公开(公告)号：CN119128619A

公开(公告)日：2024-12-13

申请号：CN202411014081.0

申请日：2024-07-26

Applicant: 三峡大学

Inventor： 张涛 ,  刘昊 ,  刘哲恒 ,  张晋源 ,  曹成 ,  李亚莎 ,  王成江

IPC: G06F18/241 ,  G06T17/20 ,  G06N3/0499

Abstract: 基于能量熵与ELM的光纤复合海缆振动信号分类方法，首先利用有限元仿真软件搭建各工况下的光纤复合海缆工作模型，提取出海缆内部光单元的振动加速度数据；并利用经验模态算法对振动加速度进行多层分解，得到数个IMF分量以及一个残余项；将前m个IMF分量的能量熵占比作为特征量构成特征向量T＝[p1,p2,…,pm]，整合所有工况下的特征向量即为整体样本；最后将样本随机化分成训练集与测试集，将训练集输入到ELM分类器中对其训练，将测试集输入到已经训练好的极限学习机分类器中完成振动信号的识别。本发明结合了信号的能量熵特性以及极限学习机计算准确率高、计算时间段的优点，实现了快速判断光纤复合海缆的实时工作状态，为实际工程对光纤复合海缆的在线监控提供了新的方法。

公开(公告)号：CN118572664A

公开(公告)日：2024-08-30

申请号：CN202410583716.2

申请日：2024-05-11

Applicant: 三峡大学

Inventor： 张涛 ,  孟衡 ,  张晋源 ,  刘文丽 ,  王凌云

IPC: H02J3/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0442 ,  G06F18/25 ,  G06F123/02

Abstract: 基于MST‑GCN与Transformer融合的多节点短期电力负荷预测方法，构建MSTGCN‑T模型，包括多尺度ST‑GCN模型、Transformer层与门控融合模块；对输入的历史时空负荷矩阵基于属性增强单元A‑Cell进行属性增强，得到属性增强后的时空负荷矩阵；将属性增强后的时空负荷矩阵、节点0‑1邻接矩阵与自适应邻接矩阵输入到MST‑GCN模块，采用MST‑GCN模块挖掘各节点负荷的短期时空特征，采用Transformer挖掘各节点负荷的长期时序特征；把属性增强后的时空负荷也输入到Transformer层进行节点负荷长期时序特征挖掘；通过门控融合模块集成短期时空特征、长期时序特征作为预测的输出。本发明模型大幅度提升了多节点负荷预测的精确性和稳定性。