-
公开(公告)号：CN108388956A
公开(公告)日：2018-08-10
申请号：CN201810047788.X
申请日：2018-01-18
Applicant: 华北电力大学
Abstract: 本发明涉及光伏发电领域技术领域，尤其涉及一种考虑辐射衰减的光伏功率超短期预测方法，包括：采用间接预测的方法，训练得到晴天地表辐射预测模型；根据得到的晴天地表辐射预测模型，获得历史中每日地表辐射的衰减系数，根据该衰减系数建立地表辐射衰减系数的预测模型，建立云遮系数预测模型；将历史真实地表辐射和温度、湿度作为气象因素的输入，将光伏功率作为输出，训练得到光伏功率预测模型；将地表辐射的预测值作为地表辐射值的输入，将天气预报的气象数据作为气象因素的输入，利用光伏功率预测模型预测光伏发电功率。本发明提出的方法能够降低云对预测精度的影响程度；本发明提出的方法省去了图像分析处理的过程，算法更加简单高效。
-
公开(公告)号：CN117019883B
公开(公告)日：2024-02-13
申请号：CN202311082568.8
申请日：2023-08-25
Applicant: 华北电力大学(保定) , 东北大学
Abstract: 本发明公开了一种基于深度学习的带材轧制过程板形预测方法，涉及带材轧制技术领域，包括以下步骤，S1：工业数据采集及数据集构建；S2：结合残差学习和聚合多尺度残差变换的方法，构建Inception‑ResNet模型；S3：使用AdaBound优化算法和两阶段学习率调整方法来训练网络模型；S4：根据模型评估指标，预测性能对比，选取最优模型，进行预测。本发明构建的深度全卷积网络可以直接接收带材轧制工艺参数，不需要额外的数据预处理方法，可以有效地解决轧制领域板形预测中的多输入多输出的多层级非线性问题，所提出的Inception‑ResNet网络具有较少的模型参数和较低的计算复杂性，其中Inception‑ResNet‑39网络包含39层可学习参数，实现了最先进的预测性能，此方法为模型构建及转移应用提供完整的流程。
-
公开(公告)号：CN117019883A
公开(公告)日：2023-11-10
申请号：CN202311082568.8
申请日：2023-08-25
Applicant: 华北电力大学(保定) , 东北大学
Abstract: 本发明公开了一种基于深度学习的带材轧制过程板形预测方法，涉及带材轧制技术领域，包括以下步骤，S1：工业数据采集及数据集构建；S2：结合残差学习和聚合多尺度残差变换的方法，构建Inception‑ResNet模型；S3：使用AdaBound优化算法和两阶段学习率调整方法来训练网络模型；S4：根据模型评估指标，预测性能对比，选取最优模型，进行预测。本发明构建的深度全卷积网络可以直接接收带材轧制工艺参数，不需要额外的数据预处理方法，可以有效地解决轧制领域板形预测中的多输入多输出的多层级非线性问题，所提出的Inception‑ResNet网络具有较少的模型参数和较低的计算复杂性，其中Inception‑ResNet‑39网络包含39层可学习参数，实现了最先进的预测性能，此方法为模型构建及转移应用提供完整的流程。
-
公开(公告)号：CN116542990A
公开(公告)日：2023-08-04
申请号：CN202310463041.3
申请日：2023-04-26
Applicant: 华北电力大学
IPC: G06T7/11 , G06N3/048 , G06N3/0895
Abstract: 本发明属于图像处理的技术领域，具体涉及一种基于CT‑MT的心脏左心室分割方法。在半监督医学影像分割模型UA‑MT中，创造性的增加了一个协同教师网络来减少假性正确问题的产生(教师和学生网络的对于某一个相同体素点分割结果相同但错误)，经过实验验证，在多组标记数据与未标记数据数量比例不同的组合下，分割准确率均得到有效提高。创造性的使用循环软标签方法来计算协同教师网络与学生网络之间的无监督损失函数，在有效保证分割准确率的情况下，减少了17％的训练时间。
-
公开(公告)号：CN115274092A
公开(公告)日：2022-11-01
申请号：CN202210877699.4
申请日：2022-07-25
Applicant: 华北电力大学
Abstract: 本发明属于数据识别的技术领域，具体涉及一种基于CBAM‑CNN的阿尔兹海默症识别方法。在计算机辅助疾病诊断中，创造性的加入通道空间注意力机制(CBAM)，这种机制会为重点区域带去更多的权重，对数据进行更有效的特征提取。创造性的加入可分离卷积技术，在有效保证精度的情况下，大大减少了参数量，为模型未来的实际部署创造了条件。创造性的在模型中加入多元的数据，将病人的临床数据一并输入模型，使训练数据能够更完整地描述病人的病理特征。
-
Patent Agency Ranking
公开(公告)号：CN107944622B
公开(公告)日：2021-10-26
申请号：CN201711167328.2
