-
公开(公告)号：CN115860262A
公开(公告)日：2023-03-28
申请号：CN202211720912.7
申请日：2022-12-30
Applicant: 国家电投集团广西电力有限公司运营服务分公司 , 浙江大学
IPC: G06Q10/04 , G06Q50/06 , G06F30/27 , G06F17/12 , G06N3/0499 , G06N3/0985 , G06N3/086 , G06F113/06
Abstract: 本发明公开了一种考虑风电集群相关性的风电功率预测方法。该方法考虑了风电集群之间的时间相关性，基于皮尔逊相关系数方法，计算各个相邻风电场与待预测风电场风电功率的最优延时；结合各风电场出力之间的相关性，构建与待预测风电场功率相关性高的虚拟风电集群功率曲线；引入机器学习方法，构建基于改进极限学习机的风电功率预测模型；以虚拟风电集群出力、历史风电功率为输入，实现风电功率的预测。本发明的风电功率预测方法，考虑了风电集群之间的时间相关性，方法的稳定性更好，具有更强的泛化能力。
-
公开(公告)号：CN117650506A
公开(公告)日：2024-03-05
申请号：CN202311369364.2
申请日：2023-10-20
Applicant: 国家电投集团广西电力有限公司运营服务分公司 , 浙江大学
Abstract: 本发明公开了一种数据驱动的日前风电功率预测方法。该方法考虑了风电及其相关特征因素的相关性关系，基于多种相关系数方法，构建风电功率对历史风电功率、风速、风向、气压、温度、湿度关键特征的灵敏度指标，量化风电功率与相关特征的相关性；开展灵敏度加权的相似性度量，从历史时刻数据集筛选与待预测点相似的数据，建立历史相似数据集；根据待预测点的气象预测数据，自适应划分历史相似数据集的气象场景；组合相似性度量的距离权重和场景划分权重，进行加权重采样，对重采样结果进行平均即可实现日前风电功率预测。本发明的数据驱动预测方法，克服了神经网络等模式驱动方法训练时间长、参数多的缺点，具有更强的泛化能力。
-
公开(公告)号：CN119068113A
公开(公告)日：2024-12-03
申请号：CN202411121705.9
申请日：2024-08-15
Applicant: 浙江大学
Abstract: 本发明公开了一种基于神经辐射场的水下低光静态场景三维重建及增强方法，包括如下步骤：通过相机获取多曝光的水下低光静态场景的可见光学图像数据；计算拍摄可见光学图像对应的相机内外参；构建水下低光静态场景的神经辐射场模型；将相机采集的可见光学图像以及对应的相机内外参输入神经辐射场模型进行监督训练；基于视觉理论构建亮度增强模型；将训练好的神经辐射场输入亮度增强模型进行监督训练，输出去除水介质干扰、增亮后的水下三维场景模型。本发明方法能够有效降低由于海水对光的吸收和散射、低光拍摄噪声等干扰因素对三维重建精度的影响，显著提高水下低光静态场景三维重建的真实性和准确性。
-
公开(公告)号：CN116502882B
公开(公告)日：2023-10-20
申请号：CN202310788030.2
申请日：2023-06-30
Applicant: 杭州新中大科技股份有限公司 , 浙江大学 , 杭州浩联智能科技有限公司
IPC: G06Q10/0631 , G06Q10/0633 , G06Q10/10 , G06Q50/08 , G06F18/25
Abstract: 本发明实施例公开了一种基于多模态时序信息融合的工程进度确定方法及装置。其中，方法包括：获取当前工程进度信息，以及与各所述工程进度信息对应的历史工程进度信息；分别根据各所述当前工程进行信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征；将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息；根据所述融合后的多模态时序信息确定当前工程进度。本发明实施例的方案，可以基于施工现场的多模态信息进行工程进度的准确确定。
-
公开(公告)号：CN114069638A
公开(公告)日：2022-02-18
申请号：CN202111322198.1
申请日：2021-11-09
Applicant: 国网浙江省电力有限公司杭州供电公司 , 浙江大学
Inventor： 吴振杰 , 黄天恩 , 唐剑 , 宗星辰 , 孙浩 , 李雨箫 , 王源涛 , 周志全 , 莫雅俊 , 李祥 , 张洁 , 徐双蝶 , 李城达 , 张超 , 王艳 , 廖培 , 夏衍 , 董航 , 周依希 , 孙思聪 , 许鹏 , 陈嘉宁 , 苏焜兴
Abstract: 本发明公开了一种考虑可调节负荷影响和负荷不确定性的混合量测状态估计方法，该方法包括以下步骤：步骤1：选取不确定负荷基准值，构建不确定负荷的分布模型，采用蒙特卡罗(Monte Carlo)算法，从该分布中选取若干不确定负荷的可能值，分别作为不确定负荷的初值参与最优潮流(OPF)计算；步骤2：将电力网络中可调节负荷视为负功率的发电机节点，通过最优潮流计算，得到当前电力网络中可调节负荷的初值；步骤3：将最优潮流计算结果作为电力网络的实际值，将网络的实际值叠加正态偏差，来模拟电力系统状态估计的量测初值；步骤4：基于量测初值进行SCADA/PMU混合量测状态估计的运算，得到混合量测结果。本发明方法可以有效缩小电力系统的量测误差。
