本发明公开了一种基于两级分解、LSTM和AT的短期风速预测方法，包括：S1、通过WD小波算法对原始风速作一级分解，并重构为低频主成分A1和高频噪声成分D1；S2、通过VMD算法作二级分解，分别将A1和D1分解为一系列模态分量；S3、采用LSTM网络对分解后的低频主成分模态分量和高频噪声成分模态分量两个数据集分别进行训练；S4、在LSTM网络的输出层与隐藏层之间引入Attention层；S5、将低频主成分和高频噪声成分的预测结果进行合成，得到最终风速预测结果。本发明利用小波分解去解决了风速低频信号与高频信号的互相干扰；通过VMD分解充分提取信号频域特征，解决传统LSTM模型存在的预测滞后问题；Attention机制提升了风速发生突变与风速急剧变化时的决策能力，提升模型预测的稳定性。
📄 2020104203405
📂 G06Q10_04
👤 武汉科技大学
📅 2020-05-18
本发明公开了一种基于深度支持向量机的变压器故障诊断方法，包括以下步骤：(1)对收集到的电力变压器油中溶解气体进行分析得到特征气体组分体积分数的原始数据，将原始数据的70％作为训练集，剩余30％作为测试集，用于测试得到的故障诊断模型的准确率；(2)将原始数据进行归一化处理；(3)将步骤(2)中得到的归一化数据，利用灰狼算法对支持向量机参数进行优化，得到变压器故障诊断的最优参数，通过深度学习中的受限玻尔兹曼机对支持向量机模型Mr进行训练，得到变压器故障诊断的最优模型。该方法既可以进一步提高变压器故障诊断的效率又能有效增加故障诊断的准确率。
📄 2020102803062
📂 G16C20_20
👤 西安工程大学
📅 2020-04-10
本发明公开了基于简化潮流神经网络的配电网状态估计初值计算方法。该方法利用历史数据与嵌入物理知识的神经网络学习配电网状态变量的初值，用以进行配电网状态估计的计算。由于潮流方程为一个非线性函数，故可以用一个输入为量测、输出为状态变量的全连接的神经网络描述，本方法提出一种基于简化潮流方程的物理感知神经网络，即利用配电网拓扑结构相关知识，对全连接神经网络进行了剪枝，去掉了其非必要的参数；然后再利用历史数据离线训练剪枝后的网络；之后将实时量测数据输入该网络中，得到更为精确的初值应用于高斯牛顿法初值；最后可以根据高斯牛顿法迭代求解配电网状态估计。
📄 2022107497062
📂 H02J3_00
👤 杭州电子科技大学
📅 2022-06-28
本发明公开了一种基于图卷积神经网络的配电网单相接地故障定位方法。该方法包括：通过FTU终端设备采集配电网馈线段不同状态下的负荷节点与边的特征信息，归一化处理后利用单层全连接神经网络将边特征数据转化为与其相连的节点特征数据，然后将所有节点特征数连接成矩阵后输入图卷积神经网络模型，并利用数据采集时的配电网状态作为标签对网络进行训练，以获得最优图卷积神经网络的结构参数。最后基于训练后的定位模型，对变电站各馈线处发生的故障进行搜索定位，从而通过输出的特征数据得到故障所在的具体支路。本发明利用神经网络方法整合配电网故障定位理论，能有效保证城市复杂配电网故障的定位精度，适合城市配电网拓扑变化下的情况。
📄 2022107410745
📂 G01R31_08
👤 杭州电子科技大学
📅 2022-06-27
本发明提出一种基于历史数据集时间跨度优化的光伏发电功率预测方法，涉及光伏发电预测的技术领域，首先确定用于光伏发电功率预测的历史功率数据来源，按时间跨度调整用于预测光伏发电功率的历史数据集的样本数据数目，在历史数据集的数据样本数设置值的限定下，获取预测误差指标随历史数据集的样本数变化的趋势曲线，在预测误差指标最优点附近搜寻最优的历史数据集样本数，根据调整后的历史数据集重新进行预测，往复进行，加快最佳历史数据集样本数的搜寻过程，直至选择最佳的历史数据集样本数目，提高了光伏发电功率预测精度，避免历史数据集选取粗糙，导致计算量大及干扰大的问题。
📄 2022105473133
📂 G06Q10_04
👤 中山大学
📅 2022-05-19
基于生成式对抗网络的电力数据异常检测方法，包括：将原始数据信号分成小序列信号后经过映射得到对应的潜在向量；将潜在向量逐个映射，得到一组伪时间序列数据；分别计算每一个伪时间序列数据的子序列的为真概率及计算每一个小序列信号的为真概率；将伪时间序列数据的子序列的为真概率与每一个小序列信号的为真概率比对，计算每一组子序列的判别损失，求和得到总判别损失；将每一个伪时间序列数据的子序列与每一个小序列信号比对，得到每一组子序列的剩余损失，求和得到总剩余损失；根据每一组子序列的剩余损失和判别损失，计算剩余分数和判别分数，对剩余分数和判别分数加权处理，得到一异常分数；将异常分数与一预设阈值比较，得到鉴别结果。
