-
公开(公告)号：CN112699936B
公开(公告)日：2022-06-28
申请号：CN202011594028.4
申请日：2020-12-29
Applicant: 东北电力大学
Abstract: 本发明的一种电力CPS广义虚假数据注入攻击的识别方法。其特点是，包括：信息物理融合数据平衡化处理方法、GFDIA识别最优特征子集确定方法、GFDIA识别器构建方法和得到电力CPS广义虚假数据注入攻击识别模型的内容，该方法能够克服传统的深度森林算法在电力信息物理融合系统的GFDIA识别中存在的如下问题：数据不平衡时识别误报率高的问题，数据维度过高引起的模型复杂度上升的问题，模型构建不合理引起的GFDIA识别精度不足，易过拟合的问题，进而提供一种稳定、高效的GFDIA识别方案。该方法科学合理，可适用于电力CPS领域中的广义虚假数据注入攻击的识别问题。
-
公开(公告)号：CN112699936A
公开(公告)日：2021-04-23
申请号：CN202011594028.4
申请日：2020-12-29
Applicant: 东北电力大学
Abstract: 本发明的一种电力CPS广义虚假数据注入攻击的识别方法。其特点是，包括：信息物理融合数据平衡化处理方法、GFDIA识别最优特征子集确定方法、GFDIA识别器构建方法和得到电力CPS广义虚假数据注入攻击识别模型的内容，该方法能够克服传统的深度森林算法在电力信息物理融合系统的GFDIA识别中存在的如下问题：数据不平衡时识别误报率高的问题，数据维度过高引起的模型复杂度上升的问题，模型构建不合理引起的GFDIA识别精度不足，易过拟合的问题，进而提供一种稳定、高效的GFDIA识别方案。该方法科学合理，可适用于电力CPS领域中的广义虚假数据注入攻击的识别问题。
-
公开(公告)号：CN108181107B
公开(公告)日：2019-08-30
申请号：CN201810031877.5
申请日：2018-01-12
Applicant: 东北电力大学
IPC: G01M13/045 , G06F17/14
Abstract: 本发明是一种计及多分类目标的风电机组轴承机械故障诊断方法，其特点是，包括风电机组轴承振动信号采集、风电机组轴承振动信号处理、风电机组轴承振动信号特征提取、风电机组轴承振动信号特征选择、层次化混合分类器对断路器状态进行识别等步骤，具有科学合理，适应性强，实用价值高，能够准确识别故障的避免现有方法容易将训练样本中不包含的新故障程度或者新故障类型样本误识别为正常状态。
-
Patent Agency Ranking
公开(公告)号：CN116523142A
公开(公告)日：2023-08-01
申请号：CN202310575852.2
申请日：2023-05-22
Applicant: 东北电力大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/084 , G06F18/23 , G06F18/214 , H02J3/00
Abstract: 一种考虑时空特性聚类的光伏集群区间预测方法，属于光伏功率预测技术领域，包括集群聚类和区间预测，采用K‑Modes进行光伏集群聚类，将云量、辐照度、温度、风速NWP特征，历史光伏功率以及各个光伏电站的地理位置光伏输入信息，将具有相似特征的光伏电站建立为一个子集群。采用QR‑LSTM模型对子集群分别进行光伏功率区间预测，并根据每个子集群的特点，对LSTM的步长进行调整，来达到最好的预测效果。本发明建立的模型计算简单、预测性能高。物理意义清晰，预测结果有效，实用性强。
-
公开(公告)号：CN116316600A
公开(公告)日：2023-06-23
申请号：CN202310324246.3
申请日：2023-03-30
Applicant: 东北电力大学
IPC: H02J3/00 , G06F18/10 , G06F18/214 , G06N3/0442 , G06N3/0499 , G06N3/08 , H02J3/38
Abstract: 本发明是一种基于季节分型的面向风电功率日前预测自适应滤波方法，其特点是，包括基于KL‑VMD‑NLM的深度自适应滤波、季节分型、模型选择、仿真计算和评价指标的步骤，相比传统的VMD分解技术，本发明有效避免了人工选择超参数所造成的误差，非局部均值去噪算法有效剔除了NWP中的噪声影响，同时使用多个备选模型，使得本发明在风电功率日前预测中的预测精度高、适用性强且效果佳。
-
公开(公告)号：CN108181107A
公开(公告)日：2018-06-19
申请号：CN201810031877.5
申请日：2018-01-12
Applicant: 东北电力大学
Abstract: 本发明是一种计及多分类目标的风电机组轴承机械故障诊断方法，其特点是，包括风电机组轴承振动信号采集、风电机组轴承振动信号处理、风电机组轴承振动信号特征提取、风电机组轴承振动信号特征选择、层次化混合分类器对断路器状态进行识别等步骤，具有科学合理，适应性强，实用价值高，能够准确识别故障的避免现有方法容易将训练样本中不包含的新故障程度或者新故障类型样本误识别为正常状态。
-
公开(公告)号：CN115423175A
公开(公告)日：2022-12-02
申请号：CN202211045066.3
申请日：2022-08-30
Applicant: 东北电力大学
IPC: G06Q10/04 , G06Q50/06 , H02J3/00 , G06N3/08 , G06N3/04 , G06F30/27 , G06F113/04 , G06F119/06
Abstract: 本发明涉及风电技术领域，是一种风电功率预测误差分解方法，其特点是：包括风电功率预测误差分解、基于卡尔曼滤波的数据处理、基于BAS优化算法的模型参数优化、仿真计算等步骤。与现有的仅考虑误差分布特性的误差分析方法相比，本发明能够分解预测的各环节误差，并分析各环节的预测误差如何改进，具有物理意义清晰，可解释性强等优点。
-
公开(公告)号：CN115423174A
公开(公告)日：2022-12-02
申请号：CN202211044880.3
申请日：2022-08-30
Applicant: 东北电力大学
IPC: G06Q10/04 , G06Q50/06 , H02J3/00 , G06N3/08 , G06N3/04 , G06K9/62 , G06F30/28 , G06F30/27 , G06F113/04 , G06F113/08 , G06F119/14
Abstract: 本发明涉及风电技术领域，是一种计及波动过程划分的短期风电功率预测方法，其特点是：能够根据风机出力特性分析结果与风速‑功率物理转换模型，提取波动特征，进而提出一种针对风电功率预测改进的K均值聚类方法，并基于分类结果，建立不同波动过程下的异常数据处理模型及短期风电功率预测模型。经过仿真计算验证了本发明预测方法科学合理，预测过程简单，预测精度高、物理意义清晰，预测结果有效，实用性强。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
