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
本发明公开了一种基于LSTM的双阶段分解风向预测方法，先获取待分析地区的历史风向数据，进行采样并划分数据生成训练样本，每个训练样本为一个原始序列数据；然后对原始序列数据进行第一阶段分解，将原始序列分解为趋势子序列、季节子序列和残差子序列；对第一阶段分解得到的残差子序列进行第二阶段分解，分解后得到H个模态子序列；最后构建LSTM预测模型，利用分解后的趋势子序列、季节子序列和模态子序列对构建的LSTM预测模型进行训练，采用训练好的LSTM预测模型对未来风向进行预测。本发明具有适应性好、参数不敏感、预测精度高等特点，实现了风向的精确预测。
📄 2022105811040
📂 G06Q10_04
👤 浙江工业大学
📅 2022-05-25
本发明公开一种基于GAN‑QP特征迁移模型的风电机组状态监测方法，包括以下步骤：收集两台风电机组发电机系统运行状态历史数据集；将一台作为源域机组另一台作为目标域机组，分别对两台机组的数据集进行预处理，得到源域训练集、目标域训练集；基于目标域训练集、源域训练集对特征迁移模型进行训练，训练后特征迁移模型可将目标域机组数据的特征分布变换至源域机组数据的特征分布；基于源域训练集训练自编码器；对目标域机组在线数据集进行预处理，得到目标域测试集，基于训练后特征迁移模型将目标域测试集变换至源域空间，得到源域测试集；将源域测试集输入训练后自编码器，计算源域测试集与源域训练集的均方误差，基于均方误差判断系统运行是否正常。
📄 2022117391628
📂 G06F30_27
👤 浙江工业大学
📅 2022-12-31
基于图像和自编码生成网络的锅炉高温氧浓度预测方法，属于工业过程中锅炉高温氧浓度预测技术领域。它包括以下步骤：步骤1、获取熔炉火焰图像数据集；步骤2、熔炉火焰图像预处理及数据集划分；步骤3、建立生成对抗网络模型并训练：建立条件变分自编码器生成对抗网络；步骤4、构建新训练集并建立软测量模型。本发明利用条件自编码器生成对抗网络生成图像数据，组合了两者的优势；加入条件变量不仅引导模型的训练方向而且提高多类别问题下的生成效率；在原始训练图像较少的情况下生成与原始图像分布相同的数据；通过将原始图像与生成图像组成新的训练数据，来提升锅炉高温氧浓度的预测性能。
📄 2020114292960
📂 G06T7_00
👤 浙江工业大学
📅 2020-12-09
一种基于DBN-SVM的含DG主动配电网电能质量预测方法，包括：输入输出数据预处理；对DBN模型的各层RBM进行预训练；对DBN模型进行微调；基于DBN对影响电能质量的环境指标进行特征提取；基于顶层支持向量回归机进行电能质量稳态指标预测；将预测结果反归一化，并进行误差分析。本发明的优点是：1、利用DBN-SVM模型对含DG配电网电能质量进行了效果良好的预测，并能在传统SVM的基础上增加误差率落在低值区间的概率，提高预测精度；2、通过无监督的逐层训练和有监督的整体权值微调，得到完整的DBN底层结构，为顶层SVM提供特征矩阵；3、顶层SVM经网格法参数寻优后对电能质量实现有效预测。
📄 2019110235792
📂 H02J3_00
👤 浙江工业大学
📅 2019-10-25
本发明提供一种基于能源需求响应管理的无模型强化学习方法，包括：构建住宅电器模型；结合居民综合用电成本和电力零售商利润确定社会福利，根据社会福利平衡居民综合用电成本与零售商利润，社会福利表示为基于价格的住宅需求响应管理非凸优化问题；根据电网的传输数据，分别采用基于Q‑表的Q学习算法、深度学习与Q学习相结合的Q‑网络算法和Actor‑Critic算法构建针对基于价格的住宅需求响应管理非凸优化问题的强化学习解决方案；根据三种基于价格的住宅需求响应管理非凸优化问题的强化学习解决方案，确定最优解决方案和最优零售价格序列。本发明能够采用三种算法分别进行建模，实现对未知电力市场环境下的最佳零售价格规划。
