-
公开(公告)号：CN104181898A
公开(公告)日：2014-12-03
申请号：CN201410441039.7
申请日：2014-09-01
Applicant: 东北电力大学
IPC: G05B19/418 , G05B15/02
Abstract: 本发明是一种基于分时电价响应的交互式家电智能控制方法和系统，其方法的特点是，包括根据家电负荷类型自主设置家电分类；根据采集到的30天的历史家电运行状态数据，确定用户的家电使用习惯；根据接收电网的分时电价政策信息，预测确定用户各时段对应的基本负荷需求范围；根据已求的用户家电使用习惯特征和负荷设定，计算家电可控度指数，并确定各家电的运行状态模型；根据家电可控度指数，确定家电动态控制优先级和控制算法，实现家电的智能控制等步骤。具有交互性好，用户接收度高，并且可指导用户合理错峰用电，显著减少用电费用等优点。
-
公开(公告)号：CN104122819A
公开(公告)日：2014-10-29
申请号：CN201410342456.6
申请日：2014-07-18
Applicant: 东北电力大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于用户习惯的家庭智能用电方法，其特点是，包括的步骤有：采集用户电器开启信息并获取用户各电器的开启习惯、采集各电器的运行信息和电力部门的分时电价信息供内部运算使用、要求用户主动输入当天预备使用的电器、用户输入用电方案级别、计算电费参数、计算舒适度参数、构建目标函数、利用粒子群算法进行用电方案的寻优和根据内部运算对各电器进行控制，最终实现家庭的智能用电。同时公开了ARM9处理器为核心分别与电能计量模块、操作显示模块、外部通信模块和电器控制模块连接组成的智能用电系统，具有用电科学、高效等优点。
-
公开(公告)号：CN116051957A
公开(公告)日：2023-05-02
申请号：CN202310001089.2
申请日：2023-01-03
Applicant: 东北电力大学
IPC: G06V10/82 , G06V10/80 , G06V40/10 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了基于注意力机制和多尺度融合的个人防护物品检测网络，包括:利用DARM模块构建的特征提取模块DAR50，用于通过自适应目标形态的同时增强目标特征信息；CCFPN特征融合模块，用于通过在不同阶段特征图中建立每个像素点与其他像素点的信息融合，再利用金字塔结构对不同阶段的特征进行融合，提高对不同尺度目标的检测性能。本发明的DAR50特征提取模块，有效减少背景信息干扰，更准确地提取目标特征信息；CCFPN特征融合模块，其通过在不同阶段特征图中建立每个像素点与其他像素点的信息融合，再利用金字塔结构对不同阶段的特征进行融合，提高对不同尺度目标的检测性能。
-
公开(公告)号：CN106640547B
公开(公告)日：2020-08-18
申请号：CN201611049881.1
申请日：2016-11-24
Applicant: 东北电力大学
IPC: F03D17/00
Abstract: 本发明提供一种用于监测风电机组异常状态的方法。该方法包括：对风电数据进行离散化预处理，以生成排序的数据集，该排序的数据集包括根据所述风电数据的属性划分的多个区间；将排序的数据集存储为频繁模式树的形式；遍历频繁模式树以查找最大子空间集；利用多维聚类方法将最大子空间集中的风电数据划分为多个聚类簇；以及将多个聚类簇划分为正常簇和异常簇，以监测所述风电机组的状态。通过本发明的方法，可以对包括多维属性的风电数据的异常点进行挖掘，具有较高的异常状态识别率。
-
公开(公告)号：CN111461565A
公开(公告)日：2020-07-28
申请号：CN202010274131.4
申请日：2020-04-09
Abstract: 本发明公开了一种电力调控下的电源侧发电性能评估方法，包括以下步骤：S1，对风电机组现场数据进行采集并处理；S2，将风电机组历史数据选出与风机输出功率相关性大的数据属性集，以表征风机的发电状态，将选出的属性集对应的数据集进行异常识别，输出正常数据集与异常数据集；S3，将输出的正常数据集建立回归函数；S4，计算风电机组损失发电量；S5，风机运行性能判断。本发明的方法能够准确分析风电机组历史发电性能，综合评价风电机组的发电性能，使电网调度人员对风电场的发电性能有准确的掌控与判断，可辅助电网调度人员根据电源侧的发电性能来优化能源结构，制定合理的电力调度计划，提高对新能源和清洁能源的消纳能力。
-
Patent Agency Ranking
公开(公告)号：CN111401785A
公开(公告)日：2020-07-10
