-
公开(公告)号：CN114611742A
公开(公告)日：2022-06-10
申请号：CN202011442484.7
申请日：2020-12-08
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于深度卷积生成对抗网络的光伏发电预测模型，涉及光伏组件故障诊断领域，主要步骤包括：（1）生成高光谱图片：首先将历史发电量数据绘制成高光谱图片；（2）构建深度卷积对抗网络模型，所述深度卷积对抗网络模型包括生成器G和判别器D，提高深度卷积生成对抗网络的训练精度，降低训练时间，占用内存的小，数据的变化趋势表现的更好。
-
公开(公告)号：CN113344245A
公开(公告)日：2021-09-03
申请号：CN202110484041.2
申请日：2021-04-30
Applicant: 南京工程学院
Abstract: 本发明公开了一种混合深度学习短期预测模型、方法、存储介质和计算设备，包括采集近期负荷数据，划分训练集和预测集。首先利用SVD算法对数据进行分解，提取有效信息；其次，采用VMD分解算法对所得残差进行二次分解，减小序列波动性和随机性；再次，将分解获得的分量分别使用LSTM和TCN模型预测；另外，在LSTM和TCN训练时，使用遗传算法寻找模型中的最优超参数；最后，将每个成分的预测值相加，得到预测结果。本发明基于电力负荷数据，依次对数据进行降维、分解，有效组合多种算法，训练LSTM和TCN模型，弥补了单模型的性能缺陷，使模型获得更高的预测精度。
-
公开(公告)号：CN113128615A
公开(公告)日：2021-07-16
申请号：CN202110484059.2
申请日：2021-04-30
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于PCA的BP神经网络对信息安全的检测系统、方法、应用，包括采集近期影响信息安全的风险因素的数据，模拟专家对评价因素集进行评价。构建训练样本和预测样本；利用SVD对训练样本和预测样本中的数据进行降维处理；用降维后的训练样本进行模糊小脑神经网络训练；将降维后预测样本带入训练好的模糊小脑神经网络，获得预测结果。同时公开了相应的系统以及应用。本发明基于影响信息安全的风险因素种类、风险等级数据，依次对数据进行降维、分解，训练神经网络，最后神经网络进行预测，大大增强了预测的准确性。
-
公开(公告)号：CN111382906A
公开(公告)日：2020-07-07
申请号：CN202010155061.0
申请日：2020-03-06
Applicant: 南京工程学院
Abstract: 本发明公开了一种电力负荷预测方法、系统、设备和计算机可读存储介质，方法包括如下步骤：采集电力负荷数据以及与负荷有关的气象数据；对气象因素与负荷、时间进行关联度分析，保留与负荷关联度较高的气象因素；将保留的气象数据分为时序性和非时序性气象数据；利用经验模态分解算法对非时序性气象数据进行分解；利用时间卷积网络模型对时序性气象数据进行降维，得到负荷的最优估计值；将分解后的气象数据、负荷的最优估计值和负荷数据代入GRNN模型进行训练，利用训练好的模型进行预测，得到预测结果。本发明的方法可以有效的去除噪声、提高负荷预测精度、降低建模任务量，从而验证了所提模型的可行性。
-
公开(公告)号：CN111382906B
公开(公告)日：2024-02-27
申请号：CN202010155061.0
申请日：2020-03-06
Applicant: 南京工程学院
IPC: H02J3/00 , G06F18/213 , G06F18/27 , G06N3/0464 , G06N3/049 , G06N3/08 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种电力负荷预测方法、系统、设备和计算机可读存储介质，方法包括如下步骤：采集电力负荷数据以及与负荷有关的气象数据；对气象因素与负荷、时间进行关联度分析，保留与负荷关联度较高的气象因素；将保留的气象数据分为时序性和非时序性气象数据；利用经验模态分解算法对非时序性气象数据进行分解；利用时间卷积网络模型对时序性气象数据进行降维，得到负荷的最优估计值；将分解后的气象数据、负荷的最优估计值和负荷数据代入GRNN模型进行训练，利用训练好的模型进行预测，得到预测结果。本发明的方法可以有效的去除噪声、提高负荷预测精度、降低建模任务量，从而验证
-
Patent Agency Ranking
-
公开(公告)号：CN114611741A
公开(公告)日：2022-06-10
申请号：CN202011442482.8
申请日：2020-12-08
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于PIO‑LSSVM的短期负荷预测方法，涉及PIO‑LSSVM负荷预测领域，其技术方案要点是：LSSVM模型对电力需求总量变化趋势进行预测，并引人基于PIO算法的参数优化技术来提高LSSVM预测短期负荷量的精度和收敛速度，LSSVM最小二乘支持向量机将最小二乘线性系统引入支持向量机，最小二乘支持向量机的优化指数采用平方项，采用等式约束用于替换标准支持向量机方法中的不等式约束，并把标准支持向量机中解的二次规划问题简化成求解线性方程问题，利用海量外部因素数据，该模型以负荷数据和气象、经济信息为输入因子，引入鸽群优化算法优化模型参数，通过仿真验证了改进预测模型的准确性和有效性。
-
公开(公告)号：CN111144650A
公开(公告)日：2020-05-12
申请号：CN201911364463.5
申请日：2019-12-26
Applicant: 南京工程学院
Abstract: 本发明公开了一种电力负荷预测方法、装置、计算机可读存储介质及设备，本发明包括采集负荷数据以及与负荷指标相关的温度和降雨量这两个气象数据；将气象因素与负荷指标进行关联度分析，剔除关联度低的因素；利用变分模态分解算法对数据进行分解；建立广义回归神经网络模型；将分解后的数据代入广义回归神经网络模型进行预测，得到预测结果。本发明可以有效的去除噪声、提高负荷预测精度、降低建模任务量，从而验证了所提模型的可行性。
-
公开(公告)号：CN111091243A
公开(公告)日：2020-05-01
申请号：CN201911279944.6
申请日：2019-12-13
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于PCA-GM的电力负荷预测方法、系统、计算机可读存储介质和计算设备，预测方法包括步骤：采集负荷数据和气象数据，气象数据包括与负荷数据指标相关的因素；对气象数据进行关联度分析，根据分析结果剔除关联度较低的因素；采用PCA降维方法对关联度分析处理过的气象数据和负荷数据降维处理；将经过降维处理的数据样本代入GM(1,1)预测模型，获得预测结果。本发明基于负荷数据、气温数据和降雨量数据，依次对数据进行关联度分析、降维处理，最后利用灰色理论模型进行预测，能够有效减少计算量、提高负荷预测精度，大大增强了预测的准确性。
-
公开(公告)号：CN103981417B
公开(公告)日：2016-03-23
申请号：CN201410231909.8
申请日：2014-05-28
Applicant: 南京工程学院 , 江苏康尚医疗器械有限公司
Abstract: 本发明涉及一种高体积分数的LPSO结构的生物镁合金及制备方法，其组分及质量百分含量分别为：Gd：3.6~4.9%、Zn：0.6~0.9%、Zr：0.3~0.6%，余量为Mg和不可避免的微量杂质。其制备方法为：将配比好的原材料放入通有保护气体的坩埚中进行熔炼浇铸，形成铸锭，铸锭凝固后放入水中快速冷却，再将铸锭放入具有保护气氛的电阻炉中进行热处理，热处理温度为340~460℃，保温时间为1~6小时。本发明的镁合金中具有体积分数大于30%的LPSO结构，该结构的合金具有优异的降解性能，能有效解决生物可降解镁合金在人体环境中降解速率过快和不均匀降解的问题，而且该合金无细胞毒性，有望应用于生物医学领域。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.032 seconds)
