-
公开(公告)号：CN113901624A
公开(公告)日：2022-01-07
申请号：CN202111208292.4
申请日：2021-10-18
Applicant: 南京工程学院
IPC: G06F30/18 , G06F30/27 , G06N3/00 , G06N20/10 , G06F113/04
Abstract: 本发明公开了一种基于粒子群算法优化的SVM的配电网拓扑辨识方法，包括：利用SCADA系统采集不同拓扑结构下观测节点的多种负荷水平的断面电压幅值量测数据和相应的拓扑标签，得到经过标准化预处理后的训练数据集；对支持向量机SVM进行训练学习，并通过粒子群算法对设置初始的惩罚因子C和核函数参数进行优化，确定基于粒子群算法优化的支持向量机的PSO‑SVM配电网拓扑辨识模型；获取观测节点的断面电压幅值量测数据，利用基于粒子群算法优化的支持向量机的PSO‑SVM配电网拓扑辨识模型对观测节点预处理后的断面电压幅值量测数据进行分析，确定节点的电路拓扑结构。本发明能够解决现有技术的求解速度慢，搜索效率低。
-
公开(公告)号：CN113901620A
公开(公告)日：2022-01-07
申请号：CN202111203656.X
申请日：2021-10-15
Applicant: 南京工程学院
IPC: G06F30/18 , G06F30/27 , G06N3/00 , G06N20/10 , G06F113/04
Abstract: 本发明公开了基于人工蜂群算法优化的SVM的配电网拓扑辨识，本发明利用数据采集与监控系统采集不同拓扑结构下多种负荷水平的断面电压幅值量测数据和相应的拓扑标签，组成训练数据集。再对训练数据集进行归一化处理，之后用ABC进行SVM参数的优化，筛选出对配电网拓扑辨识最有效的部分节点电压幅值量测，这些节点电压幅值量测构成最优特征子集，优化后的SVM参数可构建最优拓扑辨识模型，且具有计算效率和准确率高的特点。
-
-
公开(公告)号：CN115718968A
公开(公告)日：2023-02-28
申请号：CN202110974400.2
申请日：2021-08-24
Applicant: 南京工程学院
IPC: G06F30/18 , G06F30/27 , G06N3/006 , G06N20/10 , G06F111/02 , G06F113/04
Abstract: 本发明公开了一种基于萤火虫算法优化的SVM的配电网拓扑辨识，本专利采用利用SCADA采集不同拓扑结构下多种负荷水平的断面电压幅值量测数据和相应的拓扑标签，组成训练数据集。再对训练数据集进行归一化处理，之后用GSO同时进行特征选择和SVM参数的优化，筛选出对配电网拓扑辨识最有效的部分节点电压幅值量测，这些节点电压幅值量测构成最优特征子集，优化后的SVM参数进行构建最优拓扑辨识模型，具有辨识度效率高且精准的特点本发明的有益效果：具有辨识度效率高且精准的特点。
-
Patent Agency Ranking
公开(公告)号：CN113901623A
公开(公告)日：2022-01-07
申请号：CN202111208288.8
申请日：2021-10-18
Applicant: 南京工程学院
IPC: G06F30/18 , G06F30/27 , G06N3/00 , G06N20/10 , G06F113/04
Abstract: 本发明公开了一种基于布谷鸟搜索算法的SVM的配电网拓扑辨识方法，包括：利用SCADA系统采集不同拓扑结构下观测节点的多种负荷水平的断面电压幅值量测数据和相应的拓扑标签，进行标准化预处理得到训练数据集。根据训练数据集对支持向量机进行训练学习，并通过布谷鸟搜索算法对设置初始的惩罚因子C和核函数参数进行搜索分析分别获得其最优值；确定基于布谷鸟搜索算法优化的支持向量机的配电网拓扑辨识模型。从监测节点获取观测节点的断面电压幅值量测数据，并进行标准化预处理。利用得到配电网拓扑辨识模型对观测节点预处理后的断面电压幅值量测数据进行分析，确定节点的电路拓扑结构。本发明提出的方法均比传统方法具有很大的优越性。
-
公开(公告)号：CN113255199A
