-
公开(公告)号：CN108983749B
公开(公告)日：2021-03-30
申请号：CN201810750695.3
申请日：2018-07-10
Applicant: 福州大学
Abstract: 本发明涉及基于K‑SVD训练稀疏字典的光伏阵列故障诊断方法。采集多组光伏发电阵列正常，短路和开路电流样本信号，构造训练样本矩阵；对每个样本信号进行归一化处理；调用K‑SVD算法，确定训练样本矩阵的行数N，列数M，稀疏字典的词汇量K，稀疏度L，以及迭代次数n；利用正常样本矩阵，短路样本矩阵和开路样本矩阵分别训练出正常稀疏字典，短路稀疏字典及开路稀疏字典；调用OMP算法，分别利用三种稀疏字典重构检测样本信号，并计算出三种重构信号和检测样本信号的相关系数；根据检测样本信号和稀疏字典重构信号相关系数的大小实现光伏发电阵列故障的诊断与分类。本发明能够为光伏故障诊断提供了研究经验和研究思路。
-
公开(公告)号：CN109660206B
公开(公告)日：2020-05-19
申请号：CN201811562127.7
申请日：2018-12-20
Applicant: 福州大学
IPC: H02S50/10
Abstract: 本发明涉及一种基于Wasserstein GAN的光伏阵列故障诊断方法，首先对光伏阵列电流、电压时序数据进行采集；接着将获取的光伏阵列时序电流与时序电压数据绘制为曲线图形并保存为样本；然后设计Wasserstein GAN网络中的鉴别器D与生成器G；然后训练Wasserstein GAN中的鉴别器D生成器G；接着将训练得到的鉴别器D作为光伏阵列时序电流电压曲线图片的特征提取网络，采用全连接神经网络训练特征分类器，对特征提取网络得到的特征进行分类，得到光伏阵列时序电流电压数据的诊断模型。本发明所提出的基于Wasserstein GAN的光伏阵列时序电流电压数据的故障诊断方法，在无监督训练的基础上能够准确地对光伏阵列进行故障检测和分类。
-
公开(公告)号：CN109873610B
公开(公告)日：2020-04-10
申请号：CN201910206962.5
申请日：2019-03-19
Applicant: 福州大学
IPC: H02S50/10
Abstract: 本发明涉及一种基于IV特性和深度残差网络的光伏阵列故障诊断方法。首先，利用Simulink搭建模型阵列，采集各种工况条件下的电气数据和环境数据；其次，剔除原始模拟的数据中的异常数据，采集到原始I‑V曲线进行下采样，并将一维特征拼接为二维特征，作为故障的总体特征；而后，将样本数据分成训练集、验证集和测试集，并设计维度变换的残差卷积神经网络的网络结构及其训练算法Adam的训练参数，进行样本训练得到DT‑ResNet故障诊断训练模型；最后，利用DT‑ResNet故障诊断训练模型，对待测工况测试集下的光伏发电阵列进行检测和分类，诊断故障类型。本发明方法具有精确度高，收敛快，鲁棒性强，泛化能力好等优点，能够有效提高光伏发电阵列故障检测和分类的准确性。
-
公开(公告)号：CN110766134A
公开(公告)日：2020-02-07
申请号：CN201910910254.X
申请日：2019-09-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于循环神经网络的光伏电站短期功率预测方法，包括如下步骤：步骤S1：根据待预测日的天气类型，得到对应的NWP气象参数；步骤S2：采集待预测日之前的若干天历史数据；步骤S3:对历史数据进行处理，并将处理后的历史数据作为训练数据集；步骤S4：采用循环神经网络对训练数据集进行学习，并用随机梯度下降法调整网络的参数，得到预测模型；步骤S5：将待预测日的NWP气象参数作为预测模型的输入，得出预测的功率值。本发明能够显著提高光伏电站短期功率预测的精度和可靠性。
-
公开(公告)号：CN108008176B
公开(公告)日：2019-11-12
申请号：CN201711173022.8
申请日：2017-11-22
Applicant: 福州大学
Abstract: 本发明涉及一种光伏阵列实时状态监测与故障定位系统。包括电压电流传感电路、数据采集卡以及MATLAB上位机数据管理中心；所述电压电流传感电路用以进行光伏阵列的电压和各个组串电流的检测；所述MATLAB上位机数据管理中心用于进行数据采集卡的各项设置以及数据处理；根据所述数据采集卡采集传输至MATLAB上位机数据管理中心的数据，MATLAB上位机数据管理中心通过采用阈值法－Hampel辨识法相结合的光伏阵列离群值检测算法，比较不同光伏组串瞬时电流进行异常检测实现故障定位。本发明系统能够自动定时采集光伏电气数据并快速、准确地判断是否发生故障及实现故障组串定位，从而及时发现光伏阵列中的潜在性故障，保证了光伏发电系统安全、稳定地运行。
