同时重建复杂燃烧体系颗粒物温度与辐射特性参数的方法

    公开(公告)号:CN119803674A

    公开(公告)日:2025-04-11

    申请号:CN202411924008.7

    申请日:2024-12-25

    Abstract: 本发明提供一种同时重建复杂燃烧体系颗粒物温度与辐射特性参数的方法,包括:利用光谱仪测量待测颗粒物燃烧火焰获得检测光谱辐射强度;基于波长‑温度双变量发射率模型,计算火焰理论光谱辐射强度;设置初始参数,构造关于未知参数的残差函数;应用泰勒展开将残差函数变形为二次模型;结合Cholesky分解法和Cauchy点法求解更新迭代步长;利用迭代步长更新未知参数,计算残差平方和并进行判敛;在满足收敛条件时,更新辐射特性参数模型所需未知参数与颗粒物真实温度。本发明基于火焰光谱辐射强度给出高精度的颗粒物温度与辐射特性参数,在气液固多相耦合的复杂燃烧环境具有高精度和快速收敛的优势。

    一种基于时空依赖的光伏电站辐照度超短期预测方法及存储介质

    公开(公告)号:CN114819264A

    公开(公告)日:2022-07-29

    申请号:CN202210256463.9

    申请日:2022-03-11

    Abstract: 本发明公开了一种基于时空依赖的光伏电站辐照度超短期预测方法及存储介质,包括如下步骤:步骤S1,以目标电站为起点,向外扩展一定的距离来增加虚拟的基础性电站数量;步骤S2,获取目标电站和各基础性电站的辐照度时间序列数据;步骤S3,计算各基础性电站之间辐照度数据的相关性,将认为具有连接关系的电站视为代表性电站;步骤S4,构建以目标电站和代表性电站为节点的图结构数据;步骤S5,以图结构数据为输入,目标电站辐照度为输出,利用图神经网络对目标电站辐照度进行超短期预测。本发明考虑了目标电站与电站附近区域的辐照度时变模式相关性,模拟并合理筛选出代表性电站,利用卫星云图反演的代表性电站历史辐照度数据,构建了基于图神经网络的辐照度超短期预测模型,提高了预测精度,完全满足光伏发电超短期预测的需要。同时本发明利用目标电站的地面测量辐照度数据对卫星云图反演的辐照度数据进行了系统偏差性错误校正,提高了其后续应用的性能。

    基于红外光谱主成分和神经网络的生物质氧含量测量与建模方法

    公开(公告)号:CN112966817A

    公开(公告)日:2021-06-15

    申请号:CN201911182502.X

    申请日:2019-11-27

    Abstract: 本发明公开了一种基于红外光谱主成分和神经网络的生物质氧含量测量与建模方法,主要包括以下步骤:(1)生物质红外光谱数据的获取及预处理;(2)记录红外光谱数据采集时的环境状态参数;(3)依据国家或行业标准测得生物质样本的氧含量测量值数据;(4)对红外光谱数据和氧含量测量值做两两相关性计算;(5)采用主成分分析的方法对数据降维;(6)以主成分数据和环境状态参数为输入,氧含量测量值为输出,建立神经网络模型,使用训练集进行训练至误差小于0.1%;(7)输入验证集数据,模型计算获得氧含量数据,与测量值数据比较,得出预测偏差。该方法无需破碎或接触生物质,是一种可以实现在线测量、充分考虑测量环境影响、非接触式快速测量方法。

Patent Agency Ranking