申请日：2017-11-21
Applicant: 华北电力大学
Abstract: 本发明涉及机器学习和风力发电领域，特别涉及基于连续时段聚类的风电功率预测方法。包括，在基于相似日预测方法的基础上，分别采用Elman神经网络和支持向量机作为预测模型，进行迭代预测，确定相似时段长度：结合功率向量和气象信息，根据相似时段长度，通过两阶段搜索策略，确定相似度衡量标准，在历史数据中寻找最佳相似时段集合；基于Elman神经网络，创建风电功率预测模型，将所得到的最佳相似时段集合作为训练数据，通过风电功率预测模型进行迭代计算，完成未来时段的风电功率预测。本发明在相似日预测方法的基础上引入气象因素，采用基于聚类‑分类的相似时段选取策略，可以快速地寻找最佳相似时段集合，提高预测精度和准确率。
-
公开(公告)号：CN107944622A
公开(公告)日：2018-04-20
申请号：CN201711167328.2
申请日：2017-11-21
Applicant: 华北电力大学
CPC classification number: G06Q10/04 , G06K9/6223 , G06N3/02 , G06Q50/06
Abstract: 本发明涉及机器学习和风力发电领域，特别涉及基于连续时段聚类的风电功率预测方法。包括，在基于相似日预测方法的基础上，分别采用Elman神经网络和支持向量机作为预测模型，进行迭代预测，确定相似时段长度：结合功率向量和气象信息，根据相似时段长度，通过两阶段搜索策略，确定相似度衡量标准，在历史数据中寻找最佳相似时段集合；基于Elman神经网络，创建风电功率预测模型，将所得到的最佳相似时段集合作为训练数据，通过风电功率预测模型进行迭代计算，完成未来时段的风电功率预测。本发明在相似日预测方法的基础上引入气象因素，采用基于聚类-分类的相似时段选取策略，可以快速地寻找最佳相似时段集合，提高预测精度和准确率。
-
公开(公告)号：CN103679288B
公开(公告)日：2017-04-12
申请号：CN201310648773.6
申请日：2013-12-04
Applicant: 华北电力大学
IPC: G06Q10/04
Abstract: 一种径流式小水电集群发电功率短期预测方法及预测系统，属于水力发电功率预测技术领域。该方法将接入同一变电站的若干个小水电视为一个集群，分别对集群内所有单个小水电功率数据和集群整体功率数据进行预测，然后将两方面预测结果相融合获得最终的集群发电预测数值。本发明还提供一种径流式小水电集群发电功率短期预测系统。本发明将分散的多个径流式小水电归为一个集群，充分考虑径流式小水电的累积效应和滞后效应，计算未来时刻功率预测数值时将单点功率变化率与平均功率变化率相结合，集群功率预测结果融合了整体功率预测结果和所有单个小水电功率预测结果，针对径流式小水电功率输出规律性差而无法准确预测技术问题，本发明预测准确性较好。
-
公开(公告)号：CN116523127A
公开(公告)日：2023-08-01
申请号：CN202310462864.4
申请日：2023-04-26
Applicant: 华北电力大学
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/06 , G06F30/27 , G06F18/25 , G06N3/0464 , G06N3/08 , H02J3/00 , G06F113/04
Abstract: 一种基于多层次残差融合网络的短期负荷预测方法。首先，针对负荷数据具有周期性这一特征，采取具有较长感受野的1D卷积对数据进行特征挖掘。其次在1D卷积的基础上采用多层次残差连接策略，充分利用负荷时序特性的同时减少卷积网络叠加所产生的性能衰退。最后，针对特征融合时产生的信息“混淆”问题，在残差连接中引入自适应特征融合机制降低了非负荷数据波动的影响，完成了对短期负荷数据的预测任务。
-
公开(公告)号：CN108388956B
公开(公告)日：2021-08-10
申请号：CN201810047788.X
申请日：2018-01-18
Applicant: 华北电力大学
Abstract: 本发明涉及光伏发电领域技术领域，尤其涉及一种考虑辐射衰减的光伏功率超短期预测方法，包括：采用间接预测的方法，训练得到晴天地表辐射预测模型；根据得到的晴天地表辐射预测模型，获得历史中每日地表辐射的衰减系数，根据该衰减系数建立地表辐射衰减系数的预测模型，建立云遮系数预测模型；将历史真实地表辐射和温度、湿度作为气象因素的输入，将光伏功率作为输出，训练得到光伏功率预测模型；将地表辐射的预测值作为地表辐射值的输入，将天气预报的气象数据作为气象因素的输入，利用光伏功率预测模型预测光伏发电功率。本发明提出的方法能够降低云对预测精度的影响程度；本发明提出的方法省去了图像分析处理的过程，算法更加简单高效。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
