-
公开(公告)号：CN103367639A
公开(公告)日：2013-10-23
申请号：CN201310316077.5
申请日：2013-07-25
Applicant: 福州大学
Abstract: 本发明涉及一种氧化锌纳米线低功耗阻变存储器，包括：一氧化硅片衬底；一下电极，设置于所述氧化硅片衬底上方；一阻变纳米线，设置于所述下电极上方；一上电极，设置于所述阻变纳米线上方；其中，所述阻变纳米线为铜掺杂的氧化锌纳米线。本发明具有工艺兼容性好、结构简单的特性，由于采用铜作为掺杂物质，增加了氧化锌内部的氧空位，从而降低了写操作电流和电压，功耗也随着减小。
-
公开(公告)号：CN113595132B
公开(公告)日：2023-11-17
申请号：CN202110710058.5
申请日：2021-06-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于全局最大功率点跟踪和混合优化算法的光伏在线参数辨识方法，首次提出一种突变点检测算法用于动态工作点全局最大功率点跟踪过程的波形突变时刻检测，并将GMPPT对应的波形转换成静态关键段I‑V特性曲线，并提出一种新的混合法即基于量子粒子群算法和列文伯格——马夸尔特算法的光伏模型在线参数辨识方法，该方法实现逆变器并网发电过程中GMPPT扫描的识别并提取关键段I‑V特性曲线，结合量子粒子群算法强大的全局搜索能力和列文伯格——马夸尔特算法强大的局部搜索能力，进一步提高了光伏模型参数辨识的速度、精度、稳定性、可靠性和收敛性。
-
公开(公告)号：CN108711251B
公开(公告)日：2023-09-22
申请号：CN201810835637.0
申请日：2018-07-26
Applicant: 福州大学
Abstract: 本发明涉及一种基于NB‑IoT的智能烟雾报警系统及其实现方法。包括烟感报警终端、NB‑IoT基站和核心网、物联网平台、客户端；所述烟感报警终端包括STM32L431单片机模块及与该STM32L431单片机模块连接的电源模块、用于实现系统与NB‑IoT进行通信的BC95无线通信模块、用于实现烟雾浓度的采集的MQ‑2烟雾报警模块和用于实现报警阈值调节的按键模块；MQ‑2烟雾报警模块采集的烟感信号，通过BC95无线通信模块上传至物联网平台，物联网平台判断烟雾浓度超过烟雾浓度阈值时在手机APP端会产生报警信号，同时下发报警命令；所述客户端用于实现系统中用户登录、消息推送、设备添加、设置设备信息以及发送下行命令功能。本发明可以准确判断发生火情的时间；相比于传统的火灾报警系统，时效性更高，传输更加及时，稳定。
-
公开(公告)号：CN109711609B
公开(公告)日：2022-08-12
申请号：CN201811539356.7
申请日：2018-12-15
Applicant: 福州大学
Abstract: 本发明涉及一种基于小波变换和极限学习机的光伏电站输出功率预测方法。首先，从光伏电站的历史发电及气象环境参数监测数据集中，提取光伏电站的预测数据集；其次，对光伏电站预测数据集进行预处理；再而，采用PCA算法从光伏电站历史功率数据中提取特征，并利用K‑means算法进行二分类，分为光滑型和波动型；最后，通过NWP获取待预测日的气象特征参数生成测试集并由欧氏距离判定其类型，遍历寻找最优训练集。光滑型直接利用极限学习机网络对光伏电站输出功率进行预测。而波动型则需要经过WT算法对数据各对象进行特征提取并逐一预测并将预测值重构。本发明所提出的基于极限学习机光伏电站输出功率预测方法，能够有效提高光伏电站输出功率预测的准确性。
-
公开(公告)号：CN113780406A
公开(公告)日：2021-12-10
申请号：CN202111051147.X
申请日：2021-09-08
Applicant: 福州大学
Abstract: 本发明涉及一种基于YOLO的成捆原木端面检测方法。首先，在原木端木图像样本中，利用LabelImage进行目标区域标注，作为成捆原木端面计数的数据集；其次，成捆原木端面计数的数据集进行数据增强；再而，采用聚类算法对目标框进行多尺度聚类，从原木端面图像集中确定YOLO网络的先验框；最后，利用YOLO和注意力机制，结合SPP结构，建立成捆原木端面检测模型。本发明所提出的基于YOLO的成捆原木端面检测算法，能够有效提高成捆原木端面检测的精度。
-
Patent Agency Ranking
公开(公告)号：CN109086928B
公开(公告)日：2021-11-30
申请号：CN201810839097.3
申请日：2018-07-27
Applicant: 福州大学
