-
公开(公告)号：CN111986048B
公开(公告)日：2022-08-26
申请号：CN202010736357.1
申请日：2020-07-28
Applicant: 河海大学
Abstract: 本发明公开了新能源发电技术领域的一种基于TDIC的风光电站出力多尺度动态相关性分析方法及系统，包括：S1：基于EMD对风、光电站中风电输出功率时间序列和光电输出功率时间序列分别进行多尺度分解，获得若干组第一风电内部模态函数和若干组第一光电内部模态函数；S2：采用EMD的改进算法基于自适应噪声的完整集合经验模式分解法，基于步骤S1进一步进行多尺度分解，获得若干组第二风电内部模态函数和若干组第二光电内部模态函数；基于S2，进行基于TDIC的动态相关性分析。可以在自适应的时间窗下挖掘到局部时间范围内的复杂关系，捕捉风光出力在多时间尺度下的动态变化，有助于提高电力系统运行、规划和优化资源配置的能力，提高系统运行的经济效益。
-
公开(公告)号：CN111161158B
公开(公告)日：2022-08-26
申请号：CN201911217769.8
申请日：2019-12-03
Applicant: 河海大学
Abstract: 本发明公开了一种基于新生成网络结构的图像修复方法，包括以下步骤：输入完整的三通道图像和此图像对应的的任意缺失图像；对图像进行预处理；部署基于SE‑ResNet的生成网络；部署判别网络；将缺失图像送入生成网络得到修复图片；通过修复图片与原始图片，更新生成网络的参数；通过修复图片与原始图片同时送入判别网络以训练判别网络；联合训练生成网络和判别网络，直到遍历整个训练集若干次，训练阶段结束；在测试集中随机挑选缺失图像，经过上述训练完成的生成网络得到修复后的图片。本发明在生成器中加入SE‑ResNet结构，显著的减少了参数量，提高了运行速度，减轻了梯度消失现象，加强了网络特征利用，使得修复时间更短，并且修复后的图像更加清晰且逼真。
-
公开(公告)号：CN111915513B
公开(公告)日：2022-07-26
申请号：CN202010660791.6
申请日：2020-07-10
Applicant: 河海大学
Abstract: 本发明公开了一种基于改进的自适应神经网络的图像去噪方法，首先，收集无噪声的图片和被噪声污染过的图片形成数据集，并对数据集进行预处理；其次，搭建并训练Cycle‑GAN网络，并在Cycle‑GAN网络后连接U型神经网络,将整体的网络命名为Cycle‑GAN‑Unet网络；对搭建完成的网络进行训练；将卷积神经网络的损失函数同Cycle‑GAN的损失函数相加；最后，将整个训练好网络的输出使用滤波器进行最后的去噪得到去噪的图像。本发明训练数据的图像不需要一一对应的标注，只需要一组无噪图像和一组有噪图像即可，最终训练好的系统就可对新输入的有噪声图像进行降噪输出无噪图像，并且相比于单独的Cycle‑GAN网络有更好的降噪能力。
-
公开(公告)号：CN114528281A
公开(公告)日：2022-05-24
申请号：CN202210014680.7
申请日：2022-01-07
Applicant: 河海大学
IPC: G06F16/215 , G06F16/22 , G06F16/2458 , G06Q50/06
Abstract: 本发明公开了一种结合动态规划与二分法的新型风电数据清洗方法及系统，其中方法包括获取风电数据样本；预处理风电数据样本，获得对应每天的序号列表；建立与序号列表对应的状态列表，各子序列记录序号列表中到达对应索引位置的最长递减序号列表片段；建立与状态列表对应的排序列表，排序列表中各元素记录严格递减的状态列表各子序列的最大尾部元素值；通过动态规划构建状态转移方程，利用二分法求解各排序列表中最长递减子序列长度；根据预设的最短递减子序列长度，删除最短递减子序列长度与最长递减子序列长度之间范围所对应的风电数据异常点；其中系统是适应于上述方法使用。本发明能够快速有效地清洗特殊情况下的风电异常数据。
-
公开(公告)号：CN114492967A
公开(公告)日：2022-05-13
申请号：CN202210047361.6
申请日：2022-01-17
Applicant: 河海大学
Abstract: 本发明提供一种基于CEEMDAN和BLSTM组合模型的城轨车站客流预测方法和介质，该方法基于工作日与节假日客流变化特征不同的特点，为了避免其特征不同的影响，将工作日与节假日的客流数据分别进行预测建模，并采用Pearson相关系数分析历史客流数据与预测值的关联程度以确定合理的滑动时间窗口。客流数据短时波动量较大，直接对原始数据进行预测会存在较大误差，该方法首先采用CEEMDAN算法将客流数据进行分解处理，然后基于客流的时序性变化，选择由LSTM改进的BLSTM获取分解序列的时序特征，最后将各分量预测结果相加得到最终客流预测数据，本发明能够有效解决城轨交通车站客流波动导致的预测精度差的问题，具有切实可行的实用价值和广泛的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN111967511A