申请号：CN202010274132.9
申请日：2020-04-09
Abstract: 本发明公开了一种基于模糊关联规则的电力系统设备故障预警方法，涉及故障预警方法，包括以下步骤：由K均值和信息熵混合迭代确定电力设备数据的最佳分区数，以实现动态自适应边界划分；引入模糊集以软化属性边界划分，使用模糊C均值进行模糊区间划分；使用Apriori算法，选取一组最佳的最小支持度和信任度作为挖掘算法的主参数，以此参数挖掘出关联规则构建规则库，以分析预测电力设备的故障状态。本发明的方法能够定量地得到属性离散化时的最佳分区数，实现动态自适应属性边界划分；相较传统的关联规则方法能够快速准确地检测到设备的故障状态。
-
公开(公告)号：CN108319987A
公开(公告)日：2018-07-24
申请号：CN201810152887.4
申请日：2018-02-20
Applicant: 东北电力大学
IPC: G06K9/62
Abstract: 一种基于支持向量机的过滤-封装式组合流量特征选择方法，其特点是，包括：初次过滤式特征选择法和嵌入改进序列前向搜索策略的二次封装式特征选择法。初次过滤式特征选择法是考察某个特征量对于网络流量分类的贡献，并根据原始特征集中每个特征的权重，将小于设定阈值δ的特征删除，这一过程可以显著降低后续特征子集筛选的计算复杂度；嵌入改进序列前向搜索策略的二次封装式特征选择法基于支持向量机分类器，嵌入改进序列前向搜索策略进行二次特征选择，选择具有强区分能力的组合流量特征子集，克服组合特征被误删，以及特征评价结果与最终分类算法存在偏差的问题，从而显著提高网络流量分类精度。该方法科学合理，可适用于各种流量分类网络。
-
公开(公告)号：CN104182803A
公开(公告)日：2014-12-03
申请号：CN201410398277.4
申请日：2014-08-13
Applicant: 东北电力大学
Abstract: 本发明提供一种用于风电功率预测的风电数据预处理方法以及风电功率预测方法和系统，其中，风电数据预处理方法包括：对风电数据进行聚类形成簇，得到簇外孤立点，并从每个簇内提取出中心点；以及，基于与簇内点的功率值的差异，从所述簇外孤立点中筛选出一个或多个孤立点。风电功率预测方法包括：对于采集到的风电数据，根据上述风电数据预处理方法选出部分数据；以及根据选出的数据预测风电功率信息。本发明通过从原始风电数据中提取特殊点，提高了风电功率的预测效率；并且在特殊点的提取过程中保证了数据的真实性，提高了风电功率的预测精度。
-
公开(公告)号：CN115205811A
公开(公告)日：2022-10-18
申请号：CN202210184350.2
申请日：2022-02-28
Applicant: 东北电力大学
IPC: G06V20/58 , G06T5/00 , G06N3/08 , G06N3/04 , G06K9/62 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G06V10/32
Abstract: 本发明公开了一种基于深度学习方法的遮挡车道线检测方法，其方法包括：对车道线数据进行增强及尺寸统一操作；利用多通道特征空间金字塔为特征提取网络，进行对预处理完毕的车道线信息进行语义分割及多尺度特征融合；引入双注意力机制的循环特征丰富模块，将遮挡前后的车道线空间信息丰富到原始特征中，增加了车道线细粒度特征细节；通过二分类损失计算将车道线与背景信息分离，以完成对遮挡前后的车道线检测实验，最终对结果进行分析评价。本发明的方法可实现对遮挡条件下的车道线检测，为自动驾驶和高级驾驶辅助系统(ADAS)提供重要参考。
-
公开(公告)号：CN110544047A
公开(公告)日：2019-12-06
申请号：CN201910854363.4
申请日：2019-09-10
Applicant: 东北电力大学
Abstract: 本发明公开了一种不良数据辨识方法，包括以下步骤：S1，使用凝聚层次聚类算法和真实Index的模型评估指标，确定PAM算法的初始聚类个数；S2，使用PAM算法对正常数据进行聚类，并计算每类的均方差，得出正常数据的类均方差范围；S3，运用间隙统计算法对待测数据进行聚类并得出结果；S4，比较待测数据所得聚类个数与正常数据通过HC-Center聚类算法所得聚类个数是否一致，若一致即不存在不良数据，否则需计算每个类的均方差，判断其是否在正常数据的类均方差范围之内，若不在，则类中数据视为不良数据。本发明解决了PAM算法需要人为设定初始聚类个数的缺陷，提高了聚类的准确度；能够高效、准确地对数据进行聚类运算。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.022 seconds)
