-
公开(公告)号:CN107166548B
公开(公告)日:2022-11-18
申请号:CN201710336018.2
申请日:2017-05-12
Applicant: 华南理工大学
IPC: F24F8/108 , F24F8/158 , F24F8/167 , F24F8/192 , F24F8/22 , F24F11/56 , F24F11/72 , F24F11/88 , F24F13/28 , F24F110/10 , F24F110/64
Abstract: 本发明提供了基于无线的智能化复合式空气净化器系统及其控制方法,系统包括位于外壳中模块化的多级净化装置、微处理器、无线通讯模块、和显示屏;以微处理器为核心,模块化的多级净化装置、空气检测装置、无线通讯模块、传感器、和显示屏均与微处理器相连接;空气检测装置包括传感器。通过上述设计,本发明能够使用户实时地获取家庭的空气状况,随时随地地实施控制,且具有节能减排的效果,具有操作简易、智能化程度高的优点。
-
公开(公告)号:CN111461984B
公开(公告)日:2022-06-14
申请号:CN202010241375.2
申请日:2020-03-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于压缩感知的负荷预测方法,通过高分辨率电力数据获得用于训练和用于验证高分辨率电力图像,通过用于训练的高分辨率电力图像得到作为输入样本的用于训练的低分辨率电力图像,用于训练的高分辨率电力图像作为实际样本;生成式对抗网络包括生成器和判别器,用输入样本和实际样本对其进行训练;更新生成器损失函数与判别器损失函数;保存训练结束后的生成器,将用于验证的低分辨率电力图像输入生成器,得到用于验证的超分辨率电力图像,并转化为用于验证的超分辨率电力数据,通过用于验证的高分辨率电力数据得到用于验证的低分辨率电力数据,分别输入基于长短时记忆网络的负荷预测方法,对比二者的预测结果,提高了负荷预测精度。
-
公开(公告)号:CN111461984A
公开(公告)日:2020-07-28
申请号:CN202010241375.2
申请日:2020-03-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于压缩感知的负荷预测方法,通过高分辨率电力数据获得用于训练和用于验证高分辨率电力图像,通过用于训练的高分辨率电力图像得到作为输入样本的用于训练的低分辨率电力图像,用于训练的高分辨率电力图像作为实际样本;生成式对抗网络包括生成器和判别器,用输入样本和实际样本对其进行训练;更新生成器损失函数与判别器损失函数;保存训练结束后的生成器,将用于验证的低分辨率电力图像输入生成器,得到用于验证的超分辨率电力图像,并转化为用于验证的超分辨率电力数据,通过用于验证的高分辨率电力数据得到用于验证的低分辨率电力数据,分别输入基于长短时记忆网络的负荷预测方法,对比二者的预测结果,提高了负荷预测精度。
-
公开(公告)号:CN111210169A
公开(公告)日:2020-05-29
申请号:CN202010132998.6
申请日:2020-02-29
Applicant: 华南理工大学
Abstract: 本发明提供了基于branch矩阵的无环网无孤岛配电网络生成方法。所述方法包括以下步骤:输入配电网络生成所需的数据,并初始化所需矩阵;进行初步的配电网络生成决策;对所有节点检查是否孤立,并修正孤立节点;对所有生成线路检查是否存在双电源供电情况,并修正双电源线路;对所有生成线路检查是否为孤链,并修正孤链;输出无环网无孤岛配电网络的branch矩阵和邻接矩阵。本发明为了减少配电网一次系统网架规划过程中生成的大量不满足网架约束的网架,提出一种无环网无孤岛配电网络生成方法,而且由于是基于branch矩阵生成一次系统网架,该方法的结果能更便于和一次系统网架规划过程后续的潮流计算和可靠性计算对接。
-
公开(公告)号:CN110880773A
公开(公告)日:2020-03-13
申请号:CN201911129495.7
申请日:2019-11-18
Applicant: 华南理工大学
IPC: H02J3/24
Abstract: 本发明公开了基于数据驱动与物理模型驱动结合的电网调频控制方法。所述方法根据电网的历史调频样本确定电网的状态空间集S和控制动作集A,然后对状态空间集的元素进行聚类,聚类结果作为条件生成式对抗网络的样本标签,训练条件生成式对抗网络,生成与历史调频样本具有相似分布的新样本,将新样本对历史调频样本进行增强,引入多层感知器MLP建立映射模型,使用Q学习控制器控制电网调频的物理模型,将映射模型的调度决策结果作为物理模型的初值,输出电网调频策略的最优解即在某一时刻的电网频率偏差与其对应的功率调节量并对电网进行调频。本发明引入生成式对抗网络进行数据增强,提高现有的基于模型驱动的电网调频策略初期迭代过程的效率。
