-
公开(公告)号：CN115205121A
公开(公告)日：2022-10-18
申请号：CN202210894272.5
申请日：2022-07-27
摘要： 本发明公开了一种基于无监督深度神经网络的光伏图像拼接方法及装置。方法包括：获取待拼接的光伏图像序列；将光伏图像序列输入拼接网络中，由拼接网络对光伏图像序列中的第1张光伏图像和第2张光伏图像进行拼接，生成第一拼接光伏图像，其中，拼接网络是无监督深度神经网络；从光伏图像序列的第3张光伏图像开始，由拼接网络将当前遍历到的光伏图像与第一拼接光伏图像进行拼接，以更新第一拼接光伏图像，直至遍历到光伏图像序列的第n张光伏图像，将最终的第一拼接光伏图像确定为目标光伏图像，其中，目标光伏图像为光伏图像序列的n张光伏图像拼接得到的，可基于模型实现对多张光伏图像的累积拼接，提高了光伏图像拼接的准确性和效率。
-
公开(公告)号：CN114583757A
公开(公告)日：2022-06-03
申请号：CN202210307258.0
申请日：2022-03-25
摘要： 本公开提出一种风电场有功控制和无功控制的优化方法和装置，该方法包括：构建等值潮流模型；确定风电场的无功出力目标值、集中式无功设备的无功容量、风机组的无功容量；利用并网点电压偏差、风机端电压偏差、线路功率损耗和有功功率损失构造目标函数；构造约束条件，约束条件包括电压约束条件、等值潮流模型约束条件、有功功率约束条件、风机组的无功容量约束条件、集中式无功设备的无功容量约束条件、无功功率分配约束条件；在约束条件满足的情况下，获取目标函数最小化时的集中式无功设备的最优无功功率、以及各个风机的最优有功功率和最优无功功率，进而对集中式无功设备和各风机进行控制。
-
公开(公告)号：CN114597908A
公开(公告)日：2022-06-07
申请号：CN202210307254.2
申请日：2022-03-25
摘要： 本公开提出一种考虑集电线路电压分布的风电场无功控制优化方法和装置，该方法包括：将风电场划分为多个节点，构建等值潮流模型；确定风电场的无功出力目标值、集中式无功设备的无功容量、风机组的无功容量；构造相邻节点电压偏差与集电线路功率损耗之和最小化的优化函数；构造约束条件，约束条件包括电压约束条件、等值潮流模型约束条件、风机组的无功容量约束条件、集中式无功设备的无功容量约束条件、无功功率分配约束条件；在约束条件满足的情况下，获取优化函数的最优解，从而获得最优集中式无功设备的无功功率和最优各个风机的无功功率；基于最优集中式无功设备的无功功率和最优各风机的无功功率对集中式无功设备和各风机进行无功控制。
-
公开(公告)号：CN114358012A
公开(公告)日：2022-04-15
申请号：CN202111396841.5
申请日：2021-11-23
发明人： 曾谁飞 , 王振荣 , 李国庆 , 童强 , 桑申刚 , 张燧 , 王青天 , 黄思皖 , 刘旭亮 , 李小翔 , 冯帆 , 杜静宇 , 赵鹏程 , 武青 , 祝金涛 , 朱俊杰 , 吴昊 , 吕亮 , 韦玮 , 邸智 , 童彤 , 任鑫
摘要： 本发明提供一种设备异常语义识别方法、装置、设备及介质，用以解决现有技术中设备异常语义识别的数据单一，识别率不高的技术问题，该方法包括：获取设备的异常数据；基于所述异常数据，通过预先训练好的神经网络模型得到文本特征；根据所述文本特征，得到识别结果并展示。
-
公开(公告)号：CN114358371A
公开(公告)日：2022-04-15
申请号：CN202111424158.8
申请日：2021-11-26
发明人： 曾谁飞 , 王振荣 , 叶林 , 童强 , 李国庆 , 张燧 , 王青天 , 黄思皖 , 刘旭亮 , 李小翔 , 冯帆 , 邸智 , 韦玮 , 杜静宇 , 赵鹏程 , 武青 , 祝金涛 , 朱俊杰 , 吴昊 , 吕亮 , 童彤 , 任鑫
摘要： 本发明提出一种基于深度学习的光伏短期功率预测方法及设备，分别将光伏实时数据、历史功率数据输入由不同尺寸卷积核的卷积神经网络、BiLSTM网络模型、双向Attention注意力机制构建深度学习预测模型方法，最终将其获得的两种数据文本特征进行合并运算得到更有效的融合特征表征能力，从而得到最优的文本特征对光伏短期功率进行精准的预测。通过该方法不仅提高光伏短期功率预测的精准度，而且有利于优化、大幅降低光伏发电系统的运营成本，包括人力、物力、时间效率等降本增效。
-
公开(公告)号：CN115169665A
公开(公告)日：2022-10-11
申请号：CN202210737294.0
申请日：2022-06-27
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/04 , G06N3/08 , G06K9/62 , H02S50/00 , H02S40/30 , H02J3/00 , H02J3/38
