-
公开(公告)号：CN114663847B
公开(公告)日：2024-11-26
申请号：CN202210197708.5
申请日：2022-03-01
Applicant: 武汉理工大学
IPC: G06V20/56 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/75 , G06V10/766 , G06V10/44 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于优化网络结构和混合置信度的道路场景目标检测方法，分别对特征提取模块和特征对齐模块进行改进，以优化网络整体结构，提出的特征提取改进策略解决了特征提取网络ResNeSt中的结构不兼容问题，改进算法的特征提取能力更强，能够为网络提供更优质的特征，进而提高检测精度。提出的特征对齐增强策略解决了注意力机制的迁移不适配问题，能够进一步校准目标对应的特征信息，增强特征对齐模块的效果。提出用于道路场景目标检测的混合置信度改进策略，解决了NMS阶段预测框的检测质量表征不合理问题，提高了算法的检测精度。
-
公开(公告)号：CN118826037A
公开(公告)日：2024-10-22
申请号：CN202410874519.6
申请日：2024-07-02
Inventor： 马恒瑞 , 王蔚 , 王波 , 马富齐 , 侯慧 , 王枭 , 司杨 , 陈晓弢 , 苏小玲 , 麻林瑞 , 王红霞 , 张嘉鑫 , 罗鹏 , 张迎晨 , 丁书伟 , 王家豪 , 刘书福
Abstract: 本发明提供一种基于分布鲁棒优化的多主体MEMG调度方法，所述方法包括：构造上层为MEMG、下层为产消者的多主体MEMG‑产消者运行模型；对单主体MEMGi基于自身最小化运行成本构造目标函数minCoMMGi；所述minCoMMGi代表MEMGi的总运行成本的最小值；基于Wasserstein球对所述多主体MEMG‑产消者运行模型中的多重不确定主体进行优化；根据纳什谈判理论，构建多主体MEMG微网联盟的目标函数；对MEMGi内部产消者J基于自身最小化运营成本模型构造目标函数PRi,J，所述PRi,J代表所述MEMGi内部第J个产消者的总成本；对所述MEMG‑产消者模型进行等效转换后求解。本发明通过多主体MEMG的合作博弈，提升了多主体MEMG的总体运行经济性。
-
公开(公告)号：CN116154874B
公开(公告)日：2023-07-04
申请号：CN202310443535.5
申请日：2023-04-24
Applicant: 武汉理工大学
Abstract: 本发明提供了一种多台串联设备在配电网中的协调控制与优化配置方法，包括如下步骤：建立包含个负载以及条母线的配电网，令电网中的每条母线上都配备DVR；根据DVR简化模型获取每条母线上的DVR的输出功率与各线路的电压降；建立配电网的优化模型，确定配电网的优化模型的输入参数、目标函数和约束条件；采用基于改进型的单纯形法与萤火虫算法，对DVR的优化模型的输入参数进行优化，获取最优的输入参数，使配电网中所有DVR的容量最小。本方案通过合理配置使DVR的容量最小，建立相应的优化模型，构建目标函数以及约束条件通过优化算法使其达到最优的效果。
-
公开(公告)号：CN116207797A
公开(公告)日：2023-06-02
申请号：CN202310462282.6
申请日：2023-04-26
Applicant: 武汉理工大学
Abstract: 本发明公开了一种配电网多串并联设备协调优化控制方法，所述方法包括：确定同时安装有串联D‑FACTS设备和并联D‑FACTS设备的电力系统的总补偿容量，以总补偿容量最小为目标建立设备数量优化的目标函数；根据最低补偿容量和电压稳定范围建立约束条件；将社交网络搜索算法引入到金豺优化算法中，构造混合优化算法，通过混合优化算法求解约束条件下的目标函数，得到最优的投入运行设备数量；基于最优的投入运行设备数量进行电力系统协调控制，使总补偿容量最小。本发明通过优化配置多台及多种不同类型的D‑FACTS设备的串联和并联的数量关系，确定最优的投入运行设备数量，可以协同地改善配电网中的电能质量问题，提高系统的稳定性和可靠性。
-
公开(公告)号：CN116154874A
公开(公告)日：2023-05-23
申请号：CN202310443535.5
申请日：2023-04-24
Applicant: 武汉理工大学
Abstract: 本发明提供了一种多台串联设备在配电网中的协调控制与优化配置方法，包括如下步骤：建立包含个负载以及条母线的配电网，令电网中的每条母线上都配备DVR；根据DVR简化模型获取每条母线上的DVR的输出功率与各线路的电压降；建立配电网的优化模型，确定配电网的优化模型的输入参数、目标函数和约束条件；采用基于改进型的单纯形法与萤火虫算法，对DVR的优化模型的输入参数进行优化，获取最优的输入参数，使配电网中所有DVR的容量最小。本方案通过合理配置使DVR的容量最小，建立相应的优化模型，构建目标函数以及约束条件通过优化算法使其达到最优的效果。
-
Patent Agency Ranking
