-
公开(公告)号：CN114629113B
公开(公告)日：2025-05-09
申请号：CN202210140836.6
申请日：2022-02-16
Applicant: 武汉大学
IPC: H02J3/00
Abstract: 本发明涉及电力系统过载调节技术，具体涉及基于直流最优潮流的多区域电力系统线路过载校正方法，首先通过使用分解方法将大规模电力系统分区来降低电网的维度，将全局问题分解为每个与特定控制区域相关联的子问题，同时加入线路过载的风险成本。包括：使用分解方法将全局问题分解为多个区域子问题；引入线路过载的风险成本；对子问题进行一次迭代更新变量，若满足收敛条件得到全局最优解；若不满足收敛条件则回到对子问题进行一次迭代。通过交换边界变量和与耦合约束相关的拉格朗日乘子，子问题之间的协调可以通过迭代过程来实现，从而收敛到全局最优。该校正方法提出的方法可以在确保缓解期间的系统安全的同时快速缓解线路过载。
-
公开(公告)号：CN114759548B
公开(公告)日：2025-05-02
申请号：CN202210350017.4
申请日：2022-04-02
Applicant: 武汉大学
Abstract: 本发明提供了一种基于基追踪算法的配电网拓扑辨识与线损计算方法，首先对于配电网系统进行分析并建模，通过理论推导，从模型中提取出包含网络拓扑信息的向量，从而将配电网的拓扑辨识问题转化成稀疏向量信号的求解问题；然后使用基追踪方法对此问题进行求解，获得配电网系统拓扑的估计值；紧接着使用估计出来的拓扑结构，对配电网使用牛顿拉夫逊方法进行潮流计算，求得配电网的功率分布和线路损耗，这些数据可用于配电网线损分析、制定降损措施等高级业务。最后，在IEEE标准9节点和30节点配电网系统上进行了仿真测试，表明了以上方法的可行性。
-
公开(公告)号：CN114662565B
公开(公告)日：2024-10-25
申请号：CN202210177543.5
申请日：2022-02-25
Applicant: 武汉大学
IPC: G06V10/764 , A61B6/51 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于TS‑PCNet的全景X光片图像分类方法及系统，首先对口腔全景X光片进行数据增强，采用尺寸变换，随机翻转、图像增强等方法丰富数据集，从而提高模型的泛化性；然后进行样本均衡处理，对样本数量较少的类别进行过采样，使数据集样本均衡；最后，在处理后的数据集上训练本发明提出的两阶段牙周炎分类模型(TS‑PCNet)，它以深度残差网络为基础，第一阶段对牙齿进行患病与健康的二分类，第二阶段进一步实现患病程度的轻微、中度、重度分类，最终实现牙周炎的精确诊断。解决人工读片时间长、负担重、难以诊断早期症状的问题。另外，本发明的TS‑PCNet具有良好的泛化性，可以通过迁移学习的方式轻松应用到其他任务上。
-
公开(公告)号：CN116503343A
公开(公告)日：2023-07-28
申请号：CN202310404018.7
申请日：2023-04-14
Applicant: 武汉大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/0895 , G06N3/094
Abstract: 本发明公开了一种基于合成数据的半监督全景X光片目标检测方法。首先，获取全景X光片数据集，训练可控的合成模型，生成类别均衡的样本；其次，获取全景X光片数据集和诊断标注，训练目标检测诊断的有监督模型；然后，获取合成样本的弱标签，使用半监督目标检测方法训练诊断模型，以达到更准确的诊断性能；最后，将训练好的目标检测诊断模型部署在终端设备的软件后端中，导入患者的全景X光片数据以做出诊断。本发明解决了传统方法影像由于数据不足和数据标注不足导致的模型准确性不够高的问题。
-
公开(公告)号：CN114595874B
公开(公告)日：2024-08-06
申请号：CN202210172387.3
申请日：2022-02-24
Applicant: 武汉大学
IPC: G06Q10/04 , G06Q10/067 , G06Q50/06 , G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08 , H02J3/00
Abstract: 本发明涉及机器学习中的时间序列预测技术，具体涉及一种基于动态神经网络的超短期电力负荷预测方法，对原始负荷数据进行数据预处理，修正缺失值和异常值，整理为多个批量大小，并进行归一化操作；将预处理的数据传入CNN模块进行局部特征提取；将特征提取后的数据分别输入LSTM神经网络和优化的动态跳跃LSTM神经网络，将这两个网络的输出结果通过全连接层整合；最后将预处理过的数据经过线性回归模块提取局部线性特征后与神经网络部分的输出进行整合，反归一化后得到最终的超短期负荷预测结果。该方法既保留了常规网络预测结果，又加强了负荷数据周期性信息在预测结果中所占的比重，使得最终的负荷预测结果比常规网络所获得的更为准确。
