-
公开(公告)号：CN110509788A
公开(公告)日：2019-11-29
申请号：CN201910774264.5
申请日：2019-08-21
Applicant: 三峡大学
Abstract: 深化调峰的电动汽车群组合优化充放电方法，对电动汽车行为特性，进行蒙特卡洛模拟，分析电动汽车行为特性对常规负荷特性影响情况；根据电动汽车行为特性对常规负荷特性影响进行分析，提出电动汽车充放电策略；根据车主意愿差异，将电动汽车分为V0G、V1G、V2G三种类型，考虑车主对充放电电价的响应模型、以及电动汽车充放电策略，计算电动汽车的车辆数；以放电利用能力和充电迫切程度，作为电动汽车充放电响应能力的表征，对充电迫切程度和放电利用能力进行评估度量；根据负荷峰谷差最小化模型和负荷方差最小化模型，调节电动汽车充放电起止时刻。本发明方法能更好激励各类型电动汽车积极参与调峰，可进一步减小负荷峰谷差。
-
公开(公告)号：CN108832658A
公开(公告)日：2018-11-16
申请号：CN201810652509.2
申请日：2018-06-22
Applicant: 三峡大学
Abstract: 一种考虑频率约束及风电调频的风电穿透功率极限计算方法，利用加权等值聚合方法，求得风电场一次调频响应传递函数模型和风电一次调频的有功增量；并考虑基于风电虚拟惯性控制策略，计算求解了不同风电渗透率下电力系统等效惯性时间常数；通过计及负荷阻尼效应，建立等值转子摇摆方程的电网频率响应模型来描述电力系统频率响应特性，并以电力系统频率稳态偏差边界和频率变化率边界为约束，提出了电网风电穿透功率极限的计算方法。本发明将真实风电风电虚拟惯性响应和一次调频响应产生的有功增量和电力系统频率约束引入风电穿透功率极限的计算中，提高了风电并网情形下电网的健壮性，对确保电网安全稳定运行及风电并网规划建设有着重要指导意义。
-
公开(公告)号：CN119518953A
公开(公告)日：2025-02-25
申请号：CN202411265105.X
申请日：2024-09-10
Applicant: 三峡大学
IPC: H02J3/46 , H02J3/38 , H02J3/28 , H02J3/00 , B01D53/14 , F03B13/06 , G06Q50/06 , G06Q10/0631 , G06Q10/04
Abstract: 一种涉及灵活运行碳捕集的含新能源电网低碳调度方法，包括如下步骤：步骤1：基于燃烧后碳捕集技术，在碳捕集系统中加装储液罐构成综合灵活运行碳捕集设备模型；步骤2：提出基于基准线法的碳交易机制；步骤3：引入抽水蓄能机组和风电机组模型，以机组出力情况为决策变量，发电侧经济效益最优为目标，考虑机组运行约束和系统安全性约束，构建考虑碳交易的风电‑抽蓄‑碳捕集联合运行的低碳调度模型；本发明用于解决碳捕集机组在运行时存在负荷高峰时段存旋转备用不足，频繁爬坡降低机组运行效率，系统无法专注于捕碳工作等问题亟需解决，并且引入碳捕集设备后在保持较高碳捕集能耗的工况下如何兼顾电力系统经济性和环保性的问题亟需解决。
-
公开(公告)号：CN119518866A
公开(公告)日：2025-02-25
申请号：CN202411511317.1
申请日：2024-10-28
Applicant: 三峡大学
Abstract: 一种考虑电氢耦合的混合储能系统两阶段规划方法，包括：建立混合储能系统各装置出力模型；建立第一阶段丰能期容量优化配置模型；建立第二阶段枯能期容量优化配置模型；建立负载失电率与能量过剩率评价指标；对微电网混合储能系统两阶段规划模型进行求解。本发明可用于平抑新能源新能源波动，提升电力系统运行稳定性。
-
公开(公告)号：CN119417426A
公开(公告)日：2025-02-11
申请号：CN202411285797.4
申请日：2024-09-13
Applicant: 三峡大学
IPC: G06Q10/101 , G06Q10/20 , G06Q30/0283 , G06Q50/06 , G06F17/10 , H02J3/46
Abstract: 计及调峰充裕度的多源系统机组检修与机组组合协同优化方法，建立具有储能和发电功能的抽水蓄能电站、风电场、火电厂、水电站以及用户负荷组成的多源系统，计算多源系统总的调峰能力；计算多源系统的调峰需求；推导出调峰充裕度，调峰充裕度表示电力系统的调峰能力与调峰需求之间的关系；构建多源系统机组检修与机组组合协同优化模型，使得机组检修成本、机组运行成本以及系统调峰过剩或缺额惩罚成本最小；求解得到各机组的最优检修与运行状态。该方法可为电网调度部门制定发电机组检修计划提供依据，可提高电力系统运行的经济性与可靠性。
-
Patent Agency Ranking
公开(公告)号：CN119205620A
公开(公告)日：2024-12-27
申请号：CN202411101599.8
申请日：2024-08-12
Applicant: 三峡大学
