-
公开(公告)号：CN119004208B
公开(公告)日：2025-04-04
申请号：CN202411099212.X
申请日：2024-08-12
Applicant: 浙江大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/098 , G01R35/04
Abstract: 本发明公开了一种基于单轮联邦学习的低通信成本智能电表故障诊断方法。在各智能电表节点进行本地模型训练，各节点将本地模型参数以及每个批量归一化层在训练完成后的本地模型中记录的均值和方差上传至中心服务器，中心服务器通过对齐给定的故障分类和批量归一化层的统计量进行各节点对应数据集的生成。此外，本发明还通过对生成的数据集进行裁剪、混合并生成软标签，进一步提升了全局模型的精度和鲁棒性。最后，将生成的数据集和软标签输入至全局模型进行训练，得到最终的联邦学习全局故障诊断模型。这种方法在保护数据隐私、降低通信成本的同时，提高了模型的精度和鲁棒性，相比于其他联邦学习方法，故障诊断性能得到了显著提升。
-
公开(公告)号：CN119171496A
公开(公告)日：2024-12-20
申请号：CN202411658055.1
申请日：2024-11-20
Applicant: 浙江大学
Abstract: 本发明属于电力领域，公开了一种面向供需平衡的储能分布式运行优化方法，包括：步骤1，定义电网内的有功功率平衡关系；步骤2，在线估计负荷有功功率；步骤3，计算每个电池储能系统实际存储和提取的功率；步骤4，考虑相关功率约束，构造分布式电池储能系统的优化问题模型；步骤5，求解步骤4的优化问题，设计分布式电池储能系统协调运行优化算法。本发明提出了一种分布式的方法来控制电池储能系统在可再生发电量大于需求时以充电模式运行，在可再生发电量不足需求时以放电模式运行，进而整体提高了可再生能源发电的利用效率。
-
公开(公告)号：CN119004208A
公开(公告)日：2024-11-22
申请号：CN202411099212.X
申请日：2024-08-12
Applicant: 浙江大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/098 , G01R35/04
Abstract: 本发明公开了一种基于单轮联邦学习的低通信成本智能电表故障诊断方法。在各智能电表节点进行本地模型训练，各节点将本地模型参数以及每个批量归一化层在训练完成后的本地模型中记录的均值和方差上传至中心服务器，中心服务器通过对齐给定的故障分类和批量归一化层的统计量进行各节点对应数据集的生成。此外，本发明还通过对生成的数据集进行裁剪、混合并生成软标签，进一步提升了全局模型的精度和鲁棒性。最后，将生成的数据集和软标签输入至全局模型进行训练，得到最终的联邦学习全局故障诊断模型。这种方法在保护数据隐私、降低通信成本的同时，提高了模型的精度和鲁棒性，相比于其他联邦学习方法，故障诊断性能得到了显著提升。
-
公开(公告)号：CN118409304B
公开(公告)日：2024-10-11
申请号：CN202410874611.2
申请日：2024-07-02
Applicant: 浙江大学
IPC: G01S11/12
Abstract: 本发明提供了一种基于光学微腔与正负移频技术的多普勒频移测量系统，属于速度测量设备领域。该测量系统采用连续波可调谐激光器，并通过调制生成正向光学移频与负向光学移频的双频高斯激光脉冲，两激光脉冲频率位于光学微腔中心频率对称的两侧，通过测量双频激光回波信号的透过率变化，即可测量得出多普勒偏移量并反演出被测目标的速度大小与方向。本发明采用单通道吸收型光学微腔作为鉴频器替代传统法布里珀罗标准具，并通过采用锁频光路消除激光源与鉴频器因温度漂移造成的误差，提高了测量精准度并且避免了高成本温控系统的使用，在降低成本的同时提高了系统在温度变化大等恶劣环境下的工作能力，进而提高了系统的整体鲁棒性。
-
公开(公告)号：CN115182844B
公开(公告)日：2024-08-13
申请号：CN202210878100.9
申请日：2022-07-25
Abstract: 本发明公开了一种变速风力发电机组有界UDE转矩控制方法。该方法包括有界约束算法、UDE转矩控制器两部分。为了避免系统输入转矩超出风机最大承受范围，造成积分饱和，导致跟踪效果变差甚至系统失控等现象，使用约束算法，根据转矩大小动态调节约束系数，使约束系数和转矩之间的关系始终保持在设定的椭圆区域上；将约束系数引入到跟踪误差中，设计出有界UDE转矩控制器，以应对风电机组转矩控制中的积分饱和现象，达到控制效果。该方法简单易行，成本低，给定风机所能承受的最大转矩范围，便可实时得到约束系数，系统整体的计算量增加较少，避免积分饱和带来的负面影响，提升控制效果，提高风能捕获效率，提高风电场的经济效益。
-
Patent Agency Ranking
公开(公告)号：CN115211870B
公开(公告)日：2024-07-09
申请号：CN202211015311.6
申请日：2022-08-23
