|
搜索
搜 索
高等教育領域數(shù)字化綜合服務平臺
基于時空多尺度聯(lián)合學習模型的能源需求預測技術
本項目提出了將時間維度與空間維度相結合的多尺度綜合能源 需求分析與預測模型，設計并實現(xiàn)了一種面向智慧城市的綜合能源需 求分析與預測的方法，提升能源供應規(guī)劃和營銷策略的優(yōu)化與決策支 持。 項目特色： ? 面向綜合能源時空數(shù)據(jù)的需求分析和預測可以根據(jù)歷史數(shù)據(jù)， 結合地理區(qū)域的相互關系來預測給定時間范圍和空間位置的 能源需求。 ? 針對綜合能源的特性，項目提出了聯(lián)合學習和遷移學習的思想 對模型進行訓練。同時優(yōu)化不同區(qū)域中多種類型能源的聯(lián)合預 測模型，將已有模型的結果遷移到訓練集數(shù)據(jù)不足的模型中， 提高能源用量預測的準確率。 ? 面向智慧城市的綜合能源信息應用服務場景，并利用 GIS 技術 實現(xiàn)配電網(wǎng)分析和用戶用電特性分析的可視化。
南開大學
2021-04-13
火電機組深度調峰多模型智能預測控制系統(tǒng)
火電機組深度調峰改造是消納可再生能源的有效途徑，深度調峰就是在自動控制的情況下將機組的負荷調節(jié)下限從原來的50%Pe下調至30%Pe，甚至更低。控制難點在于：當機組處在低負荷工況時，機組被控過程的動態(tài)特性具有快速變化的特征，常規(guī)控制策略難于有效控制。 本項成果采用多模型智能預測控制技術，分別提出了適合于亞臨界和超（超）臨界機組深度調峰的多模型智能預測控制系統(tǒng)，實現(xiàn)了在低負荷或超低負荷工況下的平穩(wěn)控制。 本項成果已成功應用于華能丹東、華能大連、華能營口、華能井岡山、華能大壩、國投欽州、大唐當途、中鋁銀星、國信射陽港、國華籌光等電廠近30臺300MW亞臨界、600MW和1000MW超（超）臨界機組的深度調峰中。特別是，已成功將華能營口電廠#4 600MW超超臨界機組的負荷深調到15%Pe，并實現(xiàn)了機組”干態(tài)/濕態(tài)”的一鍵轉換控制，達到了國內外最先進的深調水平。目前，在國內已完成的機組深度調峰改造中，大部分均采用了本深調優(yōu)化控制技術，得到了廣大用戶的一致好評。
東南大學
2021-04-13
基于Kriging模型的風力機齒輪箱故障診斷方法
成果簡介：本發(fā)明公開了一種基于Kriging模型的風力機齒輪箱故障診斷方法。本發(fā)明具有診斷結果快速準確、非線性擬合效果好、使用靈活、計算量小的優(yōu)點，能夠為實現(xiàn)風力機齒輪箱故障在線診斷奠定基礎。市場預測：2015年全國（除臺灣地區(qū)外）新增安裝風電機組16740臺，新增裝機容量30753MW，同比增長32.6%；累計安裝風電機組92981臺，累計裝機容量145362MW，同比增長26.8%。同時，隨著風電機組運營時間累積，
長沙理工大學
2021-01-12
大學.jpg){kind=logo}
多模態(tài)多特征融合的腦電信號分類與定位模型
北京工業(yè)大學
2021-04-14
一種基于離散廣義 Nash 匯流模型的河道洪水預報方法
本發(fā)明公開了一種基于離散廣義 Nash 匯流模型的河道洪水預報方法，通過引入滯蓄曲線，簡化廣義 Nash 匯流模型，并建立離散的廣義 Nash 匯流模型，基于該模型提出一種河道洪水預報方法，將河道下斷面出流過程表述為時段初、時段末入流量與當前時刻及之前若干時刻出流量的線性組合，根據(jù)滯蓄曲線得出權重系數(shù)；本發(fā)明提供的這種基于離散廣義 Nash 匯流模型的河道洪水預報方法，由于融入了部分歷史有效信息，可提高預報精度，且簡單直觀，便于在工程實踐中推廣應用。
華中科技大學