📄 2022115624074
📂 G06Q10_0631
👤 西南大学
📅 2022-12-07
本发明提出的基于门控循环神经网络的脱硝系统入口氮氧化物排放预测方法及系统，涉及模型预测领域；方法包括：获取脱销系统入口的氮氧化物浓度、影响氮氧化物产生的若干变量及其参数值；根据核主成分分析对若干变量降维并对数据进行预处理；根据预处理的数据构建GRU神经网络；引入注意力机制构建AGRU神经网络；根据预处理的数据构建训练集和测试集，训练AGRU神经网络并测试；根据优化算法优化AGRU神经网络的参数，获得氮氧化物排放预测模型，采用均方根误差RMSE及平均绝对误差MAE评估整体模型的预测性能；预测SCR脱销系统入口的氮氧化物浓度。本发明建立的基于核主成分分析和注意力机制的GRU神经网络氮氧化物排放预测模型，能实现对氮氧化物浓度的精准预测。
📄 2022106731467
📂 G06F30_27
👤 安徽工业大学
📅 2022-06-14
本申请公开了一种油气产量智能模拟预估方法和系统，该方法包括:获取预定地区的含油气的岩石的第一属性信息；至少根据所述第一属性信息查找与所述第一属性信息对应的已知岩石，其中，所述已知岩石为已知产量的油气田中的岩石，所述已知岩石的属性信息与所述第一属性信息的差值在预定范围之内；获取所述已知岩石对应的油气田；将所述已知岩石对应的油气田的产量作为所述预定地区的油气产量。通过本申请解决了现有技术中在精细预估之前没有办法进行粗略预估所产生的问题，从而降低了油气产量预估的成本并在一定程度上提高了预估的效率。
📄 2021106696488
📂 G06F30_27
👤 东北石油大学
📅 2021-06-17
一种基于人工智能的待钻井眼轨道井下规划方法。所述包括目标区块进行随钻数据采集，利用人工智能建立井下岩层识别模型和井眼轨迹预计算集成数学模型，进行井下井眼轨迹跟踪及确定钻头空间位置；之后，编制待钻井眼轨道井下规划程序，以实现待钻井眼轨道姿态的井下自动规划；分别将井下岩层识别模型、井眼轨迹预计算集成数学模型和待钻井眼轨道井下规划程序导入到井下导向钻具芯片的运算器中；启动井下导向钻具，芯片自动调用井下岩层识别模型、集成模型和待钻井眼轨道井下规划程序中的参数完成井下岩层识别及待钻井眼轨道规划。利用本发明所述方法，可以实现在井下当钻头偏离原井眼轨道时，利用钻头空间位置信息，导向钻具自动重新设计井眼轨道，修正偏离，从而提高钻井效率。
📄 2021113754134
📂 E21B7_04
👤 大庆东油智能科技有限公司
📅 2021-11-19
本发明公开了一种基于人工智能的充电桩电能分配方法，其包括以下步骤：各个交直流一体充电桩至少设置一把能进行直流供电和交流供电的综合充电枪；设置电能分配控制模块且将电能分配控制模块与充电桩的控制系统连接；电能分配控制模块配置为：获取各个充电枪的实时充电功率、充电类别和充电起始时间；分析统计实时充电功率得到充电站总负荷，且判断充电站总负荷是否大于预设的风险负荷下限阈值，如果是，则根据预设的慢充切换方法分析各个充电桩的充电类别和充电时间，确定可下调功率充电桩，调用预存储的功率下调控制数据发送至可下调功率充电桩的控制系统。本申请具有提高电动汽车的充电体验的效果。
📄 2023109116939
📂 B60L53_62
👤 深圳市森树强电子科技有限公司
📅 2023-07-25
柿子坊 · 知识产权运营
柿子坊知识产权运营平台