-
公开(公告)号：CN107356827B
公开(公告)日：2019-10-11
申请号：CN201710432926.1
申请日：2017-06-09
Applicant: 东南大学
IPC: G01R31/00
Abstract: 本发明公开了一种基于有功功率波动性的洗衣机运行非侵入辨识方法，该辨识方法包括如下步骤：在一定的采样频率范围内，对总电源进线的电压和电流进行采样，形成电压信号采样序列u和电流信号采样序列i，并计算平均功率序列P；对平均功率序列P构造一个大窗口W，该大窗口可以划分为m个均匀的小窗口wk每个小窗口包含n个离散有功功率点；求取大窗口内小窗口wk最大值与最小值的差值，定义为极差Dk，给定阈值D0，统计大窗口W内满足Dk>D0的小窗口个数M；如果M>m/2,则定义该大窗口为波动窗口；统计连续3个大窗口，如果有两个大窗口为波动窗口，则判断洗衣机运行。本发明大大提高了洗衣机辨识度和准确度。
-
公开(公告)号：CN107390043B
公开(公告)日：2019-07-30
申请号：CN201710433642.4
申请日：2017-06-09
Applicant: 东南大学
IPC: G01R31/00
Abstract: 本发明公开了一种基于有功功率波动性和周期性的洗衣机非侵入辨识方法，包括在一定的采样频率范围内，对总电源进线的电压和电流进行采样，形成电压信号采样序列u和电流信号采样序列i，并计算平均功率序列P；构造长度为N的滑动窗Wn，并计算滑动窗内有功功率序列的标准差Sn；求取序列Sn的子区间的最小值位置序列Mt，记录最小值所在位置；计算序列Mt差分序列ΔMt，根据ΔMt的周期性来判别是否为洗衣机运行，并计算启停时间。本发明提综合利用洗衣机的周期性以及波动性这两个特性，提出了有效的洗衣机辨识方法，将平均有功功率序列转换成标准差序列，避免了偶尔情况下现实工况带来的功率波动而会被误辨成洗衣机的情况。
-
公开(公告)号：CN105671515B
公开(公告)日：2017-12-05
申请号：CN201610172777.5
申请日：2016-03-24
Applicant: 东南大学
Abstract: 本发明公开了一种一价金纳米粒子/三维石墨烯/泡沫镍复合结构的简易制备方法，以氯金酸为金源，硼氢化钠为还原剂，首先采用氧化还原法制备一价金纳米粒子，然后采用CVD法制备三维石墨烯/泡沫镍复合结构，最后采用电泳沉积法制备一价金纳米粒子/三维石墨烯/泡沫镍复合结构。该工艺流程简单易操作，过程稳定，成本低廉，且一价金纳米粒子分布均匀。该复合结构呈三维网络结构且孔洞连续，具有较高的活性以及导电性，在电化学传感和环境污染处理等领域具有广阔的应用前景。
-
公开(公告)号：CN107423259A
公开(公告)日：2017-12-01
申请号：CN201710478820.5
申请日：2017-06-22
Applicant: 东南大学
Abstract: 本发明公开了一种多米诺优化的GPU加速电力上三角方程组回代方法，所述方法包括：(1)CPU中根据雅可比矩阵的LU符号分解结果，即上三角变换矩阵U的稀疏结构，对上三角变换矩阵U各行进行并行化分层，进一步生成回代运算所需的运算顺序eorderU；并将GPU计算所需数据传输至GPU；(2)在GPU中设置上三角变换矩阵U各行的标志位markU；(3)在GPU中调用LU回代运算内核函数LUbackward。本发明可大幅减少电力潮流线性方程组回代运算的计算时间并能提升潮流计算速度。
-
公开(公告)号：CN107368454A
公开(公告)日：2017-11-21
申请号：CN201710478883.0
申请日：2017-06-22
Applicant: 东南大学
Abstract: 本发明公开了一种大量同构稀疏下三角方程组的GPU加速前推方法，所述方法包括如下步骤：(1)在CPU中根据一系列稀疏结构相同的n阶线性方程组系数矩阵的LU符号分解结果，即下三角变换矩阵L1的稀疏结构，对矩阵L1各行进行并行化分层，且L1～LN具有相同的稀疏结构和并行化分层结果；(2)CPU将LU前推运算所需数据传输给GPU；(3)任务分配和设备内存优化：将对矩阵L1～LN的前推运算任务分配到GPU上的大量线程中执行，并根据合并访问原则优化内存使用；(4)GPU中按层次递增的顺序启动分层LU前推运算的内核函数Batch_LUForward。本发明可提高潮流计算速度，为在线分析提供基础。
-
Patent Agency Ranking
公开(公告)号：CN107356827A
公开(公告)日：2017-11-17
申请号：CN201710432926.1
申请日：2017-06-09
Applicant: 东南大学
IPC: G01R31/00
