-
公开(公告)号：CN109784488A
公开(公告)日：2019-05-21
申请号：CN201910034182.7
申请日：2019-01-15
Applicant: 福州大学
Abstract: 本发明涉及一种适用于嵌入式平台的二值化卷积神经网络的构建方法，包括以下步骤：步骤S1:采集ImageNet数据集，并将得到ImageNet数据集分为训练集、验证集和测试集；步骤S2:根据得到的训练集和验证集，对XNOR-Net二值化神经网络模型进行训练，并验证，得到训练后的二值化神经网络模型；步骤S3：将训练好的二值化网络模型中的缩放操作和批归一化操作进行整合，并移植到嵌入式系统中；步骤S4:将测试集输入嵌入式系统中，对模型进行性能测试。本发明所提出的方法能够在提高网络运算速度的同时保持网络分类的准确率，可促进二值化卷积神经网络能够在嵌入式系统及FPGA上的部署。
-
公开(公告)号：CN109672406A
公开(公告)日：2019-04-23
申请号：CN201811591020.5
申请日：2018-12-20
Applicant: 福州大学
IPC: H02S50/10
Abstract: 本发明涉及一种基于稀疏表示和SVM的光伏发电阵列故障诊断与分类的方法，首先采集光伏阵列不同工作状态下多组温照度的电流样本信号；接着对每个电流样本信号进行归一化处理，构造训练样本矩阵；然后实验探索K-SVD算法学习过完备字典的参数设置，并分别学习正常字典、单组串1个组件短路字典及单组串一个组件开路字典和单组串2个组件短路字典；接着调用OMP算法，用学习的四种字典重构每一类的电流信号，并计算出原电流信号和重构信号的均方根误差，并可以得到多个特征向量；最后设置SVM的参数，由特征向量训练故障分类器以实现光伏阵列的故障诊断和分类。本发明不需要其他的数据特征，且能在不影响光伏发电系统工作的情况下进行故障检测与分类。
-
公开(公告)号：CN109660206A
公开(公告)日：2019-04-19
申请号：CN201811562127.7
申请日：2018-12-20
Applicant: 福州大学
IPC: H02S50/10
Abstract: 本发明涉及一种基于Wasserstein GAN的光伏阵列故障诊断方法，首先对光伏阵列电流、电压时序数据进行采集；接着将获取的光伏阵列时序电流与时序电压数据绘制为曲线图形并保存为样本；然后设计Wasserstein GAN网络中的鉴别器D与生成器G；然后训练Wasserstein GAN中的鉴别器D生成器G；接着将训练得到的鉴别器D作为光伏阵列时序电流电压曲线图片的特征提取网络，采用全连接神经网络训练特征分类器，对特征提取网络得到的特征进行分类，得到光伏阵列时序电流电压数据的诊断模型。本发明所提出的基于Wasserstein GAN的光伏阵列时序电流电压数据的故障诊断方法，在无监督训练的基础上能够准确地对光伏阵列进行故障检测和分类。
-
公开(公告)号：CN109543269A
公开(公告)日：2019-03-29
申请号：CN201811352490.6
申请日：2018-11-14
Applicant: 福州大学
Abstract: 本发明提供了一种基于混合信任区间反射的光伏模型参数辨识方法，属于太阳能电池及光伏发电阵列的检测技术领域。一种基于混合信任区间反射的光伏模型参数辨识方法，结合了人工蜂群算法强大的全局搜索能力和信任区间反射法强大的局部搜索能力，进一步提高了光伏模型参数提取的速度，精度和收敛性。
-
公开(公告)号：CN105355781B
公开(公告)日：2019-03-12
申请号：CN201510665228.7
申请日：2015-10-16
Applicant: 福州大学
IPC: H01L45/00
Abstract: 本发明涉及一种阻变存储器，包括衬底、第一端电极、第二端电极以及双层阻变介质；所述第一端电极设置于所述衬底上，并与衬底形成良好电接触，所述双层阻变介质设置于所述第一端电极的上方，所述第二端电极设置于所述双层阻变介质的上方；所述双层阻变介质包括氧化层1和氧化层2组成的叠层结构，其中氧化层1设置于第二端电极侧，所述氧化层2设置于第一端电极侧，所述氧化层2经等离子处理。本发明制备过程中，采用等离子处理的手段调节电子输运中需要克服的能量，从而获得功耗可调的效果。
-
Patent Agency Ranking
公开(公告)号：CN106777984B
公开(公告)日：2019-02-22
申请号：CN201611173830.X