-
公开(公告)号:CN107063355A
公开(公告)日:2017-08-18
申请号:CN201710336078.4
申请日:2017-05-12
Applicant: 华南理工大学
IPC: G01D21/02
CPC classification number: G01D21/02
Abstract: 本发明涉及一种基于多传感器信息融合的空气质量检测系统及其检测方法。所述系统包括单片机、多种气体传感器、pm2.5传感器、温湿度传感器和液晶屏显示电路。本发明通过多种气体传感器、pm2.5传感器、温湿度传感器和烟雾传感器来收集室内空气质量参数,并结合数学建模的办法,利用半集均方差、层次分析加权法将得到的多个传感器信息参数融合成空气质量指数这一个常用参数,进而可用于空气质量测量仪器或者空气净化器等设备。本发明可以有效地改善各个传感器因为自身硬件误差影响而造成总体误差,进而提高空气质量指数这一参数的可信度。
-
公开(公告)号:CN111461977B
公开(公告)日:2022-07-26
申请号:CN202010226049.4
申请日:2020-03-26
Applicant: 华南理工大学
Abstract: 本发明公开了基于改进生成式对抗网络的电力数据超分辨率重建方法。所述方法构建生成式对抗网络,将低分辨率电力数据与高分辨率电力数据转化为电力图像并根据转化的电力图像对生成式对抗网络进行迭代训练,得到最终的生成器,将低分辨率电力图像输入最终的生成器,得到最终的超分辨率电力图像,完成电力数据超分辨率重建。本发明引入改进生成式对抗网络对低分辨率电力数据进行电力数据超分辨率重建,提高低分辨率电力数据的高频细节信息的还原能力,拥有较高的重建精度,提高收敛的稳定性。
-
公开(公告)号:CN111143958A
公开(公告)日:2020-05-12
申请号:CN202010133014.6
申请日:2020-02-29
Applicant: 华南理工大学
IPC: G06F30/18 , G06F30/20 , G06F119/02 , G06F113/04
Abstract: 本发明提供了配电自动化条件下配电网信息物理系统可靠性分析方法。所述方法的步骤为:S1、输入配电网物理系统元件参数及拓扑连接关系、输入配电网信息系统元件参数及节点邻接矩阵;S2、利用序贯蒙特卡洛法抽取当前物理系统和信息系统的状态;S3、计算该次故障的故障隔离时间;S4、分析该次故障对负荷点的影响;S5、更新仿真时间,并判断是否达到仿真结束的条件,若达到,则进行步骤S6,否则进行步骤S2;S6、统计各个负荷点的可靠性指标;S7、计算整个配电网信息物理系统的可靠性指标。本发明能更准确、更细致地评估配电自动化条件对配电网信息物理系统可靠性的影响,更适用于存量配电网和智能配电网的可靠性评估及规划。
-
公开(公告)号:CN107096644B
公开(公告)日:2019-01-15
申请号:CN201710336077.X
申请日:2017-05-12
Applicant: 华南理工大学
Abstract: 本发明涉及一种静电除尘用的高频高压电源及其控制方法。本发明通过将粉尘传感器将静电装置进风口处的粉尘浓度和出风口处的粉尘浓度信息输送到控制芯片中进行处理,在控制芯片中对二者的浓度关系进行合理地算法推算进而得出校正后的除尘效率,并通过调节高频电源的输出电压并观察除尘效率变化的情况来使输出电压在满足电源安全运行的前提下调节到一个较为适合数值,进而使除尘效率保持在一个较高的水平。该种控制方法有效地将通过静电装置的粉尘浓度的净化效果以浓度变化的方式显现出来,通过传感器采集进入控制芯片进行数据处理,分析除尘效果,并根据除尘效果来调节电除尘电源的输出电压以使其保持在最佳的输出电压下,进而达到最优的除尘效率。
-
公开(公告)号:CN113822467A
公开(公告)日:2021-12-21
申请号:CN202110976490.9
申请日:2021-08-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种电力区域负荷的图神经网络预测方法,包括如下步骤:1、建立区域电力特征库,提取出负荷预测的训练集、验证集和测试集;2、挖掘各个信息数据之间以及信息与预测对象之间的关联关系,采用斯皮尔曼相关系数与皮尔逊相关系数对关联关系进行量化表征;3、将多种外源信息及其关联关系转换成包含节点和边的图结构数据,获取区域负荷信息图;4、构建基于深度图残差卷积网络的负荷预测模型,实现区域负荷信息图到预测目标功率的非线性映射;5、将训练集中的训练样本分成若干个批次并按批次送入负荷预测模型中进行训练,并用验证集对负荷预测模型的超参数进行调整直至收敛。
-
-
-
-
-
-
-
-
-