-
公开(公告)号：CN111815051B
公开(公告)日：2022-09-23
申请号：CN202010650281.0
申请日：2020-07-06
Applicant: 安徽建筑大学
Abstract: 本发明公开了一种考虑天气影响因素的GRNN光伏发电预测方法。该方法包括以下步骤：(1)采用温度和湿度的一次、二次及指数天气模型对GRNN网络输入神经元进行加权修正；(2)对每种天气类型所对应的数据根据灰色关联度的大小来选取单日或多日训练模型下的训练样本；(3)针对点预测和小时预测确定GRNN输入输出的神经元；(4)依次采取三种天气模型建模并进行模型训练，获得每种组合下的相对最小误差下的最优修正GRNN模型；(5)用上述训练好的最优修正GRNN模型来对测试样本进行预测，对同一种天气类型下的单日或多日训练模型，选择最小相对误差对应的天气模型及参数下的最优GRNN模型。本发明有助于实现光伏微电网的精准预测及经济发电。
-
公开(公告)号：CN111815152A
公开(公告)日：2020-10-23
申请号：CN202010640977.5
申请日：2020-07-06
Applicant: 安徽建筑大学
Abstract: 本发明公开了一种基于用电行为规律和电器电流最小状态的细粒度用电负荷建模方法。该方法分别以用电时间表、工作模式、子状态和最小状态按4层构建模型，且从上至下，逐层索引。其中电流最小状态按照短稳态、长稳态和瞬态进行重构，分别采用单周波逆快速傅里叶变换、多周波逆快速傅里叶变换和逆小波变换方法。电压波形参照电流短稳态方法重构，电流波形重构从底至上，其中子状态由最小状态按照时间先后关系拼接而成，工作模式由若干子状态按照时间先后关系拼接而成，最终根据用电时间表重构获得24小时单电器电流波形，进一步计算获得单电器功率、单相叠加功率、功率峰谷平值和时段，从而优化用电时间表，实现避免集中用电和节省电费。
-
Patent Agency Ranking
公开(公告)号：CN111815051A
公开(公告)日：2020-10-23
申请号：CN202010650281.0
申请日：2020-07-06
Applicant: 安徽建筑大学
Abstract: 本发明公开了一种考虑天气影响因素的GRNN光伏发电预测方法。该方法包括以下步骤：(1)采用温度和湿度的一次、二次及指数天气模型对GRNN网络输入神经元进行加权修正；(2)对每种天气类型所对应的数据根据灰色关联度的大小来选取单日或多日训练模型下的训练样本；(3)针对点预测和小时预测确定GRNN输入输出的神经元；(4)依次采取三种天气模型建模并进行模型训练，获得每种组合下的相对最小误差下的最优修正GRNN模型；(5)用上述训练好的最优修正GRNN模型来对测试样本进行预测，对同一种天气类型下的单日或多日训练模型，选择最小相对误差对应的天气模型及参数下的最优GRNN模型。本发明有助于实现光伏微电网的精准预测及经济发电。
-
公开(公告)号：CN111783715B
公开(公告)日：2024-04-23
申请号：CN202010663024.0
申请日：2020-07-10
Applicant: 安徽建筑大学
IPC: G06F18/213 , G06F18/2415 , G06F18/10 , G06F18/15 , G06F18/214
Abstract: 本发明公开了基于脉搏信号特征提取的身份识别方法。该方法首先对原始脉搏波形进行FIR带通滤波，使用平均幅度差函数算法对滤波后的脉搏波形进行变换，通过变换波形的相邻极小值的时间差和采样率获得瞬时脉搏周期，根据瞬时脉搏周期进行每一帧脉搏波形的周期分割；对预处理后的脉搏波形进行特征提取，包括脉率特征、极值特征、曲率特征、能量特征以及子带谱特征；以每6周波作为一个样本，对所有训练样本的上述5种特征分别进行高斯统计建模；最后基于最大似然度进行身份ID识别，即对测试样本的5种特征分别按照每个目标人对应的5个高斯概率密度模型进行适配，计算5种特征的高斯概率密度乘积，将乘积最大值对应的身份ID作为识别结果。
-
公开(公告)号：CN111815152B
公开(公告)日：2023-02-28
申请号：CN202010640977.5
申请日：2020-07-06
Applicant: 安徽建筑大学
Abstract: 本发明公开了一种基于用电行为规律和电器电流最小状态的细粒度用电负荷建模方法。该方法分别以用电时间表、工作模式、子状态和最小状态按4层构建模型，且从上至下，逐层索引。其中电流最小状态按照短稳态、长稳态和瞬态进行重构，分别采用单周波逆快速傅里叶变换、多周波逆快速傅里叶变换和逆小波变换方法。电压波形参照电流短稳态方法重构，电流波形重构从底至上，其中子状态由最小状态按照时间先后关系拼接而成，工作模式由若干子状态按照时间先后关系拼接而成，最终根据用电时间表重构获得24小时单电器电流波形，进一步计算获得单电器功率、单相叠加功率、功率峰谷平值和时段，从而优化用电时间表，实现避免集中用电和节省电费。
-
公开(公告)号：CN111870248A
公开(公告)日：2020-11-03
申请号：CN202010505731.7
申请日：2020-06-05
Applicant: 安徽建筑大学
IPC: A61B5/11
Abstract: 本发明公开了一种基于3D加速度信号的运动状态特征提取及识别方法，包括以下步骤：(1)利用内置3D传感器的手机对目标对象的人体运动状态采集3D加速度信号，且内置3D传感器的手机设置于目标对象身体的确定部位；(2)对3D加速度信号进行预处理，所述预处理包括去除直流分量以及FIR高阶低通滤波；(3)对经过预处理的3D加速度信号进行时域和时频域特征提取，获得X、Y、Z轴方向对应的时域、时频域特征向量，拼接得到样本总体特征；(4)采用最大相似度、最小距离法和/或DTW算法进行运动状态匹配识别。本发明利用手机内置的3D加速度传感器对目标对象人体运动准确识别，在智能家居、老人健康监护、运动康复治疗等方面都具有非常广泛的应用前景。
-
公开(公告)号：CN111783715A
公开(公告)日：2020-10-16
申请号：CN202010663024.0
申请日：2020-07-10
Applicant: 安徽建筑大学
IPC: G06K9/00
Abstract: 本发明公开了基于脉搏信号特征提取的身份识别方法。该方法首先对原始脉搏波形进行FIR带通滤波，使用平均幅度差函数算法对滤波后的脉搏波形进行变换，通过变换波形的相邻极小值的时间差和采样率获得瞬时脉搏周期，根据瞬时脉搏周期进行每一帧脉搏波形的周期分割；对预处理后的脉搏波形进行特征提取，包括脉率特征、极值特征、曲率特征、能量特征以及子带谱特征；以每6周波作为一个样本，对所有训练样本的上述5种特征分别进行高斯统计建模；最后基于最大似然度进行身份ID识别，即对测试样本的5种特征分别按照每个目标人对应的5个高斯概率密度模型进行适配，计算5种特征的高斯概率密度乘积，将乘积最大值对应的身份ID作为识别结果。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
