-
公开(公告)号:CN119444576A
公开(公告)日:2025-02-14
申请号:CN202411582168.8
申请日:2024-11-07
Applicant: 浙江大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/08 , G06F30/28 , G06F113/08 , G06F119/14 , G06F111/04
Abstract: 本发明公开了一种基于深度学习的流动场景图像超分辨率重建方法及装置,包括获取流体流速数据集,所述流体流速数据集中的数据具有时间和地理两个维度;对所述流体流速数据集进行预处理,得到低分辨率图像和高分辨率图像;搭建基于反卷积神经网络的超分辨率模型,所述超分辨率模型包括一个反卷积层和若干个卷积层;对所述超分辨率模型的损失函数进行改进,具体为:在L1 Charbonnier损失的基础上增加分段函数,根据阈值调整权重大小;利用所述低分辨率图像和高分辨率图像对所述超分辨率模型进行训练;将训练好的超分辨率模型对低分辨率图像进行重建,得到高分辨率流场图像。对流动场景下图像超分辨率研究具有较好的效果和实用价值。
-
公开(公告)号:CN116667344B
公开(公告)日:2023-10-10
申请号:CN202310943558.2
申请日:2023-07-31
Applicant: 浙江大学
IPC: H02J3/00 , G06Q10/04 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种海上风电场自适应局域疲劳载荷均衡调度方法及装置,本发明引入每台风电机的局域规模半径,来设定针对每台风电机需要进行载荷均衡的局域范围;引入自适应性权重,设定每台风电机形成的局域特征的相对重要程度;将每台风电机的桨距角可行取值范围及其局域规模半径的可行取值范围作为搜索域,利用粒子群算法进行内层优化,内层优化目标为自适应局域疲劳载荷均衡和风电场产能最大;根据内层优化输出的初步风电场调度方案,通过动态更新每台风电机的自适应性权重进行外层优化,进一步优化疲劳载荷分布。在提高产能的同时,降低需要单独维护的疲劳载荷离群风电机数目、降低海上风电场维护频率,更符合实际运维需求。
-
公开(公告)号:CN116667344A
公开(公告)日:2023-08-29
申请号:CN202310943558.2
申请日:2023-07-31
Applicant: 浙江大学
IPC: H02J3/00 , G06Q10/04 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种海上风电场自适应局域疲劳载荷均衡调度方法及装置,本发明引入每台风电机的局域规模半径,来设定针对每台风电机需要进行载荷均衡的局域范围;引入自适应性权重,设定每台风电机形成的局域特征的相对重要程度;将每台风电机的桨距角可行取值范围及其局域规模半径的可行取值范围作为搜索域,利用粒子群算法进行内层优化,内层优化目标为自适应局域疲劳载荷均衡和风电场产能最大;根据内层优化输出的初步风电场调度方案,通过动态更新每台风电机的自适应性权重进行外层优化,进一步优化疲劳载荷分布。在提高产能的同时,降低需要单独维护的疲劳载荷离群风电机数目、降低海上风电场维护频率,更符合实际运维需求。
-
公开(公告)号:CN119309520A
公开(公告)日:2025-01-14
申请号:CN202411271267.4
申请日:2024-09-11
Applicant: 浙江大学
Abstract: 本发明公开了一种天然气流量计量管壁粗糙度变化判断方法及装置,包括:获取超声波流量计类型、声道布局结构以及各声道流速;基于超声波流量计类型及其声道布局结构和充分发展的湍流流场分布特性将各声道流速折算成管道直径声道流速;根据天然气流量计量管壁粗糙度变化出现的情况,利用各声道流速,构建新的管壁粗糙度变化特征和声道流速特征;根据折算后的管道直径流速,对构建的管壁粗糙度变化特征和声道流速特征归一化处理;基于归一化处理后的管壁粗糙度变化特征和声道流速特征,利用孤立森林方法,训练得到天然气流量计量管壁粗糙度变化判断模型;利用天然气流量计量管壁粗糙度变化判断模型对天然气计量管壁是否出现粗糙度变化进行判断。
-
公开(公告)号:CN118296368A
公开(公告)日:2024-07-05
申请号:CN202410220281.5
申请日:2024-02-28
Applicant: 浙江大学
IPC: G06F18/214 , G01F1/667 , G06N3/0499 , G06N3/084 , G06F18/15 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种基于机理与数据融合的超声波流量计样本扩充方法及装置,包括:获取超声波流量计采集的流速数据及其所处的工况,作为训练数据,将所述训练数据划分为输入数据和输出数据;基于所述训练数据,统计不同工况下超声波流量计各声道流速的分布规律;结合流动的机理知识对所述输入数据进行预处理;搭建多层感知机网络,将相对误差和管道流速分布规律的机理限制共同作为损失函数,训练在不同工况下的超声波流量计流速预测模型;基于所述输入数据,生成拟输入数据,将所述拟输入数据输入所述超声波流量计流速预测模型,得到扩充的拟样本数据。该方法能够充分利用机理特征和数据学习得到的特征,生成较高质量的拟样本数据。
-
-
-
-