公开(公告)号：CN118656789B

公开(公告)日：2025-01-10

申请号：CN202411131980.9

申请日：2024-08-19

Applicant: 山东大学

Inventor： 高峰 ,  周康佳 ,  许涛 ,  田昊 ,  张玉森

IPC: G06F18/25 ,  G06N3/0442

Abstract: 本发明公开了一种电力电子系统缺失数据补全方法、系统、设备和介质，其涉及电力电子系统技术领域。包括：获取电力电子系统内多个同一类型电子设备的运行数据，并用时标标识运行数据；去除运行数据中数据丢失和数据传输错码的异常数据，并将去除异常数据后待补全电子设备的运行数据作为电力电子系统的缺失数据；将缺失数据对应时标的相邻电子设备的运行数据作为相邻数据，以及将缺失数据对应时标之前任一时间段内的待补全电子设备和相邻电子设备的运行数据作为本地数据，将相邻数据和本地数据输入长短期记忆网络，得到电力电子系统的补全数据。本发明能够满足电站对电子设备的实时调度需求。

公开(公告)号：CN115840078A

公开(公告)日：2023-03-24

申请号：CN202211163599.1

申请日：2022-09-23

Applicant: 山东大学

Inventor： 吴皓 ,  杨庆荣 ,  马庆 ,  张玉森

IPC: G01R22/10 ,  G06F18/10 ,  G06F18/213 ,  G06F18/24 ,  G06F18/2113 ,  G06F18/22

Abstract: 本发明提出了基于特征优选与波形匹配的非侵入式负荷监测方法及系统，包括：采集微电网总入口处的电压与电流波形数据并进行处理，以处理后数据的信息熵为依据得到负荷投切事件的发生时刻；记录负荷投切事件的电流均方根变化曲线，并提取负荷投切事件所导致的电流波形变化的电气特征；建立波形匹配数据库，将提取的电气特征与匹配数据库进行匹配，对长启动过程负荷进行识别；当对长启动过程负荷进行识别匹配失败时，使用有监督分类模型对短启动过程负荷进行识别。对长短启动过程负荷实现有效识别；计算量较小，可在低硬件条件下实现非侵入式负荷监测，适合在数据运算能力相对较弱的嵌入式系统中实现。

公开(公告)号：CN119863917A

公开(公告)日：2025-04-22

申请号：CN202510352848.9

申请日：2025-03-25

Applicant: 山东大学

Inventor： 高峰 ,  张玉森 ,  周康佳

IPC: G08B31/00 ,  G08B21/18 ,  G01R31/00 ,  H02J3/38 ,  G06F18/241 ,  G06N3/0464

Abstract: 本发明公开了一种光伏逆变器故障预警方法、装置、设备及介质，涉及光伏发电技术领域，包括以下步骤：对光伏逆变器运行时的各类物理变量与不同故障类型进行关联性分析与关联性测试仿真，基于仿真结果确定多个候选物理变量；采集多个候选物理变量对应的故障数据与正常数据，基于故障数据和正常数据构建数据库；通过数据库对卷积神经网络模型进行训练，得到故障预警模型；实时采集光伏逆变器在运行时的多个候选物理变量数据，并将其输入至故障预警模型，得到故障预警结果。本发明只需采集候选物理变量的数据对故障预警模型进行训练，大大减少了数据采集的规模，提高了数据质量，同时提升了对数据的非线性拟合能力，提高了预警结果的准确性。

公开(公告)号：CN118656789A

公开(公告)日：2024-09-17

申请号：CN202411131980.9

申请日：2024-08-19

Applicant: 山东大学

Inventor： 高峰 ,  周康佳 ,  许涛 ,  田昊 ,  张玉森

IPC: G06F18/25 ,  G06N3/0442

Abstract: 本发明公开了一种电力电子系统缺失数据补全方法、系统、设备和介质，其涉及电力电子系统技术领域。包括：获取电力电子系统内多个同一类型电子设备的运行数据，并用时标标识运行数据；去除运行数据中数据丢失和数据传输错码的异常数据，并将去除异常数据后待补全电子设备的运行数据作为电力电子系统的缺失数据；将缺失数据对应时标的相邻电子设备的运行数据作为相邻数据，以及将缺失数据对应时标之前任一时间段内的待补全电子设备和相邻电子设备的运行数据作为本地数据，将相邻数据和本地数据输入长短期记忆网络，得到电力电子系统的补全数据。本发明能够满足电站对电子设备的实时调度需求。

公开(公告)号：CN115456148A

公开(公告)日：2022-12-09

申请号：CN202211164730.6

申请日：2022-09-23

Applicant: 山东大学

Inventor： 吴皓 ,  张玉森 ,  马庆 ,  杨庆荣

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提出了一种基于深度学习的非侵入式负荷分解方法及系统，包括：对用户侧历史负荷运行功率数据进行预处理，得到聚合功率数据；建立深度学习模型，包括序列到序列模型及序列到点模型；其中，所述序列到序列模型针对预处理后聚合功率数据提取功率序列的特征，作为全局特征；针对序列到序列模型输出的全局特征按时间维度采用滑动窗口的方法划分为时间窗口；所述序列到点模型输出每个时间窗口对应目标序列的中值，以逐点预测目标序列。