公开(公告)日：2021-08-13
申请号：CN202110380348.8
申请日：2021-04-09
Applicant: 南京工程学院
IPC: G06F30/25 , G01R31/392 , G01R31/367 , G06F119/04
Abstract: 本发明提供了一种基于粒子滤波的电池剩余寿命预测方法，包括以下步骤：第一步：建立电池寿命退化模型描述电池容量的退化过程：第二步：从电池测试数据集中提取出电池容量数据，对数据预处理；第三步：设定预测起始点T，第四步：确定所用的电池的参数β1和β2；第五步PF算法的初始化；第六步：基于标准PF的容量估计及其PDF分布：利用标准PF算法对电池的循环使用寿命进行预测；据电池容量的PDF分布以及容量和电池循环使用对应关系计算RUL PDF分布，并输出结果。本发明提供的预测方法能够有效准确的对锂电池循环寿命进行预测，针对电池出现的加速非线性退化问题，本发明可以有效的提高RUL估计的精度。
-
公开(公告)号：CN113901622A
公开(公告)日：2022-01-07
申请号：CN202111208287.3
申请日：2021-10-18
Applicant: 南京工程学院
IPC: G06F30/18 , G06F30/27 , G06N3/12 , G06N20/10 , G06F113/04
Abstract: 本发明公开了一种基于遗传算法优化的SVM的配电网拓扑辨识方法，包括利用SCADA系统采集不同拓扑结构下观测节点的多种负荷水平的断面电压幅值量测数据和相应的拓扑标签，进行标准化预处理；得到经过标准化预处理后的训练数据集。建立基于遗传算法优化的SVM的配电网拓扑辨识模型；从监测节点获取观测节点的断面电压幅值量测数据，并进行标准化预处理。将步骤三得到的数据带入基于人工鱼群算法优化的SVM的配电网拓扑辨识模型，获得观测节点的电路拓扑结构。本发明现有技术的求解速度慢，搜索效率低的问题。
-
公开(公告)号：CN113901621A
公开(公告)日：2022-01-07
申请号：CN202111208168.8
申请日：2021-10-18
Applicant: 南京工程学院
IPC: G06F30/18 , G06F30/27 , G06N3/00 , G06N20/10 , G06F113/04
Abstract: 本发明公开了一种基于人工鱼群算法优化的SVM的配电网拓扑辨识方法，包括：利用SCADA系统采集不同拓扑结构下观测节点的多种负荷水平的断面电压幅值量测数据和相应的拓扑标签，进行标准化预处理；得到经过标准化预处理后的训练数据集；建立基于人工鱼群算法优化的SVM的配电网拓扑辨识模型；从监测节点获取观测节点的断面电压幅值量测数据，并进行标准化预处理，将步骤三得到的数据带入基于人工鱼群算法优化的SVM的配电网拓扑辨识模型，获得观测节点的电路拓扑结构。本发明能够实现降低配电网拓扑辨识的时间，提高辨识精度。
-
公开(公告)号：CN113255205A
公开(公告)日：2021-08-13
申请号：CN202110360348.1
申请日：2021-04-02
Applicant: 南京工程学院
IPC: G06F30/27 , G06N3/04 , G06N3/08 , H01M10/637
Abstract: 本发明公开了一种基于电动汽车电池的生命周期成本和电池温度优化方法，建立可预测不同温度下生命周期状态和荷电状态的循环神经网络模型、电池发热模型和电池与环境的传热模型，用于分析不同的电池温度下电池生命周期成本和续航里程的影响，从而给出电动汽车总运营成本最低的温度优化值，根据环境温度的不同，对电池模组采用加热或冷却来达到电池最优化的温度，本发明的有益效果：基于平衡电池全生命周期成本与电动汽车续航的动力电池温度优化方法，行车时，能实现兼顾驱动功率需求、电池全生命周期成本和汽车续航里程；对续航里程和降低电池全生命周期成本进行混合型评价，使行车成本与续航达到最优化。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
