公开(公告)号：CN115034069B

公开(公告)日：2024-08-16

申请号：CN202210699155.3

申请日：2022-06-20

Applicant: 重庆邮电大学

Inventor： 黄淼 ,  杨小永 ,  文旭

IPC: G06F30/20 ,  G06V30/18 ,  G06V30/422

Abstract: 本发明涉及一种由图像文件自动生成Simulink控制系统模型的快速建模方法，属于电力系统控制设备的仿真建模技术领域。该方法包括：S1：读取描述控制系统传递函数方框图的图像文件；S2：对步骤S1读取的图像文件预处理，然后识别并提取传递函数方框图中各环节的位置坐标和类型等信息；S3：提取传递函数方框图之间的连接方式，包括信号线端点、拐点以及信号引出点的坐标信息；S4：自动生成Simulink格式的控制系统仿真模型文件。本发明将计算机图像识别技术应用于动态系统的仿真建模，基于控制系统的传递函数方框图快速生成Simulink仿真模型文件，可有效减少仿真人员手动建模的工作量，提高控制系统的仿真建模效率。

公开(公告)号：CN118381003A

公开(公告)日：2024-07-23

申请号：CN202410461872.1

申请日：2024-04-17

Applicant: 重庆邮电大学

Inventor： 黄淼 ,  周勇 ,  邱帆 ,  庄凯 ,  杨爽 ,  董光德 ,  付昂

IPC: H02J3/00 ,  G01R19/165 ,  G01R21/00 ,  G01D21/02 ,  G06F18/2113 ,  G06F18/213 ,  G06F18/214 ,  G06F18/25 ,  G06N3/084 ,  G06N3/086 ,  H02J3/16 ,  H02J3/18

Abstract: 本发明涉及一种台区电压自适应的预测及治理方法，属于配电网技术领域。该方法包含以下步骤：S1：获取待测台区数据；S2：计算待测台区电压对待测台区有功功率、待测台区无功功率、10kV母线电压、其他台区有功功率、其他台区无功功率、温度、湿度的灵敏度；S3：将灵敏度绝对值进行降序排序，选取绝对值最大的前k个变量作为输入，台区电压作为输出，对PSO‑BP神经网络模型进行自适应训练，并利用已训练好的PSO‑BP神经网络模型预测台区在未来某一时刻的电压值；S4：预测配电网中所有台区的电压，对台区电压实施“点面结合”的治理策略。本发明选择对台区电压具有强敏感性的变量作为模型输入，保证了预测结果的准确性。

公开(公告)号：CN118040657A

公开(公告)日：2024-05-14

申请号：CN202410057088.4

申请日：2024-01-15

Applicant: 重庆邮电大学

Inventor： 黄淼 ,  刘川 ,  邱帆 ,  商钰琪 ,  张雯 ,  张刚 ,  曹东禹 ,  王文博 ,  文旭

IPC: H02J3/00 ,  H02J3/12 ,  H02J3/24 ,  G06Q10/0637 ,  G06Q10/0639 ,  G06Q50/06 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明涉及一种面向静态电压稳定和小干扰功角稳定的联合预测方法，属于电力系统分析技术领域，包括以下步骤：S1：采用连续潮流法和特征值分析法分别对电力系统当前运行点的静态电压稳定和小干扰功角稳定进行分析，从中提取相关信息，生成用于预测模型的样本数据；S2：基于样本数据训练电力系统静态电压稳定和小干扰功角稳定联合预测模型，计算静态电压稳定指标和小干扰功角稳定指标，根据这两部分指标实时判断电力系统当前的静态电压稳定程度和小干扰功角稳定程度。本发明使用一个预测模型同时对静态电压稳定和小干扰功角稳定进行在线评估，有效缩短了稳定评估的建模和实施进程，具有较强的工程实用性。

公开(公告)号：CN116151472A

公开(公告)日：2023-05-23

申请号：CN202310239797.X

申请日：2023-03-13

Applicant: 重庆邮电大学

Inventor： 李本川 ,  陈俊生 ,  孙荣利 ,  刘明杰 ,  刘平 ,  黄淼 ,  苗建国 ,  朴昌浩

IPC: G06Q10/04 ,  G06Q10/0639 ,  G06Q50/06 ,  G06N3/08 ,  G06N3/0442

Abstract: 本发明属于电动汽车能源管理领域，涉及一种基于车联网数据挖掘的电动汽车短期能耗预测方法；所述方法包括从车联网数据平台中获取电动汽车的运行数据和工况数据；将运行数据按放电过程划分里程片段；从工况数据中按相关系数提取出与电动汽车能耗相关的特征变量；在划分好的里程片段内，对所选特征变量进行参数计算，构建出待测里程片段的输入变量；将待测里程片段的输入变量输入到训练后的集成学习模型中，得到待测里程片段的能耗调整因子预测值；利用待测里程片段的能耗调整因子预测值，计算电动汽车在待测里程片段的能耗预测值。本发明基于能耗调整因子设计的电动汽车能耗预测模型能够更加准确的预测电动汽车的能耗水平。

公开(公告)号：CN115470715A

公开(公告)日：2022-12-13

申请号：CN202211286662.0

申请日：2022-10-20

Applicant: 重庆邮电大学

Inventor： 黄淼 ,  曹锐斌 ,  刘忠辉 ,  朱晟毅 ,  文旭

IPC: G06F30/27 ,  G06K9/62 ,  G06F111/08

Abstract: 本发明涉及一种基于Kriging代理模型统计操作过电压的方法，属于电力技术领域。该方法包括一下步骤：1)利用PSCAD软件建立仿真模型；2)确定随机变量，收集训练数据，并根据采样样本以及各相过电压响应构建Kriging代理模型；3)预测对应样本点的仿真响应值并对其进行统计处理和分析。本发明提供的方法，便于电气工作人员能快速统计操作过电压，和传统的蒙特卡洛方法相比有效减少了仿真运行次数，节约了大量工作时间，具有较强的工程实用性。

