一种基于改进LSTM-CNN的风功率短期预测方法

    公开(公告)号:CN115115090B

    公开(公告)日:2025-04-01

    申请号:CN202210543841.1

    申请日:2022-05-18

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于改进LSTM‑CNN的风功率短期预测方法,包括获取风电场风功率历史数据和对应时间的数值天气预报数据,并对数据进行预处理和拼接形成多维时序数据集;将数据集按照时间划分为分别代表四个季节的四组样本,利用K‑means算法对每组样本进行聚类,将每组样本划分为若干个聚类类别;选取目标聚类类别的样本划分训练集和测试集,将训练集输入到改进LSTM‑CNN预测模型中进行模型训练;将测试集输入到训练好的预测模型中,得到对应的短期风功率预测数据。通过聚类找到对预测精度影响最大的样本,提高了预测效率,通过改进预测模型提取多尺度特征,弥补传统预测算法对复杂天气情况下风功率预测精度不高的缺陷。

    一种自组装成型的高效辐射制冷织物及其制备方法

    公开(公告)号:CN118932609A

    公开(公告)日:2024-11-12

    申请号:CN202411039992.9

    申请日:2024-07-31

    Applicant: 东南大学

    Inventor: 佘伟 刘洋

    Abstract: 本发明公开了一种自组装成型的高效辐射制冷织物及其制备方法。该高效辐射制冷织物为钙钒石纳米颗粒作为无机填料利用溶胶‑凝胶溶液纺丝技术引入到聚合物基体中得到,其中,聚合物基体为聚乙烯醇缩丁醛与聚二甲基硅烷聚合而成。该制备方法通过分层多级设计的随机分布以及软质纤维与硬质骨架的协同散射的纤维织物设计,直接将辐射冷却技术集成到各种应用中,制备过程简单,易操作,制备成本低、效率高,易于工业化生产;制备的层状织物微纤维构成,可以裁切成所需的任意形状;而且具有良好的辐射制冷、柔韧性、自清洁,以及力学性能,适用用于各种应用场景,解决了现有的辐射制冷效率差,清洁能力差,工艺复杂,应用局限的问题。

    一种基于自编码器的火电厂辅机健康状态评估方法

    公开(公告)号:CN112633331B

    公开(公告)日:2024-07-12

    申请号:CN202011439021.5

    申请日:2020-12-07

    Applicant: 东南大学

    Abstract: 本发明提供了涉及一种基于自编码器的火电厂健康状态评估方法,基于Pearson相关系数的相关性分析首先对辅机多维历史数据特征进行关联性分析,筛除关联性较低的特征,保留关联度较高的特征。筛选完成的历史数据特征需要通过主成分分析方法进行分解,按照累计方差贡献率达到一定比例,计算出主成分的个数。最后,将筛选完成的历史数据送入自编码器进行建模,隐藏层神经元个数由主成分分析方法得到的累计方差贡献率决定。多源实时数据输入自编码器模型进行重构,计算原始数据和重构数据误差,通过设计允许误差限,对辅机健康状态进行实时评估。本发明具有计算速度快、实时性高的特点,能有效地应用于火电厂辅机健康状态评估。

    一种胶质母细胞瘤增强化疗-免疫治疗递药系统及其制备方法和应用

    公开(公告)号:CN117717618A

    公开(公告)日:2024-03-19

    申请号:CN202311662577.4

    申请日:2023-12-06

    Applicant: 东南大学

    Inventor: 杨芳 刘洋

    Abstract: 本发明公开了一种胶质母细胞瘤增强化疗‑免疫治疗递药系统及其制备方法和应用,该系统由双载药纳米脂质体及其所吸附的蛋白组成,本发明系统利用S1P对血液中载脂蛋白的主动吸附作用,通过给药后体内吸附的方式得到具有血浆特定分子的蛋白冠,该蛋白冠具备穿透血脑屏障,将纳米递药系统送达肿瘤部位的能力;纳米递药系统装载的抗肿瘤化疗药物具备杀伤肿瘤细胞的作用,而共同装载的气体前体药物在胶质母细胞瘤细胞内释放的气体信号分子具备调控细胞自噬行为,从而放大化疗药物效果的效应;此外,气体信号分子能够诱导免疫原性死亡,逆转深度免疫抑制性微环境,能够增强免疫治疗效果,从而有效解决了胶质母细胞瘤血脑屏障和免疫抑制性微环境问题。

    一种利用高斯噪声的设备异常检测方法

    公开(公告)号:CN112836570B

    公开(公告)日:2024-02-06

    申请号:CN202011498766.9

    申请日:2020-12-16

    Applicant: 东南大学

    Abstract: 本发明公开了一种利用高斯噪声的设备异常检测方法,本发明无需大量故障样本,采用基于高斯噪声的生成对抗方式训练正常样本,得到用于映射潜向量映射空间的生成器,一旦异常样本经过生成器映射后脱离潜向量映射空间,即可实现异常检测。由于生成器是只匹配正常样本的,正常的振动图像经过生成器可以映射成原始定义的分布pg~N(0,1),但是异常样本经过这个生成器无法匹配原始定义的分布,因为该生成器是仅用正常样本做生成对抗训练的。因此,在不同故障模式下的异常样本会以不同的方式偏离正常样本的潜向量映射空间,因此基于上述方法的异常检测模型可以实现不同故障模式的故障预警。

    基于贝叶斯多模态神经网络的高速公路沥青路面养护方案决策方法

    公开(公告)号:CN117291085A

    公开(公告)日:2023-12-26

    申请号:CN202310750755.2

    申请日:2023-06-25

    Applicant: 东南大学

    Abstract: 本发明公开了基于贝叶斯多模态神经网络的高速公路沥青路面养护方案决策方法,包括:构建高速公路路面养护信息矩阵;选取高速公路路面养护决策指标;构建用于高速公路沥青路面养护方案决策的多模态神经网络模型MNN‑EAPMD;构建用于高速公路沥青路面养护方案决策的贝叶斯多模态神经网络决策模型BMNN‑EAPMD;构建基于养护方案概率不确定型的决策优化方案。本发明提出高速公路路面养护信息矩阵构建方法、构建用于高速公路沥青路面养护方案决策的贝叶斯多模态神经网络模型并提出了基于不确定性的决策优化方法,从而实现高速公路基础数据及定期检测指标与高速公路沥青路面养护方案之间的映射关系,可以对高速公路养护方案智能化决策提供技术支持。

    一种基于改进LSTM-CNN的风功率短期预测方法

    公开(公告)号:CN115115090A

    公开(公告)日:2022-09-27

    申请号:CN202210543841.1

    申请日:2022-05-18

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于改进LSTM‑CNN的风功率短期预测方法,包括获取风电场风功率历史数据和对应时间的数值天气预报数据,并对数据进行预处理和拼接形成多维时序数据集;将数据集按照时间划分为分别代表四个季节的四组样本,利用K‑means算法对每组样本进行聚类,将每组样本划分为若干个聚类类别;选取目标聚类类别的样本划分训练集和测试集,将训练集输入到改进LSTM‑CNN预测模型中进行模型训练;将测试集输入到训练好的预测模型中,得到对应的短期风功率预测数据。通过聚类找到对预测精度影响最大的样本,提高了预测效率,通过改进预测模型提取多尺度特征,弥补传统预测算法对复杂天气情况下风功率预测精度不高的缺陷。

Patent Agency Ranking