Abstract: 本发明涉及基于SAGA‑FCM‑LSSVM模型的光伏电站实时功率预测方法，采集光伏电站对应时段发电功率以及气象站上对应的气象参数，获取气象‑功率参数样本；对每天的气象‑功率参数样本进行预处理；根据四项统计指标结合基于模拟退火遗传算法的模糊C‑均值聚类算法对历史日中第一天到待预测日前一天的样本进行聚类；根据各个聚类样本集合的气象特征值，计算每个聚类气象特征值的中心点，利用欧氏距离判断待预测日所属的类别；利用与待预测日同属一类的参数样本训练最小二乘支持向量机，得到训练模型；将待预测日的待预测时刻前2h的气象参数和功率值输入训练模型中对待预测日各个时刻的发电功率进行实时预测。本发明能够实时预测光伏电站在各个时刻的输出功率值。
-
公开(公告)号：CN112149905A
公开(公告)日：2020-12-29
申请号：CN202011025599.6
申请日：2020-09-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于小波变换和小波神经网络的光伏电站短期功率预测方法，包括步骤：选取与光伏功率最为相关的四种气象参数作为模型的输入；对待预测日之前的设定天数历史数据进行处理，作为训练数据集；使用小波变换将训练数据集中的历史数据均分解为稳态分量和非稳态分量；采用小波神经网络对训练数据集进行学习，针对稳态分量和非稳态分量分别训练对应的小波神经网络模型，并用随机梯度下降法调整网络的参数；将待预测日的NWP气象参数归一化并使用小波变换分解为稳态分量和非稳态分量，然后将之作为对应模型的输入，得出各个预测的功率值分量，各功率分量求和并反归一化即为预测的最终功率值。本发明能够有效提高短期功率的预测精度。
-
公开(公告)号：CN111047584A
公开(公告)日：2020-04-21
申请号：CN201911341151.2
申请日：2019-12-23
Applicant: 福州大学
Abstract: 本发明涉及一种提高太阳能电池模块缺陷分类准确度的数据增强方法，包括：步骤S1：采集通电情况下太阳能电池组件的红外图像，并将其进行分割，得到多个太阳能电池模块的红外图像；步骤S2：对预处理后的图像进行数据增强；步骤S3：建立数据增强网络，包括生成器和鉴别器，并采用步骤S1与步骤S2处理后的数据集训练该数据增强网络；步骤S4：将与训练时相同分布的噪声信号输入至数据增强网络的生成器中，得到生成的图片数据；步骤S5：将生成的图片数据按照预设的比例填充入原始数据集，得到经过数据增强后的数据集。本发明对缺陷种类数量不平衡的，总体数量过少的红外电致发光图像数据集进行增强，从而提高其在分类网络中的缺陷分类准确度。
-
公开(公告)号：CN106485075B
公开(公告)日：2020-03-10
申请号：CN201610889682.5
申请日：2016-10-12
Applicant: 福州大学
IPC: G06F30/20 , G06F111/10
Abstract: 本发明涉及一种基于鹰策略和自适应NM单纯形的光伏模型参数辨识方法，其包括以下步骤：步骤S1：采用光伏IV曲线测试仪器获取光伏模型进行IV特性曲线,根据光伏阵列的串联和并联太阳能电池的数量,设置光伏模型参数的范围；步骤S2：采用蜂群智能优化算法对光伏模型参数的进行粗略全局搜索，获取若干个的较优的光伏模型参数初始值向量；步骤S3：采用多个Nelder‑Mead单纯形在步骤S2中的一组最优的光伏模型参数向量附件进行进一步的粗略局部搜索；步骤S4：采用单个自适应Nelder‑Mead单纯形对步骤S3中的最优的模型参数向量进行进一步的精细局部搜索,以获取最优的光伏模型参数向量。
-
公开(公告)号：CN110148068A
公开(公告)日：2019-08-20
申请号：CN201910436300.7
申请日：2019-05-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于气象数据相似度分析和LSTM神经网络实现光伏电站超短期功率预测方法，选取预测时间段所在日前一个月每日的同一时间段的发电功率及对应气象数据，对各气象数据与功率输出进行Pearson关联度分析，取关联度最高的气象数据并取该数据在该时间段的初始值、平均值及末尾值组成三维坐标点，而后利用Euclidean metric对预测时刻前单位时间的气象数据及选取时间段的相应气象数据集进行相似度分析，获得Euclidean值小于指定数值的相似时间段的气象数据及功率数据，最终采用训练好的LSTM模型对发电功率进行预测。本发明能够快速准确地对超短期光伏电站的发电功率进行预测。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.029 seconds)
