-
公开(公告)号：CN109101592A
公开(公告)日：2018-12-28
申请号：CN201810840189.3
申请日：2018-07-27
Applicant: 中国计量大学
IPC: G06F17/30
Abstract: 本发明属于监视及安全装置技术领域，公开了一种快速低成本的光伏大数据处理平台。数据源层由各个光伏电站的数据库组成，可自由的增加和减少接入平台的光伏电站数量；数据传输层负责数据源层与数据存储层之间的数据传输；数据存储层用于存储光伏发电数据，并为数据处理层提供快速数据访问的支撑；数据处理层用于快速处理和计算光伏发电大数据，为数据分析层提供大数据计算支撑；数据分析层基于机器学习算法对光伏发电大数据进行建模分析，并呈现分析结果。该光伏大数据处理平台解决了光伏发电大数据存储和分析的问题，可以快速灵活的接入多个光伏电站的数据，数据处理效率高于传统的单/多线程平台，且成本较低。
-
公开(公告)号：CN110059878B
公开(公告)日：2021-04-02
申请号：CN201910298415.4
申请日：2019-04-15
Applicant: 中国计量大学
Abstract: 本发明属于光伏功率预测领域，公开了一种基于CNN LSTM光伏发电功率预测模型及构建方法；由两层CNN卷积层、LSTM、注意力机制和全连接层构成。当只有功率数据时，通过双层卷积层对输入的一维发电功率时间序列进行特征提取，经过3*1卷积核操作得到多个数据矩阵，实现时间序列到高层特征的信息抽象；注意力机制将每个矩阵通过LSTM算法得到的LSTM隐层输出向量进行自动化关注，对其中与当前输出量显著相关的特征量赋予更大的权值；通过展开操作将注意力机制的输出向量处理成一个一维向量输入全连接层，全连接层直接输出下一时刻光伏发电功率预测值。本发明数据量少、可移植性高、预测精度高。
-
公开(公告)号：CN110059878A
公开(公告)日：2019-07-26
申请号：CN201910298415.4
申请日：2019-04-15
Applicant: 中国计量大学
Abstract: 本发明属于光伏功率预测领域，公开了一种基于CNN LSTM光伏发电功率预测模型及构建方法；由两层CNN卷积层、LSTM、注意力机制和全连接层构成。当只有功率数据时，通过双层卷积层对输入的一维发电功率时间序列进行特征提取，经过3*1卷积核操作得到多个数据矩阵，实现时间序列到高层特征的信息抽象；注意力机制将每个矩阵通过LSTM算法得到的LSTM隐层输出向量进行自动化关注，对其中与当前输出量显著相关的特征量赋予更大的权值；通过展开操作将注意力机制的输出向量处理成一个一维向量输入全连接层，全连接层直接输出下一时刻光伏发电功率预测值。本发明数据量少、可移植性高、预测精度高。
-
公开(公告)号：CN113438209B
公开(公告)日：2022-03-08
申请号：CN202110624230.5
申请日：2021-06-04
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于改进的Stacking策略的钓鱼网站检测方法，针对目前大多数钓鱼网站检测技术准确率低、计算资源消耗大和检测不及时等问题，通过将多个分类表现优异的基学习器通过Stacking策略集成为一个高性能模型，并且把该Stacking算法第一级的输入特征与预测结果同时作为第二级的输入特征，充分发挥各模型精度高、速度快等优势，从而进一步提高模型性能。实验结果表明，与传统的机器学习钓鱼网站检测技术相比，在10万级数据集上此集成学习算法在多个指标上都表现出更好的性能，其精确率达到了97.82％，F1值达到97.54％，可以有效的检测钓鱼网站。
-
公开(公告)号：CN113438209A
公开(公告)日：2021-09-24
申请号：CN202110624230.5
申请日：2021-06-04
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于改进的Stacking策略的钓鱼网站检测方法，针对目前大多数钓鱼网站检测技术准确率低、计算资源消耗大和检测不及时等问题，通过将多个分类表现优异的基学习器通过Stacking策略集成为一个高性能模型，并且把该Stacking算法第一级的输入特征与预测结果同时作为第二级的输入特征，充分发挥各模型精度高、速度快等优势，从而进一步提高模型性能。实验结果表明，与传统的机器学习钓鱼网站检测技术相比，在10万级数据集上此集成学习算法在多个指标上都表现出更好的性能，其精确率达到了97.82％，F1值达到97.54％，可以有效的检测钓鱼网站。
-
Patent Agency Ranking