-
Patent Agency Ranking
公开(公告)号：CN110378422A
公开(公告)日：2019-10-25
申请号：CN201910658987.9
申请日：2019-07-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于Faster R-CNN的武器识别方法包括以下步骤：步骤S1:采集包含武器的图像,并构成图像数据集；步骤S2:对图像数据集进行预处理，并分成训练集和测试集；步骤S3:将训练集输入预训练模型中进行训练，得到识别模型；步骤S4:将测试集输入识别模型，输出测试图像中武器的类别，以及对预测结果的准确率。本发明能够对图像中的武器进行识别，且可同时识别多个武器，精度较高。
-
公开(公告)号：CN110334870A
公开(公告)日：2019-10-15
申请号：CN201910613978.8
申请日：2019-07-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于门控循环单元网络的光伏电站短期功率预测方法。该方法包括：包括以下步骤：步骤S1：根据待预测日的天气类型选取气象参数作为模型输入，不同的天气类型，占主导地位的气象参数不同；步骤S2：对待预测日之前的20天历史数据进行处理，剔除异常值和黑夜的值，然后对历史功率和历史NWP气象参数进行归一化处理，将其作为训练数据集；步骤S3：采用门控循环单元网络对训练数据集进行学习，并用方均根反向传播算法调整网络的参数；步骤S4：将待预测日的NWP气象参数作为模型的输入，得出预测的功率值。本发明方法能够显著提高光伏电站短期功率预测的精度和可靠性。
-
公开(公告)号：CN110322442A
公开(公告)日：2019-10-11
申请号：CN201910623302.7
申请日：2019-07-11
Applicant: 福州大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于SegNet的建筑物表面裂纹检测方法，包括步骤S1：采集原始桥梁裂纹图像数据集以及原始墙体裂纹图像数据集；步骤S2：对步骤S1采集的图像进行注释，标注出裂纹的轮廓；步骤S3：进行图像预处理；步骤S4：进行模型训练，采用Keras框架实现SegNet模型，并在Anaconda平台下，将预处理后的数据集送入改进的SegNet模型进行训练，训练完成后将最佳模型保存；步骤S5：利用步骤S4保存的最佳模型进行裂纹检测。本发明能有效地适应环境变化，达到较好的检测效果，对于提升建筑物表面裂纹检测的准确率和效率有重要作用。
-
公开(公告)号：CN109409343A
公开(公告)日：2019-03-01
申请号：CN201811513963.6
申请日：2018-12-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于活体检测的人脸识别方法，首先进行人脸识别；接着通过脸部信息提取心率信息；然后要求被识别人在规定位置做出规定手势；接着通过手势识别来验证手势，并进一步提取手势上的心率信息及波形；最后对人脸及手上的心率信息波形进行相关性检测校验，以获取活体检测结果。本发明可有效应对人脸识别种所遇到的照片攻击和视频攻击问题。
-
公开(公告)号：CN109376773A
公开(公告)日：2019-02-22
申请号：CN201811155370.7
申请日：2018-09-30
Applicant: 福州大学
Abstract: 本发明提出一种基于深度学习的裂纹检测方法，包括以下步骤：步骤S1：训练集、验证集与测试集的采集；按比例随机分成训练集、验证集和测试集；步骤S2：目标分类检测；通过采用迁移学习方法训练卷积神经网络模型；步骤S3：利用拼接算法对待检测图片进行拼接；步骤S4：利用模型进行裂纹检测；采用滑动窗口扫描方法，对拼接后的图片进行扫描，并依次送入训练好的卷积神经网络模型进行分类判断。本发明能够对裂纹进行准确的识别，且由于采用了迁移学习的方法，能够大大减少训练复杂神经网络所需的数据集，并提供了较好精度性能。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.021 seconds)
