一种微电网实时优化调度系统
    4.
    发明公开

    公开(公告)号:CN117955171A

    公开(公告)日:2024-04-30

    申请号:CN202410037607.0

    申请日:2024-01-10

    发明人: 林科 覃志松

    摘要: 本发明公开了一种微电网实时优化调度系统,包括优化调度系统本体,优化调度系统本体与电网管理平台建立双向通讯连接,优化调度系统本体与电网控制平台建立双向通讯连接,优化调度系统本体与数据处理平台建立双向通讯连接,优化调度系统本体与电力优化平台建立双向通讯连接;电网管理平台通过收集、分析和处理微电网中的各种数据,本发明通过设置电力优化平台,通过发电优化模块针对光伏电池、风机、微型燃气轮机、柴油发电机以及蓄电池组成发电设备优化,通过负荷优化模块针对微电网使用过程中出现的电力负荷情况优化,通过输电优化模块对微电网传输过程中的电力进行优化,全面细致优化,满足人们对微电网的控制管理需求。

    一种区域水环境重金属监测系统及运行方法

    公开(公告)号:CN103578256A

    公开(公告)日:2014-02-12

    申请号:CN201310537367.2

    申请日:2013-11-04

    CPC分类号: Y02A20/16 Y02A20/206

    摘要: 本发明为一种区域水环境重金属监测系统及运行方法,本系统包括监测管理系统和经GPRS与之相联的多个监测终端。监测管理系统中心处理器连接数据收发、数据分析处理和数据库管理模块,还连接显示器/用户终端,数据收发模块连接存储各监测终端的GPS、GIS以及相关重金属浓度的数据库。各监测终端的主控模块包括嵌入式处理器及时钟和GPRS子模块,检测模块包括温度传感器和重金属电化学传感器阵列。运行方法为监测终端所测水环境的温度和重金属浓度发送到监测管理系统存储并显示。数据分析处理模块将其与标准值和历史数据对比,当为污染水质或某种重金属浓度突升跳级则报警。本发明实时采样分析,动态监测,及时发现水体污染。组网简单、易扩展。

    一种水环境重金属检测系统的温度补偿方法

    公开(公告)号:CN105445344A

    公开(公告)日:2016-03-30

    申请号:CN201511021710.3

    申请日:2015-12-30

    IPC分类号: G01N27/26

    CPC分类号: G01N27/26

    摘要: 本发明公开了一种水环境重金属检测系统的温度补偿方法,将采集的极化电流和极化电位通过差分滤波进行平滑处理后,建立拟合回归方程逆模型,通过求偏差、偏差平方以及偏导,获取温度补偿模型,并结合相对误差度量因子REF进行判断,在不符合标准时,自动增加拟合次数重新拟合,以构建出精确度更高的高次多元回归逆模型,该温度补偿模型应用于水环境重金属检测,能提高其检测精度。

    一种面向无人机巡检的红外图像目标检测方法

    公开(公告)号:CN118411630A

    公开(公告)日:2024-07-30

    申请号:CN202410307803.5

    申请日:2024-03-18

    摘要: 本发明公开一种面向无人机巡检的红外图像目标检测方法,首先构建Yolov5改进模型和面向无人机巡检的红外图像数据集,其中该改进模型在Yolov5基准模型中引入CBAM卷积注意力机制,以增强特征图的通道关联性和感兴趣区域特征,并有效抑制噪声特征的影响;其次,采用K‑Means算法计算红外图像数据集的锚框尺寸,以降低模型对红外目标的漏检率和误检率;然后,通过引入完全交并比定位损失函数和利用面向无人机巡检的红外图像数据集对Yolov5改进模型进行训练;最后,利用训练得到面向无人机巡检的红外图像目标检测模型对图像进行目标检测。本发明在红外图像目标检测方面具有检测速度稳定、定位精度高的特点,适用于无人机巡检任务的红外图像目标检测。

    一种基于深度学习的轻量级藻类目标检测方法

    公开(公告)号:CN117635914A

    公开(公告)日:2024-03-01

    申请号:CN202311493733.9

    申请日:2023-11-10

    发明人: 林科 唐洋 覃志松

    摘要: 本发明公开一种基于深度学习的轻量级藻类目标检测方法,通过构建轻量级的藻类目标检测网络YOLO‑Multialgae来实现藻类检测。该藻类目标检测网络在初始图像特征提取主干网络使用幻影卷积模块进行特征提取,相较于标准卷积,其参数量更少、计算速度更快、更加轻量化;同时引入轻量级的SimAM注意力机制,能够在三维特征的角度提升对目标物体的聚焦程度,有效提升模型的检测能力;在多维度特征融合网络使用金字塔结构将相同维度的特征图进行特征融合,并在其中引入Ghost模块调整特征图维度,从而强化藻类的特征信息。

    一种轻量级卷积神经网络的藻类图像分类方法

    公开(公告)号:CN117636155A

    公开(公告)日:2024-03-01

    申请号:CN202311491614.X

    申请日:2023-11-10

    摘要: 本发明公开一种轻量级卷积神经网络的藻类图像分类方法,所提出的藻类分类检测网络模型先使用深度可分离卷积进行特征提取,相较于标准卷积,其参数量更少、计算速度更快、更加轻量化。其次,采用高斯误差线性单元作为激活函数,有效避免梯度消失和梯度爆炸的问题,引入随机正则的思想,增强模型的鲁棒性,同时减少了激活函数的使用,在减少参数量和计算量的同时,避免过度约束特征图的表达能力,降低模型复杂度;再引入轻量级的坐标注意力机制,通过将不同位置的特征进行不同的加权处理,增强模型对空间位置的鲁棒性,使得模型对不同位置的特征不同的响应,提高模型的分类和定位精度;解决了现有网络模型参数量臃肿、计算量大、运行环境要求高的问题。

    基于惯性传感器刚体网格的物体运动姿态感知方法和系统

    公开(公告)号:CN107421537B

    公开(公告)日:2020-07-17

    申请号:CN201710827423.4

    申请日:2017-09-14

    IPC分类号: G01C21/16 G01C25/00

    摘要: 本发明公开一种基于惯性传感器刚体网格的物体运动姿态感知方法和系统,将传感器刚体网格定位技术、自适应权重分配技术和多惯性传感器信息融合技术相结合,使用多个惯性传感器节点构成的对等式传感器网格网络,将多个传感器节点姿态感应数据进行分析融合,通过刚体网格位置误差校正和网格节点数据动态误差校正,从而计算出网格系统所附着的物体的完整运动姿态。本发明可提高惯性传感器的运动参数感知精度,实现运动物体的实时运动轨迹、运动姿态的精确感知追踪。其中关键的的步骤包括刚体网格位置误差校正和网格节点数据动态误差校正。