一种相位检测仪
    1.
    发明授权

    公开(公告)号:CN112198366B

    公开(公告)日:2024-10-18

    申请号:CN202011103708.1

    申请日:2020-10-15

    IPC分类号: G01R25/00 G01R1/04

    摘要: 本发明一种相位检测仪,包含有信号发生模块和信号接收模组;所述信号发生器的信号输出端与载波信号调制电路的输入端相连接,所述载波信号调制电路的输出端经开关选择电路分别与四个载波信号耦合电路的输入端相连接,每个载波信号耦合电路的输出端连接的导线均穿出安装柱后分别连接至四个绝缘连接夹;且四个绝缘连接夹上分别标注有字母A、B、C和N;探针经信号线连接至信号接收模块的输入端,信号接收模块的输出端将信号输入载波信号解调电路中解调后输入微处理器,微处理器的IO口与显示驱动模块和语音模块相连接,所述显示驱动模块与显示屏驱动相连。本发明一种相位检测仪,结构简单,使用方便且高效。

    一种基于特征工程的XGboost风速短期预测方法

    公开(公告)号:CN112613636A

    公开(公告)日:2021-04-06

    申请号:CN202011338697.5

    申请日:2020-11-25

    IPC分类号: G06Q10/04 G06Q50/06 G06K9/62

    摘要: 本发明公开了一种基于特征工程的用于风电机组风速预测的方法,提供了一种能够对风能的属性进行更准确表征的良好模型。该方法的主要步骤包括:一、采集风电机组端风速数据,构建基础的基于时间序列的风速原始数据集;二、对原始数据集进行数据预处理,将风速时间序列包含的数字特征提取出来形成特征序列,与原有时间序列结合成为风速时间‑特征序列,作为预测模型的输入;三、采用XGboost算法对步骤二提取风速时间—特征序列进行训练建模,得到风速预测模型;四、采用风速预测模型对风速时间‑特征序列进行预测,得到风速预测数据。该方法创新性的将特征选择与特征提取结合起来,构建风速时间‑特征序列做为预测模型输入,该模型能够进一步提高风速预测的精度。

    一种相位检测仪
    3.
    发明公开

    公开(公告)号:CN112198366A

    公开(公告)日:2021-01-08

    申请号:CN202011103708.1

    申请日:2020-10-15

    IPC分类号: G01R25/00 G01R1/04

    摘要: 本发明一种相位检测仪,包含有信号发生模块和信号接收模组;所述信号发生器的信号输出端与载波信号调制电路的输入端相连接,所述载波信号调制电路的输出端经开关选择电路分别与四个载波信号耦合电路的输入端相连接,每个载波信号耦合电路的输出端连接的导线均穿出安装柱后分别连接至四个绝缘连接夹;且四个连接夹上分别标注有字母A、B、C和N;探针经信号线连接至信号接收模块的输入端,信号接收模块的输出端将信号输入载波信号解调电路中解调后输入微处理器,微处理器的IO口与显示驱动模块和语音模块相连接,所述显示驱动模块与显示屏驱动相连。本发明一种相位检测仪,结构简单,使用方便且高效。

    一种组合风电功率预测模型中分解算法性能评估方法

    公开(公告)号:CN113723752A

    公开(公告)日:2021-11-30

    申请号:CN202110842532.X

    申请日:2021-07-26

    摘要: 本发明公开了一种组合风电功率预测模型中分解算法性能评估方法,方法步骤包括:一、采集实际风电场的风电功率时间序列作为分解样本;二、采用分解算法将时间序列数据分解为多个分量,得到时间序列的各分量;三、从分解结果的显著性和稀疏性两个方面提出对应的评价指标;四、采用Matlab神经网络工具箱作为预测检验模型,验证评价指标的正确性和有效性。根据该指标可对分解算法的优劣进行提前评估,分析指标的特点和应用场景,减少在组合预测方式建模时盲目选择分解算法及后期建模的难度,为和风电功率预测具有随机和波动型特性相似性的时间序列分解算法的选取提供了理论依据。

    一种组合风电功率预测模型中分解算法性能评估方法

    公开(公告)号:CN113723752B

    公开(公告)日:2024-08-13

    申请号:CN202110842532.X

    申请日:2021-07-26

    摘要: 本发明公开了一种组合风电功率预测模型中分解算法性能评估方法,方法步骤包括:一、采集实际风电场的风电功率时间序列作为分解样本;二、采用分解算法将时间序列数据分解为多个分量,得到时间序列的各分量;三、从分解结果的显著性和稀疏性两个方面提出对应的评价指标;四、采用Matlab神经网络工具箱作为预测检验模型,验证评价指标的正确性和有效性。根据该指标可对分解算法的优劣进行提前评估,分析指标的特点和应用场景,减少在组合预测方式建模时盲目选择分解算法及后期建模的难度,为和风电功率预测具有随机和波动型特性相似性的时间序列分解算法的选取提供了理论依据。