📄 2023110245324
📂 G06F18_2433
👤 华南师范大学
📅 2023-08-14
本发明涉及一种基于人工智能的光伏电池板智慧巡检方法及系统，包括获取到光伏电池板图像和对应的热成像图像，进行图像处理得到光伏电池板的正射图像和正射热成像图像，将正射图像转为二值图，分析图像中的灰尘像素，得到每个灰尘簇的凸包区域，根据凸包区域对应的热成像图区域的最高温度和该灰尘簇的灰尘灰度总和得到灰尘严重程度，根据灰尘簇及处在该灰尘簇范围内的灰尘簇的最小距离和灰尘簇的凸包区域的灰尘严重程度，得到每个灰尘簇的聚合灰尘严重程度和光伏电池板的全局灰尘严重程度，对比阈值判断是否需要进行清洁，通过计算得到下次巡检的时间，基于人工智能和图像处理，较传统方式更加精准、智能，节约成本，合理应用资源。
📄 2022107078020
📂 G06T7_00
👤 托伦斯半导体设备启东有限公司
📅 2022-06-22
本发明提供了一种基于融合神经网络的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了目前电池容量的SOC估计难估计的技术问题。其技术方案为：步骤1)将全新锂电池充满电，测取SOC从1到0的锂离子电池的端电压、电流、温度；步骤2)对测取的数据进行预处理；步骤3)使用2DCNN卷积神经网络对新的数据集进行训练和测试，实现SOC实时估计。本发明的有益效果为：本发明在数据集中加入估计的电池容量数据，能够拥有更高的估计精度，相比较LSTM，不会将误差一直记忆；并且，短的历史数据长度也能拥有更快的估计速度；相较使用3DCNN来估计SOC，能够减少运算量并且减少不必要的误差输入，从而拥有更高的精度。
📄 2022100388793
📂 G01R31_367
👤 南通大学
📅 2022-01-13
一种基于多流神经网络的太阳能能量预测方法，相比传统的太阳能收集功率预测方案，优先考虑相似天气，优化模型输入；采用多流神经网络模型，相比于单一的预测方法能够结合并发挥不同预测模型的优势，面对不同的气候条件具备更强的适应性；对采集到的原始太阳能数据进行采样，剔除无效数据和干扰信息，提取出相似天气，兼顾数据量符合模型预测需求的同时，还关注减少输入数据，降低运算复杂度。
📄 2021111536582
📂 G06F30_27
👤 南京邮电大学
📅 2021-09-29
本发明提供了一种风电功率预测方法、装置、设备及介质，其中方法包括：获取实时风电功率趋势、实时风电功率、未来风电功率趋势；未来风电功率趋势为基于气象数据预测到未来风速，对未来风速进行分析得到；将实时风电功率趋势、实时风电功率、未来风电功率趋势输入到预先训练的模型中，得到待测风电场的预测风电功率；预先训练的模型为优化后的神经网络模型。本方法通过基于气象数据预测未来风速，并对未来风速进行分析，可以更准确地捕捉未来风电功率的趋势变化，从而提高预测精度。
📄 2024109050669
📂 H02J3_00
👤 广东海洋大学
📅 2024-07-08
本发明公开了基于深度学习的自适应预测与喷氨流场优化方法及系统，涉及自动喷氨技术领域。该基于深度学习的自适应预测与喷氨流场优化方法，包括S1：采集喷氨过程中的工况数据和排放监控数据，进行预处理后存储，并构建喷氨运维数据库；S2：通过对训练样本采用循环神经网络与粒子群优化算法构建排放预测模型，预测误差进行精度评估，执行更新并输出预测结果;S3：通过排放预测数据和氨逃逸量进行喷氨优化调控分析；S4：根据校正反馈分析结果优化喷氨策略并调整排放预测模型。解决了燃烧过程中的温度和压力参数波动导致脱硝效率下降、排放不达标和氨逃逸现象严重的问题。
📄 2026103575287
📂 G05B13_04
👤 龙岩学院
📅 2026-03-23
本发明公开了一种面向突变预警的大气污染物浓度预测方法及系统。该方法包括：获取历史监测数据并进行分级清洗处理；构建包含外部影响、周期性时间、历史滞后和统计滑窗特征的输入特征集；进行异常事件检测并融合事件特征；按时间顺序划分数据集，并在严格时间因果约束下构造监督学习样本；构建并训练CNN‑LSTM复合预测模型；基于预测值构建突变判别量，并在其超过自适应阈值时输出预警。本发明还提供了一种实现上述方法的系统，可部署于FPGA。本发明通过全流程的时间因果约束、稳健的数据清洗、多维特征融合以及CNN‑LSTM模型，提高了预测的精度、稳定性和突变响应能力，并保证了离线评估与在线部署的一致性。
📄 2026105336755
📂 G06F30_20
👤 南京信息工程大学
📅 2026-04-22
柿子坊 · 知识产权运营
柿子坊知识产权运营平台