基于改进YOLOV8的海上风机叶片表面缺陷检测方法

    公开(公告)号:CN119107533A

    公开(公告)日:2024-12-10

    申请号:CN202411122690.8

    申请日:2024-08-15

    Applicant: 三峡大学

    Abstract: 本发明属于计算机视觉技术领域,具体提供一种基于改进YOLOV8的海上风机叶片表面缺陷检测方法,包括:构建海上风机叶片缺陷数据集,对图像上的缺陷进行标注,基于所述数据集构建训练集、验证集和测试集;对YOLOv8基线网络模型进行改进,引入C2f‑RepGhost轻量化模块替换主干特征提取网络中的C2f模块,使用BiFPN结构对其进行改进实现特征融合目的,并引入注意力模块CBAM,构建最终的缺陷检测模型;训练以优化YOLOv8的网络模型;基于训练好的权重文件,输入程序,对YOLOv8的检测速度及精度进行测试。改进后的YOLOv8算法能够有效提升对海上风机叶片表面缺陷识别的精度和速度,同时降低模型的参数量,减少计算成本,与其他主流算法相比具有更好的表现,可以应用于很多场所。

    基于二次模态分解和改进麻雀算法的小水电负荷预测方法

    公开(公告)号:CN119093321A

    公开(公告)日:2024-12-06

    申请号:CN202411006734.0

    申请日:2024-07-25

    Applicant: 三峡大学

    Abstract: 本发明属于输电网负荷预测领域,具体提供一种基于二次模态分解和改进麻雀算法的小水电负荷预测方法,包括利用变分模态分解对负荷数据进行一次分解得到模态分量和残差序列;通过采用改进的自适应噪声完备集合经验模态分解对残差进行二次分解;计算分解后所有模态分量的排列熵,根据设置的阈值,筛选出低、中频分量并进行重构;搭建双向门控循环单元网络负荷预测模型,利用基于萤火虫改进的麻雀算法对双向门控循环单元网络负荷预测模型进行参数寻优,通过寻优后的双向门控循环单元网络负荷预测模型对筛选出的低、中频分量进行预测,将低频和中频的预测值叠加即为最终预测值。该预测方法能够针对小水电的特性进行较高精度的负荷预测。

    一种考虑储氢系统运行状态的电-氢混合储能控制方法

    公开(公告)号:CN118449168A

    公开(公告)日:2024-08-06

    申请号:CN202410485492.1

    申请日:2024-04-22

    Applicant: 三峡大学

    Abstract: 一种考虑储氢系统运行状态的电‑氢混合储能控制方法,包括以下步骤:输入区域源、荷数据,判断t时刻微电网净功率状态。统计蓄电池充电时长Tch与放电时长Tdis,以充、放电时长划分微电网为不同时期;根据微电网时期的划分,判断处在不同时期下的蓄电池最大充放电功率及荷电状态是否满足各模式启动条件;根据蓄电池充放电时长、荷电状态、充放电功率对各模式进行灵活的切换。该方法通过强调电化学储能与氢储能之间的互补机理,来应对电解槽低功率运行和频繁启停的问题。能够应用于解决风光资源充足地区孤岛微电网的电‑氢混合储能系统规划与调度问题,制定合理运行方式,从而促进清洁能源的消纳。

Patent Agency Ranking