公开(公告)日：2020-11-20
申请号：CN202010770721.6
申请日：2020-08-04
Applicant: 河海大学
Abstract: 本发明公开了一种基于异构特征融合网络的地基云图分类方法，包括如下步骤：(1)对多幅带有噪声的地基云图进行预处理；(2)分别对处理后的地基云图提取特征，使用手工特征提取方法结合费舍尔向量编码得到每张地基云图对应的特征向量；(3)将步骤(2)的输出投入一个四层全连接层网络，该网络的输出记为fc；(4)扩增训练集后，训练卷积神经网络模型，将fc与最后一个池化层得到的深层语义特征fg融合，经过全连接层得到每类对应的分类概率。本发明能够显著的提高地基云图分类识别任务的泛化能力，模型的鲁棒性强，多角度结合视觉信息，即使人为加入噪声也能精确定位云状，取得良好的识别结果。
-
公开(公告)号：CN111861029A
公开(公告)日：2020-10-30
申请号：CN202010744120.8
申请日：2020-07-29
Applicant: 国网上海市电力公司 , 华东电力试验研究院有限公司 , 河海大学
Abstract: 本发明公开了一种计及孤岛划分和网络重构的供电可靠性评估方法，包括如下步骤：S1，根据配电系统故障发生位置，配电系统供电能力以及负荷需求，对系统负荷节点进行分类，系统网络故障区域划分完成；S2，通过分布式电源形成孤岛为区域内节点供电，进行网络重构恢复剩余节点供电，分别根据系统节点参数确定每个节点的恢复次序；S3，根据配电网的不同运行状态，采用蒙特卡洛模拟法对含分布式电源的配电网供电可靠性进行评估。
-
公开(公告)号：CN111786382A
公开(公告)日：2020-10-16
申请号：CN202010625197.3
申请日：2020-07-02
Applicant: 国网上海市电力公司电力科学研究院 , 河海大学
Abstract: 本发明公开一种考虑加权潮流熵的配电网负荷恢复量计算方法，建立的数学模型中，以负荷恢复量、节点电压降落和加权潮流熵作为多目标函数，综合考虑潮流约束、网络拓扑约束、发电机出力和电压等约束条件。本发明针对当前城市配电网故障，电力负荷恢复过程中，普遍关注负荷恢复的快速性和经济性，较少考虑负荷恢复过程中线路负载分布不均，导致的自组织临界状态的问题，提出了以加权潮流熵作为目标函数之一提高电网重构过程中的稳定性，通过动态二进制粒子群算法优化对模型进行寻优，得到最优网络拓扑结构和最大负荷恢复量。
-
公开(公告)号：CN110991723A
公开(公告)日：2020-04-10
申请号：CN201911182133.4
申请日：2019-11-27
Applicant: 河海大学
Abstract: 本发明公开了一种人工智能在季节性负荷预测中的应用方法，首先基于剔除趋势负荷的方法类获得气象负荷数据，采用最小二乘拟合来获得线性的趋势负荷函数，将原始负荷序列减去趋势负荷作为气象负荷数据；然后，应用FCM聚类算法对样本数据进行聚类分析，共得到三种不同类型的训练样本；接着，建立温度修正模型，考虑到夏季高温天气的气温累积效应，有必要对高温天气的最高温度进行温度修正；最后，建立PSO-ELM负荷预测模型，将粒子群优化算法(PSO)与极限学习机(ELM)相结合，有效的提高了负荷预测的精度，具有重要的实际应用价值。
-
公开(公告)号：CN110942037A
公开(公告)日：2020-03-31
申请号：CN201911200563.4
申请日：2019-11-29
Applicant: 河海大学
Abstract: 本发明公开了一种用于视频分析中的动作识别方法，包括如下步骤：(1)获取动作视频，将其处理成静止视频帧，计算叠加光流图；(2)采用步骤(1)中获得的静止图像帧数据以及光流图作为输入分别进行训练，学习特征；(3)对于步骤(2)中卷积层的时空特征进行卷积计算进行融合，并且进行3D池化，同时光流网络不截断，进行3D池化后继续提取特征；(4)将步骤(3)中得到的融合特征与光流特征进行平均计算融合；(5)根据损失函数对网络迭代训练，直至模型结果收敛。本发明能够在有限的时间规模内，尽量多的获取视频中的信息，从而增加网络的鲁棒性以及提高识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
136
records
(took 0.032 seconds)