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多尺度特征融合网络的新生儿脑电信号惊厥放电检测系统。该方法针对新生儿的临床脑电信号数据，基于多尺度融合特征进行异常检测；建立高度并行的多分支一维卷积模型对标记后的新生儿脑电信号数据进行特征提取，多分支一维卷积模型可以在提取出脑电信号多尺度特征的同时，尽可能减小运算时间；使用基于深度网络的集成学习模型，将多个弱监督模型融合为一个强监督模型，最大程度地利用了多尺度融合特征，降低随机噪声的干扰，保证了模型具有较高的抗干扰性。本发明方法是基于数据的深度网络建模方法，网络计算步骤完备，建立的网络模型兼顾了脑电信号的多尺度特征，具有一定的理论价值与实际工程意义。
-
公开(公告)号：CN118245751A
公开(公告)日：2024-06-25
申请号：CN202410406509.X
申请日：2024-04-07
Applicant: 浙江大学湖州研究院
IPC: G06F18/20 , G06F18/10 , G06F18/23213 , G06F18/2431 , G06F18/22 , G06Q10/0639 , G06Q50/06
Abstract: 本发明属于电力领域，公开了一种用电主体行为画像构建方法，包括以下步骤：步骤1，收集用户历史用电负荷数据，对其进行预处理；步骤2，通过动态时间规整和K‑means聚类确定用户的用电行为的类别标签；步骤3，构建初始特征集，并将最大相关最小冗余准则作为特征选择方法构建最优特征集，得到用户用电行为的行为标签；步骤4，利用评分法对用户的每个特征进行打分，直观展示每个用户的特征。本发明将动态时间规整算法和K‑means融合，以实现对用户不同用电行为特征的准确直观刻画。本发明将用户的用电行为特征按照评分系统进行打分，更直观地展示了每个用户的用电行为习惯。
-
公开(公告)号：CN117496650B
公开(公告)日：2024-03-26
申请号：CN202410000986.6
申请日：2024-01-02
Applicant: 浙江省白马湖实验室有限公司 , 浙江大学 , 国家管网集团浙江省天然气管网有限公司
IPC: G08B13/186 , G06F18/243 , G06F18/2415 , G06F18/2431 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/22 , G06N20/20 , G06N3/044 , G06F123/02
Abstract: 本发明公开了一种基于环境嵌入的分布式光纤入侵预警方法及系统，包括以下步骤：获取检测光纤中的反向瑞利散射光信号数据；对光信号数据进行预处理，获得每日防区警报序列；对警报序列进行分割并引入嵌入向量，将所述嵌入向量嵌入到警报序列中；将加入了嵌入向量的警报序列输入到第一神经网络得到环境特征向量；基于环境特征向量和时间特征向量进行第一次入侵报警概率计算；基于环境特征向量和时间特征向量以及第一次入侵报警概率进行第二次入侵报警概率计算，基于计算结果进行入侵预警；本发明通过融合环境特征向量和时间特征向量，对入侵事件的全空间分布进行建模，提高了分布式光纤预警的准确度。
-
公开(公告)号：CN117635911A
公开(公告)日：2024-03-01
申请号：CN202311417908.8
申请日：2023-10-30
Applicant: 浙江大学
IPC: G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开一种基于深度学习的入侵害虫粘虫板图像识别方法，包括获取拍摄图像，构建数据集；对数据集进行预处理；将经预处理后的数据集进行划分；构建改进的TPH‑YOLOv5预训练模型；将训练集输入至改进的TPH‑YOLOv5预训练模型，进行迁移学习，组合不同模型训练技巧进行模型训练，将预测结果与真实结果比对，计算损失函数，并更新网络权重；若达到预设的迭代次数，则结束训练；基于改进的TPH‑YOLOv5模型实现入侵害虫检测。本发明通过获取高质量入侵害虫数据集，利用改进的TPH‑YOLOv5模型，针对害虫样本数量不平衡，数据集数量较少等问题，组合不同模型训练技巧进行模型训练，最终实现入侵害虫精准检测。
-
公开(公告)号：CN117610626A
公开(公告)日：2024-02-27
申请号：CN202311624785.5
申请日：2023-11-30
Applicant: 浙江大学
IPC: G06N3/063 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06F15/78
Abstract: 本发明公开了一种基于FPGA实现卷积神经网络的软硬件协同加速方法，该方法包括：选取卷积神经网络和数据集，并对卷积神经网络进行训练和量化；将量化模型根据所将权重和参数保存为二进制的机器语言文件。根据保存的数据生成硬件电路，使用卷积并行优化、矩阵划分、循环展开和访存流水化实现软硬件加速协同；对实现软硬件协同优化的数据重新生成硬件IP，根据硬件IP完成硬件设置、约束与布线。本发明采用的软硬件协同优化策略实现了算子级优化，能高效地使用已设计好的卷积模块；采用一整套神经网络量化与模型压缩方案，保证模型的实际部署效果且本发明具有多FPGA平台通用性。
-
-
-
-
-
-
-
-
-
Search Results
290
records
(took 0.038 seconds)