Abstract: 本发明公开了一种基于有功功率波动性的洗衣机运行非侵入辨识方法，该辨识方法包括如下步骤：在一定的采样频率范围内，对总电源进线的电压和电流进行采样，形成电压信号采样序列u和电流信号采样序列i，并计算平均功率序列P；对平均功率序列P构造一个大窗口W，该大窗口可以划分为m个均匀的小窗口wk每个小窗口包含n个离散有功功率点；求取大窗口内小窗口wk最大值与最小值的差值，定义为极差Dk，给定阈值D0，统计大窗口W内满足Dk>D0的小窗口个数M；如果M>m/2,则定义该大窗口为波动窗口；统计连续3个大窗口，如果有两个大窗口为波动窗口，则判断洗衣机运行。本发明大大提高了洗衣机辨识度和准确度。
-
公开(公告)号：CN107247201A
公开(公告)日：2017-10-13
申请号：CN201710432918.7
申请日：2017-06-09
Applicant: 东南大学
IPC: G01R31/00
CPC classification number: G01R31/00
Abstract: 本发明公开了一种基于功率及时间特性的电烤箱非侵入辨识方法，包括如下步骤：对总电源进线的电压和电流信号进行采样，形成电压信号采样序列u(k)和电流信号采样序列i(k)；计算实时平均有功功率序列P(i)和实时平均无功功率序列Q(i)；计算有功功率变化量ΔP(i)和无功功率ΔQ(i)；检测有功功率变化量ΔP(i)和电器运行时长ΔT(i)判定电烤箱运行，并计算电烤箱的近似额定功率。本发明解决了目前家用电器中间断运行的负荷较多，电烤箱的稳态特性与其他电器相似，无明显的暂态特性等难题，通过功率变化和运算时长能够准确感知电烤箱的运行及所处状态，并提供电烤箱的近似额定功率，实现电烤箱的非侵入辨识。
-
公开(公告)号：CN104163424B
公开(公告)日：2016-01-06
申请号：CN201410405237.8
申请日：2014-08-15
Applicant: 东南大学
IPC: C01B31/04
Abstract: 本发明提供一种通过抽滤将石墨烯依附于泡沫金属铜骨架以控制三维石墨烯孔径结构的方法。主要包括以下工艺步骤：1.将泡沫金属铜放入已铺滤纸的布氏漏斗中，倒入氧化石墨烯分散液抽滤。2.将得到的中间体涂覆一层聚甲基丙烯酸甲酯(PMMA)，以氢碘酸还原后浸泡在过硫酸铵溶液中去除泡沫铜骨架，再置于管式炉中通入氩气和氢气混合气进一步还原并去除聚甲基丙烯酸甲酯(PMMA)。该工艺流程简单易操作，过程稳定成本低廉，且能控制三维石墨烯的孔径大小和形态结构，提供了一种高效稳定制备多孔三维石墨烯并控制其孔径的方法，该产物结构的三维网络连续且均匀，具有较好的吸附和导电性能，在水处理及电化学方面具有广阔的应用前景。
-
公开(公告)号：CN119333514A
公开(公告)日：2025-01-21
申请号：CN202411269667.1
申请日：2024-09-11
Applicant: 东南大学 , 中交公路规划设计院有限公司
Abstract: 本发明公开了一种适用于悬索桥双吊索振动控制的充液橡胶阻尼减振器及方法，减振器连接在两根吊索之间，包括内侧夹具，位于整个减振器的中心；可变径外侧夹具，位于所述内侧夹具外侧；多个充液橡胶阻尼元件连接在所述内侧夹具和可变径外侧夹具之间，且沿内侧夹具的周向均匀布置；紧固索夹，连接在吊索和可变径外侧夹具之间；所述充液橡胶阻尼元件由高压液压油调节充液橡胶阻尼元件的服役性能，控制充液橡胶阻尼元件所针对的振动模态阻尼比大于0.8%，多个充液橡胶阻尼元件组合控制多阶模态，并通过周向排列的方式，实现双吊索面内和面外运动的有效控制。本发明减振器具有多频控制效果，可同时实现双吊索结构的面内及面外的振动控制，且经济性好。
-
公开(公告)号：CN107392429A
公开(公告)日：2017-11-24
申请号：CN201710478882.6
申请日：2017-06-22
Applicant: 东南大学
CPC classification number: G06Q10/0637 , G06F17/12 , G06Q50/06 , G06T1/20
Abstract: 本发明公开了一种GPU加速的电力潮流下三角方程组前推方法，所述方法包括如下步骤：(1)CPU中根据雅可比矩阵的LU符号分解结果，即下三角变换矩阵L的稀疏结构，对下三角变换矩阵L各行进行并行化分层，并将计算所需数据传输至GPU；(2)GPU中按层次递增的顺序启动分层LU前推运算内核函数LUForward。本发明采用CPU和GPU结合的模式，由CPU控制整体流程并处理基础数据，GPU负责稀疏线性方程组的下三角变换矩阵分层前推运算，提高了电力潮流下三角方程组的LU前推运算效率，解决了电力系统运行分析中潮流计算耗时大的问题。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.033 seconds)
