，在特征选取模型采用Gram-Schmidt正交化，在基础学习模型上采用极限学习机的风速混合预测模型，采用引力搜索算法对风速混合预测模型的参数做整体的优化，可以优选适用于短期风速预测的最优预测模型参数，实现风速的精确预测。本发明还提供了相应的基于分阶段整体优化的短期风速预测系统。

公开(公告)号：CN113283300A

公开(公告)日：2021-08-20

申请号：CN202110457485.7

申请日：2021-04-27

Applicant: 华中科技大学

Inventor： 李超顺 ,  陈鹏 ,  肖湘曲 ,  黄洁 ,  吴一凡 ,  甘振豪

IPC: G06K9/00 ,  G06K9/62 ,  G01M13/045 ,  G06F17/15 ,  G06F17/18

Abstract: 本发明提供了一种抽水蓄能机组轴系劣化评估方法及装置，属于机组故障预测与健康管理领域，方法具体为：利用实时运行过程中的状态量信号，结合核密度估计计算过程概率密度函数；结合健康概率密度函数获取劣化度，其并与各采样点的权重相乘后求和，获取机组轴系融合劣化度；支持结合预警劣化度阈值生成不同程度预警信号；获取健康概率密度函数和各采样点的权重方法为：将抽水蓄能机组轴系历史多测点多通道数据，按抽水蓄能机组状态量进行过程划分；根据候选健康样本的均值和标准差进行非支配排序，获取健康样本；结合核密度估计，计算各采样点的健康概率密度函数；将健康样本合成健康样本集，结合主成分分析获取权重。本发明具有很高的应用价值。

公开(公告)号：CN113283300B

公开(公告)日：2022-04-08

申请号：CN202110457485.7

申请日：2021-04-27

Applicant: 华中科技大学

Inventor： 李超顺 ,  陈鹏 ,  肖湘曲 ,  黄洁 ,  吴一凡 ,  甘振豪

IPC: G06K9/00 ,  G06K9/62 ,  G01M13/045 ,  G06F17/15 ,  G06F17/18

Abstract: 本发明提供了一种抽水蓄能机组轴系劣化评估方法及装置，属于机组故障预测与健康管理领域，方法具体为：利用实时运行过程中的状态量信号，结合核密度估计计算过程概率密度函数；结合健康概率密度函数获取劣化度，其并与各采样点的权重相乘后求和，获取机组轴系融合劣化度；支持结合预警劣化度阈值生成不同程度预警信号；获取健康概率密度函数和各采样点的权重方法为：将抽水蓄能机组轴系历史多测点多通道数据，按抽水蓄能机组状态量进行过程划分；根据候选健康样本的均值和标准差进行非支配排序，获取健康样本；结合核密度估计，计算各采样点的健康概率密度函数；将健康样本合成健康样本集，结合主成分分析获取权重。本发明具有很高的应用价值。

公开(公告)号：CN115238573A

公开(公告)日：2022-10-25

申请号：CN202210787450.4

申请日：2022-07-04

Applicant: 华中科技大学

Inventor： 李超顺 ,  甘振豪 ,  邓友汉 ,  吴一凡 ,  陈鹏

IPC: G06F30/27 ,  G06Q10/00 ,  G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开考虑工况参数的水电机组性能劣化趋势预测方法和系统，属于水电机组状态评估和预警领域。本发明采用概率区间预测模型，该预测模型由多头注意力模块、Bi‑GRU模块和分位数损失模块组成。输入不仅包含机组性能历史劣化度，还包含机组运行工况参数。首先，多头注意力模块用于提取机组运行工况参数间的隐藏关联特征；其次，Bi‑GRU模块用于提取工况隐藏特征图和机组劣化度的时序特征；最后，通过分位数损失模块获得机组性能劣化度的置信概率预测区间结果。克服因环境因素造成的机组振动和摆度发生异常导致机组性能劣化预测不准确的缺点，实现机组性能劣化趋势的精确预测，提高模型预测的可靠性。由于考虑机组运行工况参数信息，具有更强的稳健性。

公开(公告)号：CN108090621B

公开(公告)日：2021-02-09

申请号：CN201711459407.0

申请日：2017-12-28

Applicant: 华中科技大学

Inventor： 李超顺 ,  汪赞斌 ,  甘振豪 ,  侯进皎 ,  王若恒

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/00

Abstract: 本发明提出了一种基于分阶段整体优化的短期风速预测方法，在时间序列数据分解模型采用变分模态分解，在特征选取模型采用Gram‑Schmidt正交化，在基础学习模型上采用极限学习机的风速混合预测模型，采用引力搜索算法对风速混合预测模型的参数做整体的优化，可以优选适用于短期风速预测的最优预测模型参数，实现风速的精确预测。本发明还提供了相应的基于分阶段整体优化的短期风速预测系统。

公开(公告)号：CN108053077A

公开(公告)日：2018-05-18

申请号：CN201711463836.5

申请日：2017-12-28

Applicant: 华中科技大学

Inventor： 李超顺 ,  邹雯 ,  甘振豪 ,  陈昊 ,  赖昕杰

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N7/02

Abstract: 本发明公开一种基于区间二型T‑S模糊模型的短期风速预测方法与系统。方法中对历史实际风速观测数据进行变分模态分解VMD为K个模态，对每个模态进行属性选择和归一化处理，建立预测模糊模型；利用区间二型模糊C回归聚类IT2‑FCR对模型进行结构划分，并以实际观测风速数据与模糊模型预测结果的加权均方根误差为目标函数利用引力搜索算法GSA进行模型前件参数优化；利用最小二乘法对模型参数进行辨识。从而得到以历史实际观测数据为输入的短期风速预测区间二型T‑S模糊模型。本发明采用一种新型的二型超平面隶属函数，可以提高风速模糊预测模型的辨识精度，能得到更精确的辨识参数，使得对应的风速预测结果与实际观测风速吻合更好。