-
公开(公告)号：CN118521932A
公开(公告)日：2024-08-20
申请号：CN202410276407.0
申请日：2024-03-12
Applicant: 南京信息工程大学
IPC: G06V20/40 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种多模态风电功率预测方法，包括选取区域气象数据和历史风电功率；构建基于注意力机制的视频预测模型，将区域气象数据输入到该模型中，生成预测的视频帧特征，该模型包括编码器、交叉非局部神经网络、解释器和解码器；将历史风电功率输入到GRU模型中，得到预测风电功率的特征；构建多模态模型，将编码器和解码器中得到的结果输入到该模块中，得到预测的风电功率结果。本发明可以融合不同等压面，提高了一致性，增强了网络的灵活性和表征能力。
-
公开(公告)号：CN118245916A
公开(公告)日：2024-06-25
申请号：CN202410446355.7
申请日：2024-04-15
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F30/27 , G06F30/28 , G06F119/02 , G06F113/08
Abstract: 本发明公开了一种基于CFD的高铁风速仪精度提升方法，具体为：在预设的风速条件下，利用CFD模拟超声波风速仪在高铁供电接触网支架上工作的场景，并获取风速分布云图；对云图进行划分确定超声波风速仪受接触网支架遮挡影响最为明显情况下的风向；获取超声波风速仪的观测风速；建立以预设风速‑接触网支架结构为输入，预设风速与观测风速之间的误差为输出的高铁风速仪物理修订模型；利用贝叶斯优化方法对修订模型进行参数优化，寻找使误差最小的支架结构最优参数，获得最优参数下的修订风速；利用XG‑Boost模型对修订风速进行修正，得到修正风速。通过修改接触网支架结构与人工智能算法结合的方法，提高极端大风情况高铁实时预报精确性。
-
公开(公告)号：CN117318036A
公开(公告)日：2023-12-29
申请号：CN202311259683.8
申请日：2023-09-27
Applicant: 南京信息工程大学
IPC: H02J3/00 , G06N3/006 , G06F18/214 , G06F18/23213 , G06N3/0985 , G06F17/18 , G06Q50/06
Abstract: 本发明公开了一种基于改进鲸鱼优化算法的超短期光伏功率预测方法，包括步骤：预处理历史数据，并对气象因素与光伏发电功率进行相关性分析；通过聚类划分出雨天、阴天、晴天相似日样本数据；对历史数据归一化处理；通过预测模型挖掘光伏功率时序特征；通过改进鲸鱼优化算法对预测模型的超参数进行寻优；将最优的超参数输入到预测模型并反归一化处理，得到初步光伏功率预测结果和预测误差序列；将预测误差序列分解为多个分量及残差；对每个分量及残差通过IWOA‑BiGRU模型进行预测，得到误差预测结果；将初步光伏功率预测结果与误差预测结果求和，得到误差修正后的光伏功率预测结果。本发明建立不同天气的训练模型来训练，提高预测精度。
-
公开(公告)号：CN117315370A
公开(公告)日：2023-12-29
申请号：CN202311403541.4
申请日：2023-10-27
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/40 , G06V20/10
Abstract: 本发明公开了一种基于遥感图像的漂浮物检测方法、装置、存储介质及设备，属于图像处理技术领域，包括：获取遥感图像；对所述遥感图像进行预处理；将预处理后的遥感图像输入到训练好的漂浮物检测模型中，得到包含检测结果的标签图像；本发明通过特征分流模块对对强弱特征层进行分类，保留强特征层，达到减轻网络负载的同时提高模型分割精度的效果；通过多尺度特征提取模块得到可变尺度特征提取窗口，满足不同尺寸大小的漂浮物进行特征提取的需求，从而提高模型对上下文特征信息的获取能力；通过级联反馈注意力模块，在每个注意力机制的输出后融合输入图像来防止过渡关注或关注偏差；从而提高漂浮物检测精度。
-
公开(公告)号：CN117150430A
公开(公告)日：2023-12-01
申请号：CN202311115702.X
申请日：2023-08-31
Applicant: 南京信息工程大学
IPC: G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/0442 , G06F18/213 , G01W1/10
