-
公开(公告)号：CN118296301A
公开(公告)日：2024-07-05
申请号：CN202410531028.1
申请日：2024-04-29
Applicant: 国网安徽省电力有限公司阜阳供电公司 , 安徽理工大学
IPC: G06F18/10 , G06F18/213 , G06F18/2113 , G06N3/006 , G06F17/14 , G06F17/16 , G06Q50/06 , H02J3/00 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及工业用电负荷技术领域，具体公开了一种工业大用户用电负荷特征筛选方法，包括S‑1：采集工业用电的大用户所使用的多种设备电力负荷参数，构建原始功率数据集，并对所述数据进行预处理，并划分数据集为训练集和测试集；S‑2：根据电力负荷参数的数据质量和电力负荷特征，对原始功率数据进行时频域特征提取；通过更全面的数据采集，大量提取时频域特征使我们能够从多个维度全面了解电力负荷的特性，这种全面性有助于更准确地描述复杂的负荷波动和模式；更好的预测性，多维度的时频域特征提供更强的预测性，使我们能够更准确地预测未来的负荷需求，有助于电力供应的调度和规划；更全面的数据记录，大量特征提取确保了更全面的数据记录。
-
公开(公告)号：CN118213985A
公开(公告)日：2024-06-18
申请号：CN202410317282.1
申请日：2024-03-20
Applicant: 安徽理工大学
IPC: H02J3/00 , G06F18/23213 , G06N3/006 , G06N3/0442 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种基于灰狼算法优化BiLSTM的短期电力负荷预测方法，包括：(1)对获取的影响负荷预测因素的数据和负荷数据进行预处理；(2)利用K‑means聚类对输入的数据进行处理并按照一定的比例顺序划分为训练集和预测集；(3)将处理后的训练集作为灰狼算法优化BiLSTM模型的输入并进行训练得到预测模型；(4)将预测集输入到训练好的预测模型中，并对预测模型的输出值进行评估，输出负荷预测结果。本发明利用K‑means聚类对负荷影响因素数据和负荷数据进行处理，采用灰狼算法(GWO)对BiLSTM的参数进行寻优，构建GWO‑BiLSTM短期负荷预测模型，不仅具有较好的应用价值，而且具备较好的预测性能。
-
公开(公告)号：CN112370078B
公开(公告)日：2024-01-26
申请号：CN202011247589.7
申请日：2020-11-10
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于超声成像和贝叶斯优化的图像检测方法，涉及图像检测技术领域，在检测矿工肺机能的时候采用了先进的超声成像无损检测手段，同时，在进行超声成像肺机能分析过程中采用贝叶斯优化的KPCANet算法保证了矿工肺机能分析的准确性和可靠性，准确可靠的掌握矿工的肺机能情况有助于准确、及时地掌握矿工的身体健康状态，对于职业性尘肺病早期发现具有重要意义。针对矿工这一特殊群体进行肺部机能检测分析，实现矿工肺部健康状态的准确、实时测量分析，完成职业性尘肺病等部分职业病的前期预警及保障矿工的生命健康。(56)对比文件wenhao lai，mengran zhou.A study ofMultispectral Technology and Two-dimension Autoencoder for Coal and GangueRecognition《.IEEE》.2017,1-9.feng hu,mengran zhou.MultispectralImaging: A New Solution forIdentification of Coal and Gangue《.IEEE》.2019,169697-169704.刘亚梅 等.基于KPCANet 的工件图像特征提取研究《.蚌埠学院学报》.2016,第5卷(第5期),22-26.张银，周孟然.智能超声波物位仪在井下煤仓监控中的应用《.煤矿机械》.2007,第28卷(第2期),167-168.