摘要： 本申请提供了一种用于进行光伏功率预测的informer模型的训练方法及装置，该方法包括：获取样本数据；将样本数据输入至待训练的用于进行光伏功率预测的informer模型中，以得到样本数据对应的光伏功率预测结果预测值；获取样本数据对应的光伏功率预测结果真实值；获取光伏功率预测结果预测值和光伏功率预测结果真实值之间的差异，并根据差异调整待训练的用于进行光伏功率预测的informer模型的模型参数，直至差异满足训练结束条件，将最后一次调整模型参数后的待训练的用于进行光伏功率预测的informer模型确定为训练好的用于进行光伏功率预测的informer模型。由此，本申请通过训练好的光伏功率预测的informer模型，避免了逐步推理产生的累计误差，提高长时间序列预测的速度，进而提高光伏功率预测结果的准确性和高效性。
-
公开(公告)号：CN115147377A
公开(公告)日：2022-10-04
申请号：CN202210790763.5
申请日：2022-07-06
摘要： 本申请提供了一种用于生成光伏板缺陷图像的CycleGAN模型的训练方法及装置，该方法包括：获取训练样本，将所述训练样本输入至待训练的用于生成光伏板缺陷图像的循环生成对抗网络CycleGAN模型中，获取由所述CycleGAN模型输出的光伏板的候选图像，并根据所述训练样本和所述候选图像对所述循环生成对抗网络CycleGAN模型进行训练，以获取用于生成光伏板缺陷图像的目标CycleGAN模型。由此，本申请通过用于生成光伏板缺陷图像的目标CycleGAN模型，可以将光伏板的正常图像转换成不同类型的光伏板的缺陷图像，解决了光伏板缺陷图像较少的问题，提高了光伏板缺陷检测的准确率。
-
公开(公告)号：CN114825485A
公开(公告)日：2022-07-29
申请号：CN202210342435.9
申请日：2022-04-02
申请人： 华能大理风力发电有限公司洱源分公司 , 中国华能集团清洁能源技术研究院有限公司 , 华北电力大学
IPC分类号： H02J3/50
摘要： 本发明公开了属于风电场并网的无功电压控制技术领域的一种基于聚类分析的风电场无功分区及控制方法，包括：分析风电场内双馈机组的无功能力及其影响因素，结合风电场AVC系统储存的历史运行数据，对风电机组进行聚类分析，计算分区和风电场整场的无功调控能力；通过电网调度指令与并网点电压信息确定无功需求后，由各级无功调控能力给出对应的控制策略，本发明不再将风电场等效为一台或几台机组进行控制，考虑了风电场内部节点的电压波动情况；充分利用双馈风机的无功能力，降低了机端电压的波动，提高机组的电压稳定性，提高风电机组运行的安全性。本发明易于实现，可操作性强。
-
公开(公告)号：CN118838413A
公开(公告)日：2024-10-25
申请号：CN202410847408.6
申请日：2024-06-27
申请人： 华能吉林发电有限公司 , 中国华能集团清洁能源技术研究院有限公司 , 华能吉林发电有限公司镇赉风电厂
IPC分类号： G05D1/695 , G05D109/20
摘要： 本申请提出一种用于无人机群路径规划的模型训练方法及装置，其中，方法包括：获取用于展示无人机群训练区域的第一地图信息，第二地图信息以及第三地图信息；将第一地图信息，第二地图信息以及第三地图信息输入到路径规划模型中，以确定无人机群中任一无人机的规划动作；根据执行规划动作后无人机所移动至的第二位置，采用第二位置所关联访问状态对应的奖励值对无人机的规划动作进行奖励，以采用经过奖励的规划动作，对路径规划模型进行训练，由此，不仅考虑到了当地环境的复杂信息，而且考虑到了无人机群中各无人机的规划动作以及各无人机所在的位置对无人机群作出路径规划上的影响，以便于实现无人机群作出最优路径规划，有效地规避障碍物。
-
公开(公告)号：CN118537626A
公开(公告)日：2024-08-23
申请号：CN202410539937.X
申请日：2024-04-30
申请人： 华能吉林发电有限公司 , 中国华能集团清洁能源技术研究院有限公司 , 华能吉林发电有限公司镇赉风电厂
发明人： 张燧 , 王青天 , 杨紫阳 , 刘旭亮 , 彭鹏 , 王恩民 , 任鑫 , 童彤 , 张明杰 , 孟欣 , 张玉刚 , 李全杰 , 邢李方 , 于景龙 , 王介昌 , 张俊东 , 葛鎣 , 张立武 , 翟强 , 尹大为 , 吴昊 , 杨健全
IPC分类号： G06V10/764 , G06V10/82 , G06V10/44 , G06V10/50 , G06N3/0464 , G06N3/08 , H02S50/00
摘要： 本公开实施例涉及光伏系统故障检测技术领域，提供了一种光伏系统故障检测方法及装置、电子设备、存储介质，检测方法包括：获取光伏系统的光伏组件图像；将光伏组件图像输入训练好的深度学习模型，得到光伏组件图像对应的故障检测结果；其中，深度学习模型包括VGG‑16模型以及专用层、级联层、分类层；VGG‑16模型用于提取光伏组件图像的图像特征；专用层用于提取光伏组件图像对应的方向梯度直方图归一化特征；级联层用于将图像特征和方向梯度直方图归一化特征进行级联并向量化，得到对应的向量化特征；分类层用于根据向量化特征确定故障检测结果。本公开实施例有效实现了端到端的光伏图像故障检测，提高了故障检测精度。
-
-
-
-
-
-
-
-
-
搜索结果
128 条记录 (耗时 0.129 秒)
