-
公开(公告)号：CN106910144B
公开(公告)日：2020-04-28
申请号：CN201710019658.0
申请日：2017-01-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于分时刻实际用能系数的大型建筑逐时能耗在线预测方法，提出了分时刻实际用能系数，用于描述不同时刻下建筑能耗特性，并利用室外环境干球温度、室外环境相对湿度、上一时刻建筑能耗值的历史数据集建立建筑能耗预测模型，然后通过在线获取室外环境干球温度、相对湿度、建筑能耗值在线预测得到下一时刻建筑能耗。本发明具有以下技术效果：该方法建立的建筑能耗预测模型预测数据可靠性高，可用于预测单栋建筑或大区域范围内的建筑逐时能耗、建筑能耗的节能控制、建筑能耗预测以及区域内的电力削峰等场合。
-
公开(公告)号：CN107944464A
公开(公告)日：2018-04-20
申请号：CN201710945394.1
申请日：2017-10-12
Applicant: 华南理工大学
Abstract: 本发明公开了一种办公建筑逐时能耗异常数据在线识别与填补方法，该方法包括下述步骤：获取历史能耗数据；清洗历史能耗数据，剔除异常数据；根据逐时能耗数据的室外温度、时刻、以及日期属性，建立用能模式特征集，并计算特征值；逐时采集能耗数据,进行用能模式匹配，并找到对应的特征值；在线识别异常数据；对异常数据进行循环插补，并用公式对插补值修正；将插补完成后的无异常数据存入数据库；定期对用能模式的特征值滚动修正，再进行逐时能耗数据在线插补。本发明能够解决办公建筑逐时能耗中常见异常数据的识别与插补的问题，提高能耗数据质量，为进一步的数据挖掘提供有效数据，推动建筑节能工作的开展。
-
公开(公告)号：CN109447107A
公开(公告)日：2019-03-08
申请号：CN201811072397.X
申请日：2018-09-14
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于信息熵的办公建筑空调异常日用能模式在线检测方法，包括下述步骤：S1、建立不同工况下的正常日用能模式历史数据集合；S2、建筑空调异常日用能模式在线检测；本发明先对建筑空调历史用能模式数据展开正常日用能模式提取工作，包括工况划分、不同工况下各日用能记录的信息熵值计算以及对信息熵值聚类，建立各工况下正常日用能模式等步骤，然后在线采集空调日用能数据，判定其所属工况，计算其所属工况下各用能记录的信息熵值并进行聚类，如果新日用能记录单独聚为一类，则判定其为异常用能模式。本发明有效地实现了建筑空调异常日用能模式的在线检测，既可用于单栋建筑空调能耗检测，也可用于大型建筑群的空调能耗检测。
-
公开(公告)号：CN113792762A
公开(公告)日：2021-12-14
申请号：CN202110974961.2
申请日：2021-08-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于贝叶斯优化LightGBM的冷水机组故障诊断方法、系统及介质，方法包括以下步骤：通过传感器采集并存储冷水机组的现场历史数据；对历史数据进行预处理；利用嵌入法和递归特征消除法相结合的两步法进行特征选择；用经过数据预处理和特征选择的历史数据训练LightGBM模型，使用贝叶斯优化算法结合十折交叉验证方式确定LightGBM的最优超参数组合，进而得到训练好的LightGBM诊断模型；将实时运行数据进行预处理并输入诊断模型，得到冷水机组故障诊断结果。本发明可快速确定诊断模型的参数，迅速准确地对冷水机组的运行状态进行评估，还可提取关键故障特征，用于指导工程实际并加强冷水机组现场的运行维护。
-
公开(公告)号：CN109447107B
公开(公告)日：2021-08-10
申请号：CN201811072397.X
申请日：2018-09-14
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于信息熵的办公建筑空调异常日用能模式在线检测方法，包括下述步骤：S1、建立不同工况下的正常日用能模式历史数据集合；S2、建筑空调异常日用能模式在线检测；本发明先对建筑空调历史用能模式数据展开正常日用能模式提取工作，包括工况划分、不同工况下各日用能记录的信息熵值计算以及对信息熵值聚类，建立各工况下正常日用能模式等步骤，然后在线采集空调日用能数据，判定其所属工况，计算其所属工况下各用能记录的信息熵值并进行聚类，如果新日用能记录单独聚为一类，则判定其为异常用能模式。本发明有效地实现了建筑空调异常日用能模式的在线检测，既可用于单栋建筑空调能耗检测，也可用于大型建筑群的空调能耗检测。
-
Patent Agency Ranking
公开(公告)号：CN106910144A
公开(公告)日：2017-06-30
