-
公开(公告)号：CN106845717A
公开(公告)日：2017-06-13
申请号：CN201710056914.3
申请日：2017-01-24
Applicant: 哈尔滨工业大学 , 哈尔滨燃卓科技开发有限公司 , 南京遒涯信息技术有限公司
CPC classification number: Y02P90/82 , G06K9/6267 , G06K9/6218 , G06K9/6247 , G06K9/6256 , G06K9/6292 , G06Q10/04 , G06Q10/0639 , G06Q50/06
Abstract: 一种基于多模型融合策略的能源效率评价方法，本发明涉及基于多模型融合策略的能源效率评价方法。本发明为了解决现有能源效率计算特征难以选择，模型评价结果不准的问题。本发明步骤为：步骤一：将数据进行归一化处理，得到归一化训练集；步骤二：对步骤一得到的归一化训练集进行特征选择；采用将信息增益和核主成份分析相结合的融合方法选取特征；即利用信息增益计算得到特征排序后，利用主成份分析方法做校核计算。步骤三：根据步骤一和步骤二建立多分类器融合的评价模型，得到能源效率评价的分类结果；步骤四：对步骤三得到的分类结果进行聚类分析，得到最终的聚类结果。本发明应用于能源效率有效评估领域。
-
公开(公告)号：CN106845717B
公开(公告)日：2021-04-09
申请号：CN201710056914.3
申请日：2017-01-24
Applicant: 哈尔滨工业大学 , 哈尔滨燃卓科技开发有限公司 , 南京遒涯信息技术有限公司
Abstract: 一种基于多模型融合策略的能源效率评价方法，本发明涉及基于多模型融合策略的能源效率评价方法。本发明为了解决现有能源效率计算特征难以选择，模型评价结果不准的问题。本发明步骤为：步骤一：将数据进行归一化处理，得到归一化训练集；步骤二：对步骤一得到的归一化训练集进行特征选择；采用将信息增益和核主成份分析相结合的融合方法选取特征；即利用信息增益计算得到特征排序后，利用主成份分析方法做校核计算。步骤三：根据步骤一和步骤二建立多分类器融合的评价模型，得到能源效率评价的分类结果；步骤四：对步骤三得到的分类结果进行聚类分析，得到最终的聚类结果。本发明应用于能源效率有效评估领域。
-
公开(公告)号：CN105914787B
公开(公告)日：2018-04-03
申请号：CN201610356310.6
申请日：2016-05-25
Applicant: 哈尔滨工业大学 , 南京遒涯信息技术有限公司 , 哈尔滨机易电站设备有限公司
CPC classification number: Y02E10/763 , Y02E60/76 , Y04S40/22
Abstract: 一种基于功率瞬时相对变化速度的风电不确定性的定量刻画方法，涉及风功率不确定性的定量刻画方法。为了刻画风功率波动的不确定性，进而满足电力系统对实时调度和优化的控制需求。本发明定义了风功率变化速率刻画指标，在大量统计数据的基础上，发现了风功率变化速率刻画指标的多尺度调幅效应并给出了一个单一三参数幂律模型，并发现风功率变化速率刻画指标存在日周期特性。最后，提出了功率瞬时相对变化速度的概念，定义风功率多尺度变化速率刻画指标受小时级平均风功率的调制，通过对风电场24小时风功率分别建立幂律模型进行拟合，得到时变三参数幂律模型并用其准确定量刻画风功率不确定性。满足新能源电力系统的实时调度与优化控制的特殊需求。
-
公开(公告)号：CN105956252B
公开(公告)日：2019-04-02
申请号：CN201610269724.5
申请日：2016-04-27
Applicant: 哈尔滨工业大学 , 南京遒涯信息技术有限公司 , 哈尔滨机易电站设备有限公司
IPC: G06F17/50
Abstract: 基于生成型深信度网络的超短期风速多尺度预报建模方法，涉及一种超短期风速的多尺度预测建模方法。为了提高短期风速多步预测的精度，本发明首先利用t层小波分解处理风速数据得到t+1段不同频率下的风速序列；针对不同频率下的风速序列分别构建训练集，基于DBN网络回归算法训练多输入多输出DBN回归预测模型，并利用相应测试集测试训练效果，分别得到不同频率下的预测模型；将不同频率下的预测模型的预报值进行小波重构，得到风速的实际预测值，实现对风电场实际风速的预测。本发明适用于超短期风速多尺度预报领域。
-
公开(公告)号：CN105956252A
公开(公告)日：2016-09-21
申请号：CN201610269724.5
申请日：2016-04-27
Applicant: 哈尔滨工业大学 , 南京遒涯信息技术有限公司 , 哈尔滨机易电站设备有限公司
IPC: G06F17/50
CPC classification number: G06F17/5036
Abstract: 基于生成型深信度网络的超短期风速多尺度预报建模方法，涉及一种超短期风速的多尺度预测建模方法。为了提高短期风速多步预测的精度，本发明首先利用t层小波分解处理风速数据得到t+1段不同频率下的风速序列；针对不同频率下的风速序列分别构建训练集，基于DBN网络回归算法训练多输入多输出DBN回归预测模型，并利用相应测试集测试训练效果，分别得到不同频率下的预测模型；将不同频率下的预测模型的预报值进行小波重构，得到风速的实际预测值，实现对风电场实际风速的预测。本发明适用于超短期风速多尺度预报领域。
-
Patent Agency Ranking
公开(公告)号：CN105914787A
公开(公告)日：2016-08-31