申请日：2016-12-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法，首先采集日常工作中光伏发电阵列最大功率点的若干个电气参数，得到每一日的电气参数样本组合；接着将每个电气参数样本进行归一化得到测试样本组合；然后根据归一化后的测试样本组合进行计算得到距离矩阵；接着采用基于密度的聚类算法对这些测试样本进行自动的聚类，获得若干个聚类；接着基于预先通过仿真模型获得的参考数据，分别计算每组参考数据和每个聚类之间的最小距离，形成一个距离向量；最后通过将距离向量中每个元素与聚类算法中的截断距离进行对比，识别每个聚类所属的工作类别。本发明可直接通过对光伏系统日常运行数据的聚类操作实现故障的准确诊断。
-
公开(公告)号：CN109286368A
公开(公告)日：2019-01-29
申请号：CN201811343016.7
申请日：2018-11-13
Applicant: 福州大学
Abstract: 本发明提供了一种基于B/S架构的光伏阵列在线健康监测系统及其实现方法，属于光伏健康监测服务器相关领域。一种基于B/S架构的光伏阵列在线健康监测系统，包括采集传感电路，微型电脑和远程在线监测服务器，所述采集传感电路用于光伏阵列故障诊断的样本数据采集与所述微型电脑相连，所述微型电脑将所述样本数据发送给所述远程在线监测服务器,所述远程在线监测服务器用于显示微型电脑传来的样本数据，可以完成对光伏阵列的监测和故障诊断功能，对光伏健康监测的应用具有一定的实用价值。
-
公开(公告)号：CN109117865A
公开(公告)日：2019-01-01
申请号：CN201810771909.5
申请日：2018-07-13
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于主成分分析实现光伏阵列工作状态分析与故障诊断方法，生成光伏阵列仿真数据并采集日常工作中光伏发电阵列最大功率点的电气特征参数以及环境参数，得到特征参数测试样本矩阵；接着对特征参数标准矩阵做主成分分析，得到投影矩阵，并将标准矩阵乘上投影矩阵得到标准主成分矩阵；然后对标准主成分矩阵做归一化处理，并将其作为训练集，通过支持向量机训练分类模型；接着将特征参数测试样本矩阵乘上投影矩阵，得到样本主成分矩阵，并对其做归一化处理；最后通过分类模型对归一化后的样本主成分矩阵进行分类，识别数据所属的分类。本发明可以通过对光伏系统日常运行数据的主成分分析和分类实现对故障的准确诊断。
-
公开(公告)号：CN109086928A
公开(公告)日：2018-12-25
申请号：CN201810839097.3
申请日：2018-07-27
Applicant: 福州大学
Abstract: 本发明涉及基于SAGA-FCM-LSSVM模型的光伏电站实时功率预测方法，采集光伏电站对应时段发电功率以及气象站上对应的气象参数，获取气象-功率参数样本；对每天的气象-功率参数样本进行预处理；根据四项统计指标结合基于模拟退火遗传算法的模糊C-均值聚类算法对历史日中第一天到待预测日前一天的样本进行聚类；根据各个聚类样本集合的气象特征值，计算每个聚类气象特征值的中心点，利用欧氏距离判断待预测日所属的类别；利用与待预测日同属一类的参数样本训练最小二乘支持向量机，得到训练模型；将待预测日的待预测时刻前2h的气象参数和功率值输入训练模型中对待预测日各个时刻的发电功率进行实时预测。本发明能够实时预测光伏电站在各个时刻的输出功率值。
-
公开(公告)号：CN108876013A
公开(公告)日：2018-11-23
申请号：CN201810526061.X
申请日：2018-05-29
Applicant: 福州大学
Abstract: 本发明涉及一种基于最佳相似日和Elman神经网络实现光伏电站短期功率预测方法，以每天的各个时刻的发电功率、每天的光照、环境温度、湿度和风速等气象参数以及第二天的气象参数为输入，第二天的各个时刻的发电功率为输出训练基于Elman神经网络的预测模型。以此模型进行光伏发电功率的预测。然后以每天的气象参数为气象特征值通过灰色关联分析算法确定待预测日的最佳相似日，将最佳相似日的各个时刻的发电功率，气象参数以及待预测日的气象参数作为模型的输入变量，预测待预测日的各个时刻的发电功率。本发明能够快速准确对光伏电站的发电功率进行预测。
-
-
-
-
-
-
-
-
-
Search Results
330
records
(took 0.034 seconds)