IPC: G06T7/00 , G06V20/17 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明属于计算机视觉技术领域，具体提供一种基于改进EfficientNet的海上风机叶片表面早期缺陷识别方法，包括：构建网络模型，选择EfficientNet作为特征提取网络并对其进行改进，结合改进后的双向特征金字塔结构实现特征的提取和处理，在检测部分引入Focal‑EIOU和Focal Loss损失函数计算位置损失和分类损失；构建海上风机叶片图像数据集，对图像上的缺陷进行标注，基于所述数据集构建训练集、验证集和测试集；基于制作的图像数据集训练网络模型，得到海上风机叶片表面早期缺陷识别模型；将待识别的海上风机叶片图像输入至所述海上风机叶片图像识别模型，得到海上风机叶片缺陷检测结果。该方法能够实现海上风机叶片早期缺陷检测及分类工作，有利于叶片的检修维护工作。
-
公开(公告)号：CN119107533A
公开(公告)日：2024-12-10
申请号：CN202411122690.8
申请日：2024-08-15
Applicant: 三峡大学
IPC: G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06V10/776 , G06V10/774 , G06V10/77 , G06N3/048 , G06V10/764
Abstract: 本发明属于计算机视觉技术领域，具体提供一种基于改进YOLOV8的海上风机叶片表面缺陷检测方法，包括：构建海上风机叶片缺陷数据集，对图像上的缺陷进行标注，基于所述数据集构建训练集、验证集和测试集；对YOLOv8基线网络模型进行改进，引入C2f‑RepGhost轻量化模块替换主干特征提取网络中的C2f模块，使用BiFPN结构对其进行改进实现特征融合目的，并引入注意力模块CBAM，构建最终的缺陷检测模型；训练以优化YOLOv8的网络模型；基于训练好的权重文件，输入程序，对YOLOv8的检测速度及精度进行测试。改进后的YOLOv8算法能够有效提升对海上风机叶片表面缺陷识别的精度和速度，同时降低模型的参数量，减少计算成本，与其他主流算法相比具有更好的表现，可以应用于很多场所。
-
公开(公告)号：CN119093321A
公开(公告)日：2024-12-06
申请号：CN202411006734.0
申请日：2024-07-25
Applicant: 三峡大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/006 , G06N3/0985
Abstract: 本发明属于输电网负荷预测领域，具体提供一种基于二次模态分解和改进麻雀算法的小水电负荷预测方法，包括利用变分模态分解对负荷数据进行一次分解得到模态分量和残差序列；通过采用改进的自适应噪声完备集合经验模态分解对残差进行二次分解；计算分解后所有模态分量的排列熵，根据设置的阈值，筛选出低、中频分量并进行重构；搭建双向门控循环单元网络负荷预测模型，利用基于萤火虫改进的麻雀算法对双向门控循环单元网络负荷预测模型进行参数寻优，通过寻优后的双向门控循环单元网络负荷预测模型对筛选出的低、中频分量进行预测，将低频和中频的预测值叠加即为最终预测值。该预测方法能够针对小水电的特性进行较高精度的负荷预测。
-
公开(公告)号：CN118608998A
公开(公告)日：2024-09-06
申请号：CN202410724298.4
申请日：2024-06-05
Applicant: 三峡大学
IPC: G06V20/17 , G06V20/52 , G06V10/774 , G06V10/82 , G06V10/30 , G06V10/28 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/047 , G06V10/764
Abstract: 本发明公开了一种基于Transformer的海上风机叶片腐蚀识别方法，该方法利用Transformer构建一个四级对称编码‑解码结构，在Transformer中采用一个非线性无激活网络来降低计算复杂度，利用混合尺度前馈网络获取叶片表面损伤的多尺度信息，提升检测效果；该方法不仅弥补了传统CNN在长距离相关信息表征方面的缺陷，还简化了Transformer的结构，克服了传统Transformer随着空间分辨率的提高计算复杂度呈平方增长的问题；其次在简化模块结构的同时，利用多尺度信息，使网络不仅包含全局整体信息，又包含局部细节信息，能够更有效地捕获风机叶片腐蚀特征，达到更准确且稳健的检测效果。
-
公开(公告)号：CN118552506A
公开(公告)日：2024-08-27
申请号：CN202410701280.2
申请日：2024-05-31
Applicant: 三峡大学
Abstract: 本发明公开了一种融合多方向条形卷积的改进UNet风机叶片裂纹检测方法，涉及深度学习技术领域，该方法包括以下步骤：设计风机叶片裂纹检测网络；将待检测图像输入训练后的风机叶片裂纹检测网络，输出检测结果；根据检测结果确定裂纹区域。本发明的风机叶片裂纹检测网络采用ResNeSt50网络替换传统UNet特征提取网络，引入坐标注意力模块，提出多方向裂纹特征增强模块，是为了防止无关信息干扰，加强网络对裂纹重要信息的关注，提升模型对裂纹特征的提取能力；结果表明，本发明对纤细、浅色裂纹的检测具有较好效果。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.021 seconds)