申请号：CN201610356310.6
申请日：2016-05-25
Applicant: 哈尔滨工业大学 , 南京遒涯信息技术有限公司 , 哈尔滨机易电站设备有限公司
CPC classification number: Y02E10/763 , Y02E60/76 , Y04S40/22 , H02J3/386 , G06F17/5009 , H02J2003/007
Abstract: 一种基于功率瞬时相对变化速度的风电不确定性的定量刻画方法，涉及风功率不确定性的定量刻画方法。为了刻画风功率波动的不确定性，进而满足电力系统对实时调度和优化的控制需求。本发明定义了风功率变化速率刻画指标，在大量统计数据的基础上，发现了风功率变化速率刻画指标的多尺度调幅效应并给出了一个单一三参数幂律模型，并发现风功率变化速率刻画指标存在日周期特性。最后，提出了功率瞬时相对变化速度的概念，定义风功率多尺度变化速率刻画指标受小时级平均风功率的调制，通过对风电场24小时风功率分别建立幂律模型进行拟合，得到时变三参数幂律模型并用其准确定量刻画风功率不确定性。满足新能源电力系统的实时调度与优化控制的特殊需求。
-
公开(公告)号：CN105736071A
公开(公告)日：2016-07-06
申请号：CN201610108192.7
申请日：2016-02-26
Applicant: 哈尔滨工业大学 , 神华亿利能源有限责任公司电厂 , 哈尔滨燃卓科技开发有限公司
IPC: F01D17/00
CPC classification number: F01D17/00 , F05D2270/16 , F05D2270/20
Abstract: 基于配汽方式切换的200MW供热机组阀门管理优化方法，它涉及一种切换方法，具体涉及一种基于配汽方式切换的200MW供热机组阀门管理优化方法。本发明为了解决目前的200MW供热机组配汽优化方案没有考虑抽汽量变化导致最优阀位点发生偏离的影响，即不同抽汽量下都采用相同的配汽优化曲线，汽轮机高压缸效率不能达到最优的问题。本发明的具体步骤为：根据电厂设备实际情况，设定两种配汽方式；对供热机组进行升、降负荷实验，获得相关实验数据，对不同配汽方式下机组的高压缸效率进行计算；根据不同配汽方式下的高压缸效率曲线；根据主蒸汽相对流量大小确定相应的配汽方式；判断主蒸汽流量发生变化是否超过裕度。本发明属于汽轮机发电领域。
-
公开(公告)号：CN105736071B
公开(公告)日：2019-04-02
申请号：CN201610108192.7
申请日：2016-02-26
Applicant: 哈尔滨工业大学 , 神华亿利能源有限责任公司电厂 , 哈尔滨燃卓科技开发有限公司
IPC: F01D17/00
Abstract: 基于配汽方式切换的200MW供热机组阀门管理优化方法，它涉及一种切换方法，具体涉及一种基于配汽方式切换的200MW供热机组阀门管理优化方法。本发明为了解决目前的200MW供热机组配汽优化方案没有考虑抽汽量变化导致最优阀位点发生偏离的影响，即不同抽汽量下都采用相同的配汽优化曲线，汽轮机高压缸效率不能达到最优的问题。本发明的具体步骤为：根据电厂设备实际情况，设定两种配汽方式；对供热机组进行升、降负荷实验，获得相关实验数据，对不同配汽方式下机组的高压缸效率进行计算；根据不同配汽方式下的高压缸效率曲线；根据主蒸汽相对流量大小确定相应的配汽方式；判断主蒸汽流量发生变化是否超过裕度。本发明属于汽轮机发电领域。
-
公开(公告)号：CN105096614B
公开(公告)日：2017-11-14
申请号：CN201510612951.9
申请日：2015-09-23
Applicant: 南京遒涯信息技术有限公司
Abstract: 基于生成型深信度网络的新建路口交通流量预测方法，属于短期交通流量预测技术领域。本发明是为了解决目前针对新建路口进行交通流量预测存在的数据少，预测精度低的问题。它首先基于深度学习理论和受限的玻尔兹曼机，建立一个具有144输入与144输出结构的生成型深信度网络回归模型；所述新建路口所属城市的成熟路口数据对深信度网络回归模型进行预训练，获得深信度网络回归预训练模型；再利用新建路口的预存实际交通流量数据对深信度网络回归预训练模型继续进行精调，获得最终深信度网络回归模型；采集新建路口的当前实际交通流量数据，采用最终深信度网络回归模型对新建路口的交通流量进行在线预测。本发明用于新建路口交通流量预测。
-
公开(公告)号：CN105096614A
公开(公告)日：2015-11-25
申请号：CN201510612951.9
申请日：2015-09-23
Applicant: 南京遒涯信息技术有限公司
Abstract: 基于生成型深信度网络的新建路口交通流量预测方法，属于短期交通流量预测技术领域。本发明是为了解决目前针对新建路口进行交通流量预测存在的数据少，预测精度低的问题。它首先基于深度学习理论和受限的玻尔兹曼机，建立一个具有144输入与144输出结构的生成型深信度网络回归模型；所述新建路口所属城市的成熟路口数据对深信度网络回归模型进行预训练，获得深信度网络回归预训练模型；再利用新建路口的预存实际交通流量数据对深信度网络回归预训练模型继续进行精调，获得最终深信度网络回归模型；采集新建路口的当前实际交通流量数据，采用最终深信度网络回归模型对新建路口的交通流量进行在线预测。本发明用于新建路口交通流量预测。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.091 seconds)
