-
公开(公告)号：CN112132228B
公开(公告)日：2024-05-14
申请号：CN202011065113.1
申请日：2020-09-30
Applicant: 东南大学
IPC: G06F18/24 , G06N5/01 , G06F18/2431 , G06N3/0499 , G06N3/084
Abstract: 本发明提供了一种基于决策树分类的辐照度缺失数据插补方法及系统，其中方法包括以下步骤：检测缺失的辐照度值；运用决策树分类的方法将数据按天气分类；根据日期、时间、经纬度计算太阳高度角；在不同的天气类别下，根据当前时间、功率和环境温度，运用不同的神经网络参数拟合辐照度序列；插补缺失的辐照度值。本发明通过决策树的分类保留了天气现象的信息，又在神经网络中加了太阳高度角的输入，保留了日期和时间的信息，因此数据插补效果明显优于其他算法，大大提高了插补的准确度。本发明有助于填补缺失的辐照度数据，在不降低性能的前提下，解决辐照度、温度、功率时间戳不一致的问题，有助于增加样本数量。
-
公开(公告)号：CN112327999B
公开(公告)日：2022-03-11
申请号：CN202011204566.8
申请日：2020-11-02
Applicant: 东南大学
IPC: G05F1/67
Abstract: 本发明公开了一种基于最大功率点跟踪数据的光伏快速检测及精确诊断方法，包括以下步骤：基于最大功率点瞬时电流下降检测异常，其中阈值设定同时考虑了采样间隔及扰动步长；利用特性曲线上关键工作点及极值点个数区分遮挡和线路故障，并进一步评估故障程度；根据故障评估结果，设置工作电压以区分故障组串和正常组串，从而实现故障定位。本发明提出的检测方法无需安装额外的数据采集设备，可方便嵌入商用逆变器，且在低辐照度、低失配等级及安装阻塞二极管等复杂环境下均适用，同时提取的拐点特征可有效区分具有相似特性的部分遮挡及线路故障，避免不必要的断电保护，除此之外，提出的故障定位方法能够快速将故障隔离，进而保证系统的安全运行。
-
Patent Agency Ranking
公开(公告)号：CN112487347A
公开(公告)日：2021-03-12
申请号：CN202011203411.2
申请日：2020-11-02
Applicant: 东南大学
Abstract: 本发明公开了一种考虑环境和时变因素的光伏组件模型参数化方法，包括以下步骤：采用一种双迭代算法提取特定运行条件下的单二极管模型参数，该算法的结果作为后期估计的基准；基于最近邻条件下提取的参数估计未知条件下的参数值；进一步地利用网格点距离加权结果对估计参数实现优化。本发明提出的双迭代算法仅需要三个关键工作点的相关数据，无需额外的工作点或斜率数据，在实际工程中具有更广的应用空间，同时该算法相对于传统的解析法对噪声具有更高的鲁棒性和物理可解释性，除此之外，本发明估计的五个模型参数均考虑了运行环境的影响，且可引入退化因子描述光伏组件本身的退化过程，这也更符合实际情况。
-
公开(公告)号：CN112132228A
公开(公告)日：2020-12-25
申请号：CN202011065113.1
申请日：2020-09-30
Applicant: 东南大学
Abstract: 本发明提供了一种基于决策树分类的辐照度缺失数据插补方法及系统，其中方法包括以下步骤：检测缺失的辐照度值；运用决策树分类的方法将数据按天气分类；根据日期、时间、经纬度计算太阳高度角；在不同的天气类别下，根据当前时间、功率和环境温度，运用不同的神经网络参数拟合辐照度序列；插补缺失的辐照度值。本发明通过决策树的分类保留了天气现象的信息，又在神经网络中加了太阳高度角的输入，保留了日期和时间的信息，因此数据插补效果明显优于其他算法，大大提高了插补的准确度。本发明有助于填补缺失的辐照度数据，在不降低性能的前提下，解决辐照度、温度、功率时间戳不一致的问题，有助于增加样本数量。
-
公开(公告)号：CN108038434B
公开(公告)日：2020-06-16
申请号：CN201711262030.X
申请日：2017-12-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于多示例学习的视频人脸表情预检测方法，包括：(1)对训练样本和待测试样本的视频数据进行预处理，提取出视频中每帧图像的人脸面部区域；(2)采用LBP描述子对预处理得到的每帧图像的人脸面部区域进行特征抽取，得到每帧图像的特征向量；(3)根据训练样本的特征向量，基于多示例学习，采用扩展的结构化输出支持向量机，求解表情预检测函数；(4)使用步骤(3)中得到的预检测函数，根据步骤(2)的待测试样本的特征向量，进行人脸表情预检测，得到表情预检测结果。本发明可以实时监测表情，识别率高。
-
公开(公告)号：CN109299650A
公开(公告)日：2019-02-01
申请号：CN201810842645.8
申请日：2018-07-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于视频的非线性在线表情预检测方法及装置，该方法包括：对视频数据进行预处理，提取每帧图像的特征信息；从训练样本中抽取不同长度的视频片断，构建片断与检测函数值的非线性映射；片断的表示基于多示例学习，充分挖掘有效的表情信息，并将每两个视频片段根据映射值的大小构建一个约束对，得到训练数据；在每个时刻，用当前样本的所有约束对更新模型OKMEFD，通过最小化在当前训练数据集上的经验损失和模型复杂度，采用随机梯度下降算法对模型进行优化，获得模型的在线更新准则，进一步获得各个时刻的非线性表情预检测函数。预检测方法为：对测试样本逐帧读取数据并输出相应的检测值，当该值大于设定的阈值时，即认为预检测到该表情事件。本发明实现了在表情视频结束之前的预检测；有效提高了表情识别的及时性。
-
公开(公告)号：CN108038434A
公开(公告)日：2018-05-15
申请号：CN201711262030.X
申请日：2017-12-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于多示例学习的视频人脸表情预检测方法，包括：(1)对训练样本和待测试样本的视频数据进行预处理，提取出视频中每帧图像的人脸面部区域；(2)采用LBP描述子对预处理得到的每帧图像的人脸面部区域进行特征抽取，得到每帧图像的特征向量；(3)根据训练样本的特征向量，基于多示例学习，采用扩展的结构化输出支持向量机，求解表情预检测函数；(4)使用步骤(3)中得到的预检测函数，根据步骤(2)的待测试样本的特征向量，进行人脸表情预检测，得到表情预检测结果。本发明可以实时监测表情，识别率高。
-
-
-
-
-
-
Search Results
27
records
(took 0.021 seconds)
