-
公开(公告)号：CN112287018A
公开(公告)日：2021-01-29
申请号：CN202011233274.7
申请日：2020-11-06
Applicant: 武汉理工大学
IPC: G06F16/26 , G06F16/29 , G06F16/215 , G06F16/248 , G06N3/04 , G06N3/08 , G06Q10/06
Abstract: 本发明提供一种台风灾害下10kV杆塔受损风险评估方法及系统，包括收集研究区域的数据，所述数据包括台风信息、电网信息和地理信息；对数据进行处理与分析，建立输入信息数据体系，所述处理与分析包括数据预处理、分类变量处理、样本均衡、相关性分析和变量剔除；基于多种机器学习算法，分别建立台风灾害下10kV杆塔受损风险评估模型，对各模型进行训练和测试，并对研究区域10kV杆塔进行受损风险评估；以拟合优度和时间两类指标作为模型评价指标，对比各模型的风险评估结果，基于层次分析法和熵权法对各指标进行综合赋权，选择最优模型，并将风险评估结果进行可视化。本发明满足不同场景下最优模型选择时的需求，为及时进行灾前巡检调拨提供实际数据支撑。
-
公开(公告)号：CN110097223A
公开(公告)日：2019-08-06
申请号：CN201910361966.0
申请日：2019-04-30
Applicant: 武汉理工大学
Abstract: 本发明提出了一种台风灾害下输电线路损毁预警方法。本发明对气象信息、设备运行信息、微地形信息、实时损毁信息进行采集以构建训练集；对训练集中信息进行信息量化、缺省值处理、标准化处理；基于极值I型概率分布、随机森林法、蒙特卡罗法建立输电线路损毁概率混合预测模型，并计算损毁概率；根据损毁概率进行风险指标计算，进行灾后抢修。本发明预测模型具有更强的适应性和更高的可信度，且能从宏观上合理估算所需抢修资源。
-
公开(公告)号：CN108631539B
公开(公告)日：2019-08-02
申请号：CN201810389992.X
申请日：2018-04-27
Applicant: 武汉理工大学
CPC classification number: Y02T10/641
Abstract: 本发明属于发电装置技术领域，公开了一种应用于电动汽车的电磁发电装置，包括定子壳体、转子壳体；定子壳体和转子壳体的中心均设有轴孔，动力主轴穿过轴孔，主动齿轮固定设置在动力主轴上；主动齿轮连接多组定子转子组合件，每组定子转子组合件包括从动齿轮、转子主轴、绝缘固定座、转动线圈、磁铁N极、磁铁S极；多组定子转子组合件中的从动齿轮分别与主动齿轮相啮合；每组定子转子组合件中的转子主轴与从动齿轮连接，绝缘固定座设置在转子主轴上，转动线圈固定在绝缘固定座上，且转动线圈设置在磁铁N极和磁铁S极之间。本发明解决了现有技术中电动汽车的电磁发电装置不能对机械能进行充分利用的问题。
-
公开(公告)号：CN110009208A
公开(公告)日：2019-07-12
申请号：CN201910231345.0
申请日：2019-03-26
Applicant: 武汉理工大学
IPC: G06Q10/06 , G06Q50/06 , G06F16/215 , G06F16/2458
Abstract: 本发明公开了一种基于混合智能算法的柱上开关成套设备健康状态评估方法及装置，其中的方法包括：首先采集柱上开关成套设备的样本数据，其中，样本数据包括柱上开关成套设备的在线运行信息、离线信息、台本信息、历史故障信息；然后对采集的样本数据进行转化与清洗；接着将进行转化与清洗后的样本数据作为训练数据，建立SVR、BPNN、ELM单一智能算法健康状态评估模型，并根据各个单一智能算法健康状态评估模型的预测结果，建立混合智能算法健康状态评估模型；最后利用混合智能算法健康状态评估模型对待评估设备进行状态评估。本发明可以在保证模型的客观性和准确度的基础上，提升了计算效率，提高了柱上开关成套设备健康状态评估的科学性及合理性。
-
公开(公告)号：CN109359882A
公开(公告)日：2019-02-19
申请号：CN201811267699.2
申请日：2018-10-29
Applicant: 武汉理工大学
Abstract: 本发明涉及一种台风灾害下输电线路风偏跳闸风险评估方法，包括输入研究区域的台风信息、每条输电线路设计信息和环境信息，所述输电线路设计信息包括输电线路杆塔信息、线路导线信息和悬垂绝缘子串信息；用蒙特卡洛法和刚体直杆法，建立台风灾害下输电线路绝缘子串的风偏跳闸概率计算模型；在已建好的模型中输入所需信息，得到该条输电线路在该次台风下的绝缘子串风偏跳闸概率，用以指导灾前工作和灾后停电损失的预测。本发明可适用于台风没有固定风场的情况，对于未知台风具有较好的预测效果，可得出台风灾害下整条输电线路绝缘子串的风偏跳闸概率，对于指导台风过境前灾情预测和过境后物资调度、停电损失预测均具有重要指导意义。
-
Patent Agency Ranking
公开(公告)号：CN109301852A
公开(公告)日：2019-02-01
申请号：CN201811404755.2
申请日：2018-11-23
Applicant: 武汉理工大学