申请号：CN201710019658.0
申请日：2017-01-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于分时刻实际用能系数的大型建筑逐时能耗在线预测方法，提出了分时刻实际用能系数，用于描述不同时刻下建筑能耗特性，并利用室外环境干球温度、室外环境相对湿度、上一时刻建筑能耗值的历史数据集建立建筑能耗预测模型，然后通过在线获取室外环境干球温度、相对湿度、建筑能耗值在线预测得到下一时刻建筑能耗。本发明具有以下技术效果：该方法建立的建筑能耗预测模型预测数据可靠性高，可用于预测单栋建筑或大区域范围内的建筑逐时能耗、建筑能耗的节能控制、建筑能耗预测以及区域内的电力削峰等场合。
-
公开(公告)号：CN114526730B
公开(公告)日：2023-06-30
申请号：CN202210069819.8
申请日：2022-01-21
Applicant: 华南理工大学 , 广东财经大学 , 上海创感传感技术有限公司 , 广州市合天信息科技有限公司
Abstract: 本发明公开了一种基于磁梯度的速度估计方法及装置，方法步骤为：触发航姿参考系统并同步引发磁传感器阵列模块对载体进行测量；根据航姿参考系统返回的姿态四元数数据计算旋转矩阵，根据航姿参考系统返回的角速度数据计算角速度反对称阵；采集磁传感器阵列模块中各磁传感器数据，计算得到磁场梯度，同时根据航姿参考系统返回的磁场数据计算磁场矢量；将计算得到的旋转矩阵、角速度反对称阵、磁场梯度及磁场矢量数据输入MCU控制模块中进行计算，得到载体运动速度。本发明根据航姿参考系统获取的姿态信息、角速度信息，以及从磁传感器阵列获得的室内磁场梯度信息估计载体运动速度，修正惯性导航的速度积分漂移，提高室内导航定位系统的精度及鲁棒性。
-
公开(公告)号：CN113792762B
公开(公告)日：2023-06-20
申请号：CN202110974961.2
申请日：2021-08-24
Applicant: 华南理工大学
IPC: G06F18/2415 , G06N20/10 , F24F11/38 , G06F18/213
Abstract: 本发明公开了一种基于贝叶斯优化LightGBM的冷水机组故障诊断方法、系统及介质，方法包括以下步骤：通过传感器采集并存储冷水机组的现场历史数据；对历史数据进行预处理；利用嵌入法和递归特征消除法相结合的两步法进行特征选择；用经过数据预处理和特征选择的历史数据训练LightGBM模型，使用贝叶斯优化算法结合十折交叉验证方式确定LightGBM的最优超参数组合，进而得到训练好的LightGBM诊断模型；将实时运行数据进行预处理并输入诊断模型，得到冷水机组故障诊断结果。本发明可快速确定诊断模型的参数，迅速准确地对冷水机组的运行状态进行评估，还可提取关键故障特征，用于指导工程实际并加强冷水机组现场的运行维护。
-
公开(公告)号：CN114526730A
公开(公告)日：2022-05-24
申请号：CN202210069819.8
申请日：2022-01-21
Applicant: 华南理工大学 , 广东财经大学 , 上海创感传感技术有限公司 , 广州市合天信息科技有限公司
Abstract: 本发明公开了一种基于磁梯度的速度估计方法及装置，方法步骤为：触发航姿参考系统并同步引发磁传感器阵列模块对载体进行测量；根据航姿参考系统返回的姿态四元数数据计算旋转矩阵，根据航姿参考系统返回的角速度数据计算角速度反对称阵；采集磁传感器阵列模块中各磁传感器数据，计算得到磁场梯度，同时根据航姿参考系统返回的磁场数据计算磁场矢量；将计算得到的旋转矩阵、角速度反对称阵、磁场梯度及磁场矢量数据输入MCU控制模块中进行计算，得到载体运动速度。本发明根据航姿参考系统获取的姿态信息、角速度信息，以及从磁传感器阵列获得的室内磁场梯度信息估计载体运动速度，修正惯性导航的速度积分漂移，提高室内导航定位系统的精度及鲁棒性。
-
公开(公告)号：CN103942777A
公开(公告)日：2014-07-23
申请号：CN201410093708.6
申请日：2014-03-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于主成分分析的手机玻璃盖板缺陷检测方法，包括手机玻璃盖板图像的对比度增强、图像二值化、剔除离群值、基于PCA的缺陷识别、边缘检测、检测结果输出六个步骤，本发明首先通过手机玻璃盖板图像的预处理提高缺陷和背景的对比，去除灰尘、电子噪声等影响，然后采用主成份分析算法进行识别，输出缺陷类型的结果，并采用边缘提取算法对缺陷进行边缘检测和标识。该方法显著提高了检测效率，克服了人工视觉检测耗时、繁琐且高度依赖于检测经验的缺点。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