-
Patent Agency Ranking
公开(公告)号：CN118245830A
公开(公告)日：2024-06-25
申请号：CN202410303379.7
申请日：2024-03-18
Applicant: 武汉大学
IPC: G06F18/23213 , G06F18/211 , G06F18/213 , G06F18/214 , G06F18/10 , G06Q50/06
Abstract: 本发明属于非侵入式负荷监测技术领域，具体涉及基于抓取窗口捕捉的工商业负荷事件检测方法、系统及设备，能够采用抓取窗口捕捉的方法提取出稳态中心，实现事件高效、准确检测，并保证实时性。基于抓取窗口捕捉的工商业负荷事件检测方法包括：步骤1，实时采集真实工商业用电环境下的电力数据；步骤2，对电力数据进行预处理，得到样本点；步骤3，基于样本点进行负荷事件检测：步骤3.1，特征选取；步骤3.2，抓取窗口设置，设置抓取窗口的宽度、变动限度；步骤3.3，聚类分析设置；步骤3.4，基于抓取窗口对样本点进行负荷事件捕捉，识别出负荷事件的发生数量，和各负荷事件的发生时刻。
-
公开(公告)号：CN114565259A
公开(公告)日：2022-05-31
申请号：CN202210171261.4
申请日：2022-02-24
Applicant: 武汉大学
Abstract: 本发明公开了一种改进麻雀搜索优化BP神经网络的配电网线损计算方法，首先通过电网高级量测体系连续采集所需的多个历史时刻的数据，并对这些数据进行数据预处理；其次，将预处理后每个历史时刻的数据输入至BP神经网络进行预测得到每个历史时刻预测的线损率，并结合其构建BP神经网络损失函数模型，进一步通过混沌初始化和t分布变异融合改进的麻雀搜索算法进行优化求解得到优化后BP神经网络；最后将实时采集的数据输入至优化后BP神经网络进行预测，得到实时的预测线损率，本发明有效解决了BP神经网络调整问题，提升了网络收敛速度，进一步提高了配电网线损的计算精度，为电网实现精细化管理、促进节能降损工作提供了数据支撑。
-
公开(公告)号：CN108416366B
公开(公告)日：2021-09-21
申请号：CN201810115289.X
申请日：2018-02-06
Applicant: 武汉大学
Abstract: 本发明公开了一种基于气象指数的加权LS‑SVM的电力系统短期负荷预测方法，包括以下步骤:S1、获取原始数据的样本；S2、根据原始数据计算气象综合指数；S3、对日期类型数据和气象综合指数进行数据预处理；S4、根据得到的无量纲负荷特征量与电力系统负荷之间进行灰色关联分析，并通过灰色关联分析得到的关联度计算特征量权重；S5、建立基于气象综合指数和加权最小二乘支持向量机的电力系统短期负荷预测模型，采用果蝇优化算法进行参数优化，通过模型输出得到待预测日的电力系统负荷预测数据。本发明具有很好的全局优化性能、调整参数少且不易陷入局部极小值，可以有效提高电力系统短期负荷的预测精度。
-
公开(公告)号：CN118534253A
公开(公告)日：2024-08-23
申请号：CN202410635646.0
申请日：2024-05-22
Applicant: 武汉大学
Abstract: 本发明公开了一种基于复数多元回归的接线错误漏电定位方法、介质和设备，该方法包括：采集台区内各用户负荷电流和剩余电流相量数据；基于采集数据构建复数多元线性回归方程组；确定各用户负荷电流的复权重系数不等式约束，根据复数多元线性回归方程组和复权重系数不等式约束建立实值复变目标函数，并将其转化为凸线性优化模型；通过原始对偶内点法构建拉格朗日函数，并确定一阶扰动KKT条件，根据一阶扰动KKT条件计算可行域内凸线性优化模型的最优解，该最优解为各用户负荷电流的复权重系数；根据各用户负荷电流的复权重系数进行接线错误漏电故障异常用户定位。本发明能够提高漏电定位检测效率，并能够实现多用户故障的复杂场景下的漏电定位识别。
-
公开(公告)号：CN118381078A
公开(公告)日：2024-07-23
申请号：CN202410303523.7
申请日：2024-03-18
Applicant: 武汉大学
Abstract: 本发明涉及储能装置控制技术，具体涉及一种基于负荷预测的用户侧储能装置管理控制系统及方法，该方法包括：在家庭入户配电箱处安装带负荷预测功能的采集装置，利用采集装置采集数据并进行信息传输；采集装置采集入户处电压、电流数据，提取相应的用电特征信息，通过已训练好参数的预测模型进行实时负荷预测；预测模型根据家庭历史负荷数据的趋势和规律，预测未来一段时间内的用电需求；网关通过无线通信方式接收来自采集装置的数据，并将数据打包转发；网关下发数据至储能装置，储能装置根据接收的数据信息确定储能充放电控制策略。该方法能够实现储能装置的自动控制，无需用户自行配置和操作，减少了人工操作的复杂性以及误操作带来的风险。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.022 seconds)