-
Patent Agency Ranking
公开(公告)号：CN110020712A
公开(公告)日：2019-07-16
申请号：CN201910230781.6
申请日：2019-03-26
Applicant: 浙江大学
Abstract: 本发明公开了一种基于聚类的优化粒子群BP网络预测方法和系统，包括：建立数据库实时存储监控器测量所得的数据；对原始数据预处理后通过聚类将相似的数据划分为一类，提高预测模型的准确性；通过优化的粒子群算法对BP网络初始权重和阈值进行赋值，相比于通过随机数对权重和阈值的初始化，本发明能够使得BP网络在避免陷入局部最优的基础上同时提升收敛速度；通过选取Sigmoid函数作为激活函数，并采用反向传播算法对BP网络权重和阈值进行更新，训练得到最终模型，输出预测结果。本发明克服了传统的回归分类等预测模型存在对非线性数据预测不准确，预测精度不高的问题，有效地提高了预测结果的准确性。
-
公开(公告)号：CN104232657B
公开(公告)日：2017-02-01
申请号：CN201410516932.1
申请日：2014-09-30
Applicant: 浙江大学
IPC: C12N15/29 , C07K14/415 , A01H5/00
Abstract: 本发明公开了一种水稻源抗虫相关基因OsLRR2及其编码产物与应用，该抗虫基因为SEQ ID No.1的DNA序列。该基因完整的编码框为SEQ ID No.1中的第62到第3358的碱基序列，编码1098个氨基酸残基的小分子量蛋白。研究发现该基因与水稻的抗虫性密切相关，降低该基因的表达水平能增强水稻对褐飞虱的抗性。本发明将在作物育种，特别是在水稻抗虫育种中得到广泛应用。
-
公开(公告)号：CN119951664A
公开(公告)日：2025-05-09
申请号：CN202510414566.7
申请日：2025-04-03
Applicant: 浙江大学 , 浙江浙能科技环保集团股份有限公司
Abstract: 本发明提供一种溢流式管式湿电水膜分布装置，属于除尘器技术领域，包括溢流式管式湿电水膜分布装置，包括外壳体，还包括放电电极机构，所述放电电极机构沿外壳体内腔轴向设置，所述放电电极机构包括若干呈蜂窝状分布的阳极管以及设置在阳极管两端部的固定板；所述清灰机构设置在阳极管顶端的外壳体内腔，所述清灰机构包括密封设置在阳极管顶端外壁用于在外壳体内腔形成水体容置空间的密封底板以及设置在外壳体侧壁用于向水体容置空间注水的进水管；本发明可在阳极管内壁形成水膜，水膜可持续沿着阳极管内壁流动，以对阳极管连续清灰，从而保持稳定的除尘效率。避免传统的采用喷淋清灰时需断电，导致气体排放浓度短时超标的情况。
-
公开(公告)号：CN116797572A
公开(公告)日：2023-09-22
申请号：CN202310755346.1
申请日：2023-06-26
Applicant: 浙江大学
IPC: G06T7/00 , G16H30/20 , G16H30/40 , G06T3/40 , G06V10/764 , G06V10/80 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于多模态数据的类风湿关节炎活动度分级装置，主要包括：影像预处理模块，用于将病例的多张关节影像转换为影像特征；提取模块，用于使用TransformerD提取全部关节影像特征；优化影像表征模块，用于获得对应影像的病变分类预测和影像整体的疾病分级预测，并与对应病变标签计算第一交叉熵损失；其他模态特征提取模块，用于使用MLP提取其他模态特征并增强；特征融合模块，用于使用TransformerP对上述各模态特征进行交互和融合，获得多模态数据的疾病分级预测，并与真实分级标签计算第二交叉熵损失；损失函数优化模块，用于训练疾病活动度分级预测网络；疾病分级预测模块，用于给定病例的关节影像和其他模态数据，分级预测网络输出该病例疾病活动度。
-
公开(公告)号：CN116596832A
公开(公告)日：2023-08-15
申请号：CN202310129544.7
申请日：2023-02-03
Applicant: 浙江大学
Abstract: 本发明公开了一种面向医学图像分割的单一域泛化方法，本发明基于对跨中心的医学图像特性观察，采用弱增强以模拟域偏移，并实施基于域不变表征学习的单一域泛化策略，提升模型的跨中心的泛化能力和分割精度，避免了医学数据的隐私保护和高标注代价问题；本发明提出双分支一致性网络，通过该网络可以充分学习跨域不变表征，以提升模型的泛化能力；本发明提出特征指导白化模块，通过改模块可以促使模型关注语义信息而忽略风格信息，提升模型的表达能力，进一步提升模型跨中心的泛化能力和分割精度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.083 seconds)
