-
Patent Agency Ranking
公开(公告)号：CN114462880B
公开(公告)日：2025-03-21
申请号：CN202210189935.3
申请日：2022-02-28
Applicant: 西安交通大学
IPC: G06Q10/063 , G06Q10/20 , G06N3/006 , G06F18/23213 , G06Q50/06
Abstract: 本发明公开了基于改进粗糙集优化烟花算法的配网设备状态评价方法，首先，结合历史台账数据、状态监测记录以及故障条目数据，针对配网设备状态评价中的数据集不平衡问题，利用基于K‑means聚类的欠采样方法得到平衡数据集；之后，利用粗糙集理论实现对配网设备状态评价中的众多连续评价指标的属性值进行离散化约简，并采用基于属性重要性的约简方法对评价指标决策表进行属性约简；然后，引入改进的烟花算法在数量众多的属性约简结果中寻找全局最优解，最终得到一组简化的评价指标决策表用于配网设备的状态评价。该方法有效提高了配网设备状态评价结果的准确性和可靠性，能够有效减少并避免配网设备故障事故的发生，保证供电可靠性和客户满意度。
-
公开(公告)号：CN114928074B
公开(公告)日：2024-02-02
申请号：CN202210512841.5
申请日：2022-05-12
Applicant: 西安交通大学
IPC: H02J3/24 , H02J3/38 , G06N3/096 , G06F16/215 , G06F17/11
Abstract: 本发明提供一种基于迁移学习和自抗扰控制的次同步振荡抑制方法及系统，可应用于电网次同步振荡故障定位、次同步振荡抑制等领域，属于人工智能和数据挖掘范畴。该方法包括如下步骤：(1)采集双馈风机并网系统的结构参数和运行数据；(2)基于所述双馈风机并网系统的结构参数对系统建立线性化模型；(3)通过迁移学习网络对发生次同步振荡的线性化系统模型进行次同步振荡定位；(4)基于固定时间尺度分解算法，提取双馈风机转子中次同步振荡电流的振荡频率；(5)利用自抗扰控制，对双馈风机转子中的次同步振荡电流进行抑制。迁移学习是基于数据特征的学习方法，其框架结构决定了模型具有很强的抗噪性与鲁棒性；此外，自抗扰控制能够
-
公开(公告)号：CN114462880A
公开(公告)日：2022-05-10
申请号：CN202210189935.3
申请日：2022-02-28
Applicant: 西安交通大学
Abstract: 本发明公开了基于改进粗糙集优化烟花算法的配网设备状态评价方法，首先，结合历史台账数据、状态监测记录以及故障条目数据，针对配网设备状态评价中的数据集不平衡问题，利用基于K‑means聚类的欠采样方法得到平衡数据集；之后，利用粗糙集理论实现对配网设备状态评价中的众多连续评价指标的属性值进行离散化约简，并采用基于属性重要性的约简方法对评价指标决策表进行属性约简；然后，引入改进的烟花算法在数量众多的属性约简结果中寻找全局最优解，最终得到一组简化的评价指标决策表用于配网设备的状态评价。该方法有效提高了配网设备状态评价结果的准确性和可靠性，能够有效减少并避免配网设备故障事故的发生，保证供电可靠性和客户满意度。
-
公开(公告)号：CN114928074A
公开(公告)日：2022-08-19
申请号：CN202210512841.5
申请日：2022-05-12
Applicant: 西安交通大学
IPC: H02J3/24 , H02J3/38 , G06N3/08 , G06F16/215 , G06F17/11
Abstract: 本发明提供一种基于迁移学习和自抗扰控制的次同步振荡抑制方法及系统，可应用于电网次同步振荡故障定位、次同步振荡抑制等领域，属于人工智能和数据挖掘范畴。该方法包括如下步骤：(1)采集双馈风机并网系统的结构参数和运行数据；(2)基于所述双馈风机并网系统的结构参数对系统建立线性化模型；(3)通过迁移学习网络对发生次同步振荡的线性化系统模型进行次同步振荡定位；(4)基于固定时间尺度分解算法，提取双馈风机转子中次同步振荡电流的振荡频率；(5)利用自抗扰控制，对双馈风机转子中的次同步振荡电流进行抑制。迁移学习是基于数据特征的学习方法，其框架结构决定了模型具有很强的抗噪性与鲁棒性；此外，自抗扰控制能够实现对系统扰动的动态补偿，克服超调量和快速性之间的矛盾。
-
公开(公告)号：CN113189987A
公开(公告)日：2021-07-30
申请号：CN202110416449.6
申请日：2021-04-19
Applicant: 西安交通大学
IPC: G05D1/02
Abstract: 本发明提出一种基于多传感器信息融合的复杂地形路径规划方法及系统，路径规划方法包括以下步骤：对静态障碍物以及机器人进行外包圆建模，根据此模型，建立系统的初始化环境地图，在此基础上设定每个机器人的目标点，建立其初始人工势场；设置机器人之间的优先级；通过搭载在机器人上的传感器获取周边环境信息，并将其传输至决策层；根据实际障碍物的不同类型设定机器人自主决策逻辑准则，并根据此准则设定不同障碍物的势场函数，以传感器获取到的融合信息进行路径规划决策。本发明能够充分发挥机器人探测环境、整合信息的能力，使其能够适应复杂地形，快速、高效地完成多机器人协同控制，有效提高了机器人的环境适应性及系统的稳定性。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