公开(公告)号：CN109002926A
公开(公告)日：2018-12-14
申请号：CN201810839539.4
申请日：2018-07-27
Applicant: 中国计量大学
Abstract: 本发明属于预测或优化技术领域，公开了一种高准确性的光伏发电量预测模型及其构建方法和应用，用训练集对分布式深度置信网络算法进行训练，在验证集上评价该算法预测的可靠性。使用GB级别的光伏系统数据集对分布式深度置信网络算法在Spark集群上和单一主机下运行的效率和结果进行比较。本发明基于Scala语言和Spark RDD实现深度置信网络算法；借助Scala语言和Spark RDD的分布式算子对传统深度置信网络算法进行重新编码和改进，在分布式集群上运行；深度置信网络算法通过建立深层的神经网络模型，对日期、温度等数据从底层到高层逐层提取特征，实现底层信息到高层的抽象，使用提取的特征进行光伏发电量预测。
-
公开(公告)号：CN106846436B
公开(公告)日：2020-09-04
申请号：CN201710094510.3
申请日：2017-02-21
Applicant: 中国计量大学
Abstract: 一种串联光伏组件多峰P‑U曲线划分区间方法，其特征是n个两端反向并联有旁路二极管的光伏组件串联，当光伏组件出现阴影遮挡时，串联光伏组件输出P‑U曲线出现多峰值点，检测串联光伏组件工作开路电压，首先把P‑U曲线划分为n个小区间，然后利用函数凹凸性判定每个区间是否存在波谷点，进而按照波谷点的分布，把多峰P‑U曲线划分为多个单峰区间。
-
公开(公告)号：CN111260206A
公开(公告)日：2020-06-09
申请号：CN202010035167.7
申请日：2020-01-14
Applicant: 中国计量大学
Abstract: 本发明属于光伏发电量预测技术领域，公开了一种光伏发电影响因素评价模型、构建方法及应用。构建弹性的Spark on YARN计算集群，通过YARN对集群的资源进行管理和分配；长短期记忆神经网络算法LSTM通过建立深层的时间序列网络模型，对光伏发电影响因子数据从底层到高层逐层提取特征，实现底层信息到高层的抽象；LSTM对光伏系统发电量进行建模和预测，根据初始结果不断调整模型参数和影响因子优化模型，得出关于影响因子评价模型。本发明实现了快速低成本的光伏大数据处理平台、弹性高效的云计算集群、高准确性的光伏发电量预测模型以及对光伏发电影响因素的大数据分析，为建设新光伏电站和改进旧电站提供了智能化的参考。
-
公开(公告)号：CN115730717A
公开(公告)日：2023-03-03
申请号：CN202211433918.6
申请日：2022-11-16
Applicant: 中国计量大学
Inventor： 周杭霞
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/096 , G06N3/084 , H02J3/00
Abstract: 本发明公开了基于迁移学习策略结合多通道的电力负荷预测方法及系统，涉及电力负荷预测技术领域，其技术方案要点是：以多通道CNN‑BiLSTM模型结合改进的分层迁移学习策略的电力负荷预测方法，多通道CNN与BiLSTM组合模型充分利用了CNN提取数据局部特征以及BiLSTM隐藏层权重反向传播逐步优化训练权重的优势，多通道模型相比传统的单通道模型，并行连接的卷积层使用多种尺寸的卷积核学习不同细节的特征，充分考虑了特征的影响和数据的时序变化。改进的分层迁移学习策略可以提高小规模数据样本或数据样本不足时模型的预测精度，相比直接迁移学习预测效果有进一步的提升。
-
公开(公告)号：CN115099461A
公开(公告)日：2022-09-23
申请号：CN202210576696.7
申请日：2022-05-25
Applicant: 中国计量大学
Abstract: 本发明公开了基于双分支特征提取的太阳辐射预测方法及系统，太阳辐射预测技术领域，其技术方案要点是：基于K‑means++对预处理后的太阳辐射数据进行类型划分；构建测数据集；采用多尺度卷积神经网络从气象数据集中提取动态变化的多维气象特征；采用双向门控循环网络从时序数据集中初步提取时序特征，并学习双向时序特征潜在规律；基于注意力机制自适应地赋予气象分支和时序分支的权值，优化多尺度卷积的提取操作以及多维气象特征、双向时序特征的融合过程后，得到融合特征；将融合特征展平后输入全连接层，得到预测结果。本发明有效提取气象特征和时序特征，并结合注意力机制优化各分支的加权融合，预测精度提升明显。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
