-
公开(公告)号：CN115032502B
公开(公告)日：2024-11-29
申请号：CN202210667135.8
申请日：2022-06-14
Applicant: 无锡隆玛科技股份有限公司 , 江南大学
IPC: G01R31/08
Abstract: 本发明公开了一种最大特征向量电网异常定位方法，其步骤包括选取样本节点，构建数据源矩阵；采集异常检出时刻及其后TW‑1个时刻的状态数据，构建窗口矩阵；对窗口矩阵进行数据处理，得到标准非Hermitian矩阵；计算非Hermitian矩阵的样本协方差矩阵S并求取矩阵S的最大特征向量；计算异常定位指标，对异常定位指标中的元素做特征放大处理，得到改进的异常定位指标lmax，比较分析lmax的元素值，输出异常节点的编号。本发明的优点是：最大特征向量的元素分布更稳定，不易被噪声影响，有着较高的定位精度。此外，该方法直接计算故障时段内的样本协方差矩阵，避免出现矩阵复制的问题，缩短了计算耗时，提高了运算效率。
-
公开(公告)号：CN115032502A
公开(公告)日：2022-09-09
申请号：CN202210667135.8
申请日：2022-06-14
Applicant: 无锡隆玛科技股份有限公司 , 江南大学
IPC: G01R31/08
Abstract: 本发明公开了一种最大特征向量电网异常定位方法，其步骤包括选取样本节点，构建数据源矩阵；采集异常检出时刻及其后TW‑1个时刻的状态数据，构建窗口矩阵；对窗口矩阵进行数据处理，得到标准非Hermitian矩阵；计算非Hermitian矩阵的样本协方差矩阵S并求取矩阵S的最大特征向量；计算异常定位指标，对异常定位指标中的元素做特征放大处理，得到改进的异常定位指标lmax，比较分析lmax的元素值，输出异常节点的编号。本发明的优点是：最大特征向量的元素分布更稳定，不易被噪声影响，有着较高的定位精度。此外，该方法直接计算故障时段内的样本协方差矩阵，避免出现矩阵复制的问题，缩短了计算耗时，提高了运算效率。
-
公开(公告)号：CN119644150A
公开(公告)日：2025-03-18
申请号：CN202411559113.5
申请日：2024-11-04
IPC: G01R31/367 , G01R31/378 , G01R31/385 , G06F17/10 , G06N3/0442 , G06N3/006 , G06N3/084
Abstract: 本发明公开了一种车载锂电池剩余容量预测方法，其步骤包括：利用电池管理系统实现电池数据采集，云服务器对多辆电动车电池样本数据采用皮尔逊相关系数算法分析数据的多维特征的相关性，筛选出对电池容量影响较大的强特征；对数据进行标准化处理；根据输入数据维数，构建LSTM神经网络预测模型；根据神经网络结构设置混沌粒子群优化算法的参数，将混沌粒子群优化算法解得的最优参数用于LSTM神经网络；最后完成神经网络模型的训练和测试，得到可用于预测的LSTM神经网络模型。本发明利用皮尔逊相关系数算法进行电池容量相关特征分析，找出对电池容量影响较大的强特征，提高模型的准确性；采用混沌粒子群算法优化的LSTM神经网络模型进行预测，提高了预测精度。
-
公开(公告)号：CN116629437A
公开(公告)日：2023-08-22
申请号：CN202310626080.0
申请日：2023-05-30
Applicant: 江南大学
Abstract: 本发明公开了一种基于间歇分类的转炉煤气发生量预测方法，其步骤包括：提取原始转炉煤气发生量数据中的间歇时长特征，并根据间歇时长特征将数据进行分类；根据间歇分类所得的发生量数据特征，确定网络参数，构建发生量预测模型Elman神经网络结构，根据间歇时长特征，构建间歇预测模型Elman神经网络结构；根据Elman神经网络结构，设置改进PSO算法的参数，将改进PSO算法产生的最优权值矩阵和阈值矩阵用于Elman神经网络；在预测未来时间内间歇时长基础上，二次预测转炉煤气发生量。本发明实现先生产间歇时长后转炉煤气发生量的“两步式”预测，避免了炼钢过程中间歇波动对预测精度带来的影响，提高了预测精度。
-
-
-
Search Results
4
records
(took 0.034 seconds)