公开(公告)号：CN115347623A
公开(公告)日：2022-11-15
申请号：CN202211268123.4
申请日：2022-10-17
Applicant: 国网湖北省电力有限公司经济技术研究院 , 武汉理工大学
Abstract: 一种考虑电动汽车需求响应的可再生能源微电网调峰方法，包括以下步骤：根据电动汽车用户的出行特性模型，建立电动汽车用户心理模型、峰谷电价时段转移模型以及电动汽车用户满意度模型；建立抽水蓄能机组以及蓄电池储能机组运行特性及模型；建立以负荷方差及用户满意度为目标函数的电动汽车层调度模型，采用NSGA‑Ⅱ遗传算法求解得到Pareto前沿解集，将每一个解代入模糊隶属度函数，并从中选取最优方案；建立可再生能源微电网层调度模型，分为并网模式和孤岛模式，采用PSO算法负责指定可再生能源微电网层分布式电源每小时的具体出力。本发明不仅降低了系统运维成本，而且提高了可再生能源利用率与系统可靠性。
-
公开(公告)号：CN115034426A
公开(公告)日：2022-09-09
申请号：CN202210270326.0
申请日：2022-03-18
Applicant: 武汉理工大学
IPC: G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F30/27 , G06N3/04 , G06N3/08 , G06N7/08 , H02J3/00 , G06F113/04
Abstract: 本发明提供了一种基于相空间重构与多模型融合Stacking集成学习方式的滚动负荷预测方法，首先采用相空间重构技术对时间序列的历史负荷数据进行处理，以避免收集温度、湿度等关键信息；然后建立了一种滚动负荷预测方法，利用预测的数据作为下一次训练的训练值，来预测更长时间长度的负荷；最后，使用多模型融合Stacking集成学习方式模型对未来24小时的负荷进行预测，并与其他5种单模型的预测结果进行对比，以验证所建立的相空间重构与多模型融合Stacking集成学习方式的滚动负荷预测方法的科学性与有效性。本发明所提出的方法实现了在缺失温度、湿度等关键信息时，也能对电力负荷进行精确的预测。
-
公开(公告)号：CN114498639B
公开(公告)日：2022-06-24
申请号：CN202210394121.3
申请日：2022-04-15
Applicant: 国网湖北省电力有限公司经济技术研究院 , 武汉理工大学
Abstract: 一种考虑需求响应的多微电网联合互济的日前调度方法，包括以下步骤：建立各个微电网的价格型及激励型需求响应模型、光伏功率及负荷功率预测模型；提出以运行成本最小为优化目标的微电网孤岛调度模型，求解得到各个微电网孤岛调度方案；在孤岛调度的基础上，提出以运行成本最小和联络线功率波动最小为优化目标的多微电网电能互济的调度模型，求解得到各个微电网之间的交互功率及各个微电网与主网之间的联络线功率；建立各个微电网可再生能源弃用及失负荷预测模型，提出以运行成本最小和联络线功率波动最小的备用容量调度模型，求解得到各个微电网备用容量调度方案。本设计不仅提高了系统高效性和可靠性，而且降低了系统运行成本。
-
公开(公告)号：CN114498753A
公开(公告)日：2022-05-13
申请号：CN202210160754.8
申请日：2022-02-22
Applicant: 武汉理工大学
Abstract: 本发明提供了一种数据驱动的低碳船舶微电网实时能量管理方法，首先，通过预测误差拟合、等概率逆变换场景集生成、同步回代法场景集削减建立考虑预测误差时序相关性的船舶净负荷场景集；其次，结合场景集信息及滚动优化、反馈校正机制，建立各场景下控制动作运行成本与荷电状态偏离惩罚成本之和期望最小的随机模型预测控制能量管理模型；随后，基于随机模型预测控制生成大量训练数据样本，训练随机森林算法对数据样本进行多变量回归；分别得到低、中、高三种不同功率等级负荷下的数据驱动随机模型预测控制实时能量管理策略。本发明对探索切实可行的船舶节能减排措施具有重要的现实意义。
-
公开(公告)号：CN113189490B
公开(公告)日：2022-04-01
申请号：CN202110536472.9
申请日：2021-05-17
Applicant: 武汉理工大学
IPC: G01R31/367 , G01R31/378
Abstract: 本发明公开了一种基于特征筛选和高斯过程回归的锂电池健康状态估计方法，包括步骤：1、采集待测电池历史数据，定义电池SOH。2、采用粒子群‑灰色关联分析PSO‑GRA方法筛选最优特征电压区间，并基于充电曲线提取特征。3、将样本划分为训练集、测试集。4、建立改进的GPR模型。5、基于训练集数据训练GPR模型。6、基于训练好的模型进行SOH估计，输出估计均值和置信区间。本发明实现了高相关性特征的自动提取，改进了传统的高斯过程回归GPR模型，提高了电池SOH估计精度，且能够适应不同锂离子电池数据。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.048 seconds)