Abstract: 本发明公开了一种基于多源异构数据融合的高铁沿线大风预测算法。首先获取风速数据和气象要素数据进行数据预处理，构建多元多时距风速预测样本集，然后构建待训练基于多源异构数据融合的多支路TCN‑BiLstm注意力预测网络模型，经过训练基于多源异构数据融合的多支路TCN‑BiLstm注意力预测网络模型，以检测气象要素数据为输入，以铁路沿线目标风速监测点的预测风速为输出进行预测。本方法使用多时距数据作为模型的输入，建立多支路TCN‑BiLstm注意力预测网络，使用时间卷积网络、双向长短时记忆网络和高效通道注意力网络作为骨干网络各分路模块，并且设计了特征融合模块，能够全面捕捉风速数据在不同时间尺度上的模式和特征，提高预测的鲁棒性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN109190845B
公开(公告)日：2022-05-31
申请号：CN201811150792.5
申请日：2018-09-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种两阶段动态优化短期风电功率预测方法，该方法通过获取风电场区域数值天气预报气象数据，根据风机有功发电的历史数据和实际数据，利用高斯回归算法构建风电场短期功率预测模型并对未来72小时功率进行预测；同时，利用高斯回归算法和差分延迟算子对短期功率预测模型进行两阶段动态优化以提高预测的精度。通过对短期风电功率预测过程中的解决了目前短期风电功率预测方法结构单一、准确度不高和欠稳定等问题，提高了风电场短期风电功率预测的准确率。
-
公开(公告)号：CN110020409A
公开(公告)日：2019-07-16
申请号：CN201910256176.6
申请日：2019-04-01
Applicant: 南京信息工程大学
IPC: G06F17/18
Abstract: 本发明涉及一种基于自适应核密度估计算法的地面气温观测资料分析方法，属于地面气温观测资料分析领域，该方法在传统的固定窗宽核密度估计算法挤出上引入自适应算法，即在窗宽参数中引入自适应系数，能够有效反应样本观测值的稀疏程度所带来的影响，然后再对自适应算法进行改进，将窗宽参数替换为最优窗宽，使地面气温观测数据下得出的结果满足所有均方误差均为最小，使得改进后的自适应方法完全适用于地面气温观测资料。
-
公开(公告)号：CN106897957A
公开(公告)日：2017-06-27
申请号：CN201710097989.6
申请日：2017-02-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于PCA和PSO‑ELM的自动气象站实时数据质量控制方法，该方法，首先对被检站一定范围内观测站(邻站)一定历史时间尺度的气温数据进行采集，构成原始采集信号；然后对采集信号进行主成分分析，达到去冗余的目的；最后，通过改进的极限学习机构建气温的重建模型，并据此通过被检时刻邻站的数据得到被检时刻的估计值；最后，根据此估计值与实际观测值比较进行条件修正，完成对该时刻气温的质量控制。该方法在基本质量控制方法的基础上，一方面弥补了目前多站联网质量控制方法中邻站选择的固定性，提高了算法的动态适应性；另一方面改进的极限学习机提高了网络的泛化性能，增加了重建模型的精度。
-
公开(公告)号：CN106886856A
公开(公告)日：2017-06-23
申请号：CN201710098307.3
申请日：2017-02-22
Applicant: 南京信息工程大学
IPC: G06Q10/06
Abstract: 本发明公开了一种基于PSR‑FastICA‑OS_ELM的自动气象站实时数据质量控制方法，该方法，首先对单站实时气温及定长历史气温序列进行采集，构成采集信号；然后对采集信号进行基本质量控制；接着进行相空间重构；并对重构的高维矢量空间信号进行快速独立分量分析，达到去噪、去冗余的目的，得到源信号在高维矢量空间中的无偏信号；最后，通过在线序贯极限学习机构建时间序列采集信号的重建模型，得到去噪后的气温重建值；并根据此去噪重建值与实际观测值比较进行条件修正，完成对该时刻气温的质量控制。该方法满足了实时数据采集的要求，提高了实时自动气象站观测数据的质量。
-
公开(公告)号：CN103278867B
公开(公告)日：2015-02-04
申请号：CN201310159628.1
申请日：2013-05-03
Applicant: 南京信息工程大学
IPC: G01W1/00
Abstract: 本发明公开了一种基于经验模态分解的自动气象站数据质量控制方法，将经验模态分解用于自动气象站数据质量控制，该方法首先对单站数据进行采集，然后对采集的数据做基本质量控制后，再进行EEMD（经验模态）分解得到本征模分量和趋势项，进一步对本征模分量和趋势项做加权处理，得到赋权本征模分量和赋权后的趋势项，最后对赋权后的本征模分量和赋权后的趋势项做数据重构，得到去噪后的数据，完成去噪过程，该方法在基本质量控制方法的基础上弥补了目前质量控制方法不能消除随机噪声、系统噪声、微气象噪声和粗大噪声的缺点，提高了自动气象站观测数据的质量。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.01 seconds)