Abstract: 本发明提出了一种微电网分级多目标联合的经济调度方法。本发明建立负荷级模型、源荷级模型以及源网荷级模型，并优化计算得到每时刻电动汽车有序充放电负荷；将每时刻电动汽车有序充放电负荷代入源荷级模型，利用多目标粒子群算法求解源荷级模型得到优化后的储能单元每时刻出力以及优化后的微电网净负荷每时刻出力；将优化后的储能单元每时刻出力以及优化后的微电网净负荷每时刻出力代入源网荷级模型，利用多目标粒子群算法求解源网荷级模型，得出优化后的柴油机每时刻出力以及优化后的主网联络线每时刻出力。本发明使大规模电动汽车、微电网与主网达到运行经济、环境以及安全效益统一的效果。
-
公开(公告)号：CN109299208A
公开(公告)日：2019-02-01
申请号：CN201811278469.6
申请日：2018-10-30
Applicant: 武汉理工大学
IPC: G06F16/29 , G06F16/248
Abstract: 本发明涉及一种台风灾害下杆塔损毁智能可视化风险评估方法，包括：建立数据层，利用台风信息、杆塔信息和地理信息建立空间多元异构数据库，并进行信息数据预处理，并分别按模型侧和目标侧提取数据；建立知识提取层，利用超参数优化和拟合优度法建立输电杆塔损毁概率预测智能模型；在建立可视化处理层，利用ArcGIS对预测结果进行可视化处理。本发明综合考虑台风信息、杆塔信息、地理信息等因素，利用参数优化算法，避免了参数选取的主观性，保证了模型的预测精度与适用性；利用机器学习算法，提高了计算效率，尤其适用于大规模预测；提出了基于不等权拟合优度法的组合模型，能综合多种算法的优点，提高杆塔损毁概率的预测精度。
-
公开(公告)号：CN119918853A
公开(公告)日：2025-05-02
申请号：CN202411923112.4
申请日：2024-12-25
Applicant: 国网经济技术研究院有限公司 , 武汉理工大学
IPC: G06Q10/0631 , G06Q10/0637 , G06Q30/0202 , G06Q30/0201 , G06Q30/0283 , G06Q50/06 , G06N5/04
Abstract: 本发明公开了一种清洁能源及碳资源多级利用的共享博弈效益分摊方法及系统，本发明所提出方法通过多个IES通过能量共享及碳转移相互连接，形成合作博弈，实现资源共享及效益分摊的互利共赢，且微网运营商(Micro‑grid operator,MGO)可为各IES供应能源并形成Stackelberg博弈，并以某工业园区为例进行分析验证，表明了所提方法的先进性，能够为市场机制间接促进低碳重要性的日益突出及兼虑碳资源的多级利用等问题降低系统碳排放，实现碳资源灵活管理等效果。
-
公开(公告)号：CN119298157A
公开(公告)日：2025-01-10
申请号：CN202410997021.9
申请日：2024-07-24
Inventor： 马恒瑞 , 丁书伟 , 王波 , 马富齐 , 侯慧 , 王枭 , 司杨 , 陈晓弢 , 苏小玲 , 麻林瑞 , 王红霞 , 张嘉鑫 , 罗鹏 , 张迎晨 , 王蔚 , 王家豪 , 刘书福
IPC: H02J3/32 , H02J3/00 , H02J3/46 , G06Q30/0201 , G06Q50/06
Abstract: 本发明提供一种基于多阶段鲁棒优化的数据中心储能备用电池经济运行方法，所述方法包括：S101、基于数据中心备用容量需求设定储能备用电池动态可调容量范围；S102、基于储能备用电池动态可调容量范围构建考虑负载、电价、可再生能源出力多重不确定性的多阶段鲁棒优化模型；S103、通过仿射变换法将多阶段鲁棒优化模型转化为两阶段鲁棒优化模型，并采用嵌套的列与约束生成算法进行求解，得到数据中心储能实时最优调度策略，表明了提出的运行方法在保障经济性的同时提升数据中心储能备用电池的运行鲁棒性，为建设绿色数据中心提供了理论基础。
-
公开(公告)号：CN118938015A
公开(公告)日：2024-11-12
申请号：CN202411049526.9
申请日：2024-08-01
Applicant: 武汉理工大学
IPC: G01R31/367 , G01R31/396 , G01R31/388 , G01R31/392 , G01R31/378 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/082
Abstract: 本发明公开了一种基于CNN‑BiGRU神经网络的全钒液流电池故障诊断方法。它包括如下步骤：设计实验工况，采集各工况充放电实验下的样本数据，每个所述样本数据由电池电压、电流、流量和SOC数据构成；数据预处理；搭建CNN‑BiGRU神经网络模型，对CNN‑BiGRU神经网络模型进行训练，获得离线电压预测模型，并对CNN‑BiGRU神经网络模型进行评估，优化模型的部分超参数；对离线电压模型进行在线学习，获得最终电压预测模型；从最终电压预测模型得到预测电压值，将预测电压值与运行电压值相减，获得电压残差；比较电压残差与故障阈值，判定新电池是否出现故障。本发明构建了适用于钒电池的故障诊断模型，故障诊断精度高，误报率低。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.097 seconds)