-
公开(公告)号：CN117236746A
公开(公告)日：2023-12-15
申请号：CN202311125222.1
申请日：2023-09-01
Applicant: 安徽理工大学
IPC: G06Q10/0639 , G06N3/006 , G06N3/084
Abstract: 本发明公开了一种空调负荷可调节潜力评估方法，方法包括：定义单个空调负荷可调节潜力指标；建立基于改进海鸥优化算法的动态BP神经网络模型；基于改进海鸥优化算法的动态BP神经网络的空调负荷可调节潜力评估。该发明不仅有效的解决了传统BP神经网络的隐含层节点不易确定以及参数选取困难的问题，且具有极强的非线性映射能力，良好的评估精度和稳定性，为空调负荷可调节潜力评估的后续研究提供了一种新思路。
-
公开(公告)号：CN116599036A
公开(公告)日：2023-08-15
申请号：CN202310443039.X
申请日：2023-04-21
Applicant: 安徽理工大学
IPC: H02J3/00 , G06F18/15 , G06F18/2113 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于TCN和Informer的两阶段非侵入式负荷分解方法，属于负荷监测技术领域，该方法包括：S1获取负荷有功功率及影响因素数据，并进行预处理；S2使用Spearman相关系数选取强关联影响因素，作为负荷分解的辅助特征信息；S3搭建并训练TCN‑Informer两阶段非侵入式负荷分解模型；S4负荷分解和模型评估。本发明利用TCN网络对除功率外其他影响因素进行高级特征提取，进而调整Informer解码器的输入，实现高精度非侵入式负荷分解。
-
Patent Agency Ranking
公开(公告)号：CN116128097A
公开(公告)日：2023-05-16
申请号：CN202211486980.1
申请日：2022-11-23
Applicant: 安徽理工大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/063 , G06Q10/0637 , G06Q50/06
Abstract: 本发明所涉基于CRITIC组合权重法的综合能源系统的柔性负荷多目标优化调度方法通过构建基于CRITIC组合权重法的优化算法打分模型，综合衡量各个评价目标之间的关联性和冲突性，计算微网系统中的冷热电三方博弈的各个评价目标的客观权重值。本发明兼顾了负荷侧和调度侧二者的需求，从柔性负荷多目标优化角度来实现整体利益最大化，采用CRITIC组合权重法，进一步降低了多目标优化问题上的权重主观性问题，结果的准确性得到进一步提高。这将利于引导综合能源微网系统积极配合需求响应业务，增加能源平台使用黏性，引导调度侧避峰任务，有效缓解部分台区过载问题。不仅如此，本发明经负荷曲线模型进行校验，确定基于CRITIC组合权重法的柔性负荷多目标优化调度方法对优化用能习惯、多目标客观性优化、削峰填谷的效果较好，可靠性高、实用性好。
-
公开(公告)号：CN112525346B
公开(公告)日：2022-10-11
申请号：CN202011404367.1
申请日：2020-12-03
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于改进OIF的光谱图像最佳波段的选择方法、系统及存储介质。本发明基于图像信息熵改进最佳指数法(Optimum Index Factor,OIF)，既能用于超光谱波段选择，也能用于多光谱和超光谱波段选择，并且选取的是最佳组合波段，选择的波段数由用户自行设定。基于图像信息熵改进OIF用于最佳组合波段的选择，充分利用了不同波段间光谱图像的相关性信息以及光谱图像包含的信息量的信息，使得所选组合波段的相关性小，所包含信息量大且冗余信息少。
-
公开(公告)号：CN113435115A
公开(公告)日：2021-09-24
申请号：CN202110702318.4
申请日：2021-06-21
Applicant: 安徽理工大学
IPC: G06F30/27 , G06N3/00 , G06F111/08
Abstract: 本发明公开了一种荧光光谱特征波长筛选方法、装置、计算机设备及可读储存介质，包括：采集多个待测样品的原始荧光光谱数据，对原始荧光光谱进行标准正态变量变换处理，得到处理后的荧光光谱，使用间隔偏最小二乘法对处理后的荧光光谱进行波段筛选，得到荧光光谱的特征波段，使用布谷鸟搜索算法对荧光光谱的特征波段进行特征波长筛选，得到荧光光谱的特征波长。该装置可以保证荧光光谱特征波长筛选的可靠性。
-
公开(公告)号：CN113269725A
公开(公告)日：2021-08-17
申请号：CN202110467751.4
申请日：2021-04-28
Applicant: 安徽理工大学
Abstract: 本发明涉及一种基于成像技术和深度学习的煤矸石快速检测方法，获取煤矸石矿石图像数据；对获取的煤矸石图像中每个通道图像的分辨率进行调整，再进行图像数据归一化处理；将归一化处理后的图像数据进行深度学习，建立煤矸石深度学习检测模型；对建立的煤矸石深度学习检测模型进行训练和保存，得到模型权重；将待检测的煤矿图像输入到该模型权重中，完成煤矸石的识别和定位。检测速度快，多尺度特征图，对不同大小的煤矸石都具有较好的识别和定位能力；其次，本发明提供的检测模型可扩展性较好，允许用户根据实际需求进行修改和参数设定；最后，本发明提供的模型既可以用于RGB成像设备的煤矸石检测，也可用于多光谱或高光谱成像设备的煤矸石检测。
-
公开(公告)号：CN113269254A
公开(公告)日：2021-08-17
申请号：CN202110580411.2
申请日：2021-05-26
Applicant: 安徽理工大学
Abstract: 本发明提供了一种粒子群优化XGBoost算法的煤矸识别方法，属于煤矸识别领域，包括：采集煤和矸石的多光谱图像信息，并进行预处理；对采集到的煤和矸石多光谱图像进行样本划分，按照7:3比例将预处理后的煤和矸石多光谱图像随机划分为独立的训练集和测试集，并对样本设定标签；对训练集和测试集中的煤和矸石多光谱图像进行特征提取；利用提取到的多光谱图像特征搭建基于XGBoost算法的煤矸识别模型，在训练集上训练所述煤矸识别模型，通过粒子群优化算法进行XGBoost算法的参数优化；通过测试集来检验煤矸识别模型对煤和矸石的分类准确率，验证模型性能。该方法采用的XGBoost模型识别准确率，可解释性强，不易产生过拟合，可以得到良好的分类效果。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.066 seconds)
