公开(公告)号：CN119849141A

公开(公告)日：2025-04-18

申请号：CN202411908876.6

申请日：2024-12-24

Applicant: 同济大学

Inventor： 施骞 ,  辛承霖 ,  施汶昊 ,  肖超 ,  刘晨玉 ,  陈汉驰 ,  杨骝 ,  李佳龙 ,  王尧怿 ,  毛韦润 ,  孙川川 ,  吴晗 ,  张斯亮 ,  任学征

IPC: G06F30/20 ,  G06F17/18 ,  G06F119/08 ,  G06F119/02

Abstract: 本发明提供了一种量化电子产品交变湿热试验强度的方法，本发明方法通过挖掘提取试验关键参数信息实现参数化的试验设计，便于衔接智能试验设备的同时，能够实现对试验强度的量化计算，可支持进行不同试验方案的整体对比，也可利用DOE(试验设计)等工具方法进行最佳试验方案之间的对比筛选，弥补了现有技术中未能对交变湿热试验强度进行量化的局限性。本发明方法中涉及的参数均可从现有试验设计中提取，不需要改变和调整现行试验方法和步骤，无需额外增加试验成本。

公开(公告)号：CN119848799A

公开(公告)日：2025-04-18

申请号：CN202411920913.5

申请日：2024-12-25

Applicant: 同济大学

Inventor： 施骞 ,  陈汉驰 ,  肖超 ,  施汶昊 ,  刘晨玉 ,  辛承霖 ,  杨骝 ,  李佳龙 ,  王尧怿 ,  毛韦润 ,  孙川川 ,  吴晗 ,  张斯亮 ,  任学征

IPC: G06F18/27 ,  H02J3/00 ,  G06F18/2115 ,  G06F18/213 ,  G06F18/243 ,  G06N5/01 ,  G06N20/20 ,  G06Q50/06 ,  G06F123/02

Abstract: 本发明公开了一种基于机器学习模型XGBoost的负荷预测方法，涉及负荷预测技术领域，包括以下步骤：步骤S1、对历史负荷数据进行Min‑Max归一化处理：使用Min‑Max归一化方法将数据线性映射到0‑1的范围内；步骤S2、气候影响因素选择：采用随机森林模型的特征重要性评估方法选择与目标变量相关的关键特征，目标变量包括电力负荷；步骤S3、特征缩放处理：对于极端温度值，通过特征缩放方法放大区间内的温度值。本发明提出的组合模型通过特征缩放方法处理极端温度值，增强了模型对极端温度变化的敏感度，提高了模型对极端事件的预测准确性，通过时间序列模型和机器学习模型的协同工作，修正预测误差，增强了模型对复杂事件的预测能力，具有更高的预测精度。