公开(公告)号：CN114677532A

公开(公告)日：2022-06-28

申请号：CN202210418843.8

申请日：2022-04-20

Applicant: 重庆邮电大学

Inventor： 黄淼 ,  李涛 ,  文旭

IPC: G06V10/762 ,  G06K9/62

Abstract: 本发明涉及一种利用出厂数据和特性曲线的感应电动机参数辨识方法，属于感应电动机参数辨识领域。该方法包括以下步骤：S1：利用图像识别，将感应电动机转矩‑滑差特性曲线和定子电流‑滑差特性曲线转化为离散的数据点，构建感应电动机特性曲线数据集；S2：利用聚类分析，对感应电动机特性曲线数据集开展分段聚类，以便简化特性曲线数据集；S3：基于得到的特性曲线简化数据集以及感应电动机铭牌数据，构建感应电动机参数辨识优化模型；S4：对感应电动机参数辨识优化模型进行求解。本发明可以有效解决目前对感应电动机出厂数据量利用不充分的问题，提高参数辨识的精度，同时本发明引入聚类分析提高了在参数辨识时优化算法的收敛特性。

公开(公告)号：CN108255813B

公开(公告)日：2021-11-16

申请号：CN201810062016.3

申请日：2018-01-23

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  李佳歆 ,  万辉 ,  马艺玮 ,  蔡军 ,  黄淼 ,  刘想德

IPC: G06F40/289 ,  G06F16/33

Abstract: 本发明请求保护一种基于词频‑逆文档(TF‑IDF)与CRF的语义匹配方法，选用CRF挖掘到的属性特征和TF‑IDF的统计特征来表示文本的权重值，并将权重值赋予文本词向量。该方法解决了TF‑IDF和CRF单纯从统计角度以及需求信息上获取权重却没有考虑到词语之间语义的问题，同时也解决了Word2vec中固定词特征表述不清楚的问题。结合上述方法处理文本匹配问题可显著提高匹配的准确率。

公开(公告)号：CN113627014A

公开(公告)日：2021-11-09

申请号：CN202110914933.1

申请日：2021-08-10

Applicant: 重庆邮电大学

Inventor： 黄淼 ,  李韬 ,  文旭

IPC: G06F30/20 ,  G06F113/06

Abstract: 本发明涉及一种面向PSD‑BPA快速生成风电场集电线路、箱变和发电机组模型的方法，属于电力系统技术领域，包括以下步骤：S1：建立风电场集电线路、箱变和发电机组的典型参数库；S2：读取收集到的集电线路、箱变以及发电机组数据；S3：自动生成描述节点名称的哈希表；S4：自动生成集电线路、箱变、发电机组模型参数的中间表达形式；S5：自动生成符合PSD‑PA格式要求的稳态和暂态仿真数据。本发明显著减少了PSD‑BPA用户人工建模的工作量，有效避免了繁琐的参数转换、数据录入以及数据核对工作，有助于PSD‑BPA用户快速建立风电场仿真模型，具有工程实用性强的优点。

公开(公告)号：CN111489364A

公开(公告)日：2020-08-04

申请号：CN202010277654.4

申请日：2020-04-08

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  钟冰 ,  李洁 ,  彭德光 ,  李锐 ,  郝博慧 ,  彭江平 ,  李伟 ,  李星辰 ,  黄淼 ,  邹密

IPC: G06T7/11 ,  G06T7/194 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于轻量级全卷积神经网络的医学图像分割方法。首先对数据集进行灰度化、归一化、对比度受限自适应直方图均衡(CLAHE)、伽马校正等预处理；然后，对训练集进行随机的提取patch和测试集顺序提取patch图以完成数据增强；接着，搭建由收缩路径(左侧)和扩张路径(右侧)组成的全卷积神经网络架构，针对图像数量较少的数据集设计留一法(leave-one-out)训练方法；最后，通过通道稀疏正则化训练、裁剪比例因子小于设定阈值的通道以及微调裁剪后的网络完成BN通道模型裁剪，得到轻量级全卷积神经网络，并将测试数据输入到该网络中快速测试完成图像分割。轻量级全卷积神经网络即保证了深度网络的高分割精度优势，又提高了图像分割网络的测试速度。

公开(公告)号：CN110209635A

公开(公告)日：2019-09-06

申请号：CN201910503021.8

申请日：2019-06-11

Applicant: 重庆邮电大学

Inventor： 黄淼 ,  陈仁 ,  陈鑫 ,  马艺玮 ,  朴昌浩 ,  唐贤伦 ,  谢涛

IPC: G06F16/11 ,  G06F16/13

Abstract: 本发明涉及一种PSD-BPA至pandapower的电力系统潮流输入数据的转换方法，属于电力系统仿真领域。该方法包括以下步骤：S1：读取描述BPA潮流输入数据文件中各种数据卡片格式的配置文件；S2：读取BPA潮流输入数据；S3：把BPA的潮流输入数据转换为pandapower所规定的潮流数据对象，并将其序列化存储到磁盘文件中。本发明通过利用pandapower提供的创建潮流数据的函数，将BPA的潮流输入数据成功转换为pandapower潮流计算所需的数据结构。解决了使用pandapower过程中缺乏实际电网数据的问题，以满足实际工程的需要。