2021-04-14
一種直線感應電機多步長模型預測控制方法
本發(fā)明公開了一種直線感應電機多步長模型預測控制方法，包 括如下步驟：(1)采集直線感應電機的狀態(tài)變量及角速度；(2)求解無約 束條件下的電機輸入電壓矢量最優(yōu)值；(3)判定最優(yōu)值是否滿足電壓約 束條件，若滿足，則進入步驟(5)，否則進入步驟(4)；(4)以滿足電壓約 束條件為目標更新最優(yōu)值；(5)判定最優(yōu)值是否滿足電流約束條件，若 滿足，則進入步驟(7)，否則進入步驟(6)；(6)以滿足電流約束條件為目標更新最優(yōu)值；(7)根據(jù)電機輸入電壓矢量最優(yōu)值計算三相橋臂的占空 比，將其送給逆變器調制電機工作狀態(tài)
華中科技大學
2021-04-14
基于模型預測的污水處理節(jié)能減排智能優(yōu)化系統(tǒng)
該技術通過自適應模型參數(shù)校準的方法，克服此項技術應用的瓶頸。用戶的投資可以通過節(jié)省能源費用的方式迅速得到回收。節(jié)省 20-30%的供氣能源；總氮去除率增加 30%，減少剩余污泥排放 10%，出水水質更加穩(wěn)定，減少溫室氣體排放 10%，減少操作員工工作負荷 40%。
揚州大學
2021-04-14
基于投影數(shù)字高程模型的正射影像鑲嵌線自動提取方法
本發(fā)明公開了一種基于投影數(shù)字高程模型的正射影像鑲嵌線自動提取方法，包括步驟：步驟 1，獲 取單片正射影像的投影數(shù)字高程模型；步驟 2，確定待鑲嵌正射影像對；步驟 3，將待鑲嵌正射影像對 的投影數(shù)字高程模型按地理坐標疊加獲得疊加圖像，將疊加圖像二值化得到二值疊加圖像；步驟 4，采 用圖像形態(tài)學方法提取二值疊加圖像的骨架線獲得骨架線網(wǎng)絡，采用 Dijkstra 算法在骨架線網(wǎng)絡中搜尋 最短路徑，即待鑲嵌影像對的鑲嵌線。本發(fā)明方法能自動獲取高質量的正
武漢大學
2021-04-14
一種基于靜態(tài)紋理模型聚集的動態(tài)紋理識別方法
本發(fā)明公開了一種基于靜態(tài)紋理模型聚集的動態(tài)紋理識別方法，提出了識別動態(tài)紋理并不需要對整 個復雜的運動過程建模，可以繞開對運動模式進行數(shù)學建模這一瓶頸，直接將動態(tài)紋理視為若干幀靜態(tài) 紋理圖像的聚集，從而將其轉化為靜態(tài)紋理分類問題，最后通過聚集靜態(tài)紋理模型識別動態(tài)紋理。而關 于靜態(tài)紋理識別目前有很多成熟有效的算法。本發(fā)明利用現(xiàn)有的靜態(tài)紋理模型算法，將其拓展至動態(tài)紋 理識別的應用，建立基于靜態(tài)紋理模型聚集的動態(tài)紋理識別框架，推動了動態(tài)紋理識別技術發(fā)展，實現(xiàn) 了高效快速識別動態(tài)紋理。
武漢大學
2021-04-14
基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法
本發(fā)明公開了一種基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法，本發(fā)明針對遙感影像數(shù) 據(jù)回歸建模過程中變量空間自相關性對模型的影響，提出采用特征函數(shù)空間濾值方法，通過將影像進行 分塊，利用搭建的并行計算集群進行分布式計算，最后將分塊計算的結果返回給主節(jié)點匯總，通過對比 串行和并行分別得到的回歸模型擬合評價參數(shù) MSE、RMSE、R2、Adj.R2 以及并行加速比 S，驗證基于 遙感影像的特征函數(shù)空間濾值并行方法在空間統(tǒng)計回歸建模中能夠消除空間
武漢大學
2021-04-14