-
公开(公告)号:CN117375081A
公开(公告)日:2024-01-09
申请号:CN202311333958.8
申请日:2023-10-16
Applicant: 河北工业大学
IPC: H02J3/38 , G06F30/18 , G06F30/27 , G06N7/01 , G06Q10/0639 , G06Q50/06 , H02J3/14 , H02J3/32 , H02J3/28 , H02J3/06 , H02J3/00 , H02J15/00 , G06F111/08 , G06F113/04 , G06F119/02
Abstract: 计及柔性负荷的低碳型孤岛微电网系统的可靠性评估方法,所述方法包括以下步骤:搭建系统模型并输入系统各个元件的参数;步骤2、根据元件的马尔科夫两状态模型与时序蒙特卡洛法生成系统的状态矩阵;步骤3、进行柔性负荷的日前优化调度;步骤4、进行日内可靠性评估;步骤5、若ND
-
公开(公告)号:CN117335495A
公开(公告)日:2024-01-02
申请号:CN202311398649.9
申请日:2023-10-26
Applicant: 河北工业大学
Abstract: 本发明提供一种基于模糊GO‑FLOW的并网型微电网可靠性评估方法,所述方法介绍了GO‑FLOW法的几种常用操作符,设计了动作和比较操作符。为了更好地描述储能系统工作状态,对25操作符进行了改进。采用组合操作符来表示元件随时间失效的状况,并得到其成功运行频率概率和成功运行时间频率概率,较好的解决了传统可靠性评估方法计算耗时长的不足。随后引入梯形模糊数,将元件故障率和修复率模糊化,以解决传统GO‑FLOW法定常故障率和维修率的不足,能更好地描述元件的不确定性以及计及多重模糊不确定因素带来的影响,与实际情况更加吻合。本发明在并网型微电网可靠性评估方面有较高的运算效率和计算精度。
-
公开(公告)号:CN113949098B
公开(公告)日:2023-06-02
申请号:CN202111246519.4
申请日:2021-10-26
Applicant: 河北工业大学
Abstract: 本发明为一种计及FCV的孤岛型混合微电网系统可靠性评估方法,该方法构建了计及氢燃料电池汽车的孤岛型混合微电网系统并对系统进行建模,将FCV接入混合微电网,将传统V2G模式中的纯电动汽车替换为氢燃料电池汽车,增加了系统制氢和用氢环节,利用氢燃料电池汽车的充、放电来实现系统中分布式电源出力的“削峰填谷”;该系统充分考虑了FCV的出行需求,在满足FCV出行需求的基础上提出了功率调度策略,对系统进行负荷削减,解决了目前对于评估含有氢燃料电池汽车的孤岛型混合微电网系统可靠性比较困难的问题。
-
公开(公告)号:CN117869190A
公开(公告)日:2024-04-12
申请号:CN202410168930.1
申请日:2024-02-06
Applicant: 河北工业大学
Abstract: 本发明涉及重力储能技术领域,具体的是一种基于退役风机叶片的重力储能装置,本发明包括滑轨和山体,山体包括山顶平面、山底平面,所述滑轨上设置有可沿着滑轨方向活动的滑行机构,滑行机构包括滑行支撑面,滑行支撑面顶部的两侧分别固定连接有滑行前挡板和滑行后挡板,滑行前挡板和滑行后挡板的设置方向与滑轨的铺设方向一致,本发明利用退役风机叶片作为载重物,可以合理处理退役老旧风机叶片,降低翻新和回收成本,保护环境,充分利用山体的地势,还可以使得载重物在山体斜面上的活动进行储能和释能,采用山地重力储能方式对风力发电起到削峰填谷作用,有效解决弃风问题。
-
公开(公告)号:CN113949098A
公开(公告)日:2022-01-18
申请号:CN202111246519.4
申请日:2021-10-26
Applicant: 河北工业大学
Abstract: 本发明为一种计及FCV的孤岛型混合微电网系统可靠性评估方法,该方法构建了计及氢燃料电池汽车的孤岛型混合微电网系统并对系统进行建模,将FCV接入混合微电网,将传统V2G模式中的纯电动汽车替换为氢燃料电池汽车,增加了系统制氢和用氢环节,利用氢燃料电池汽车的充、放电来实现系统中分布式电源出力的“削峰填谷”;该系统充分考虑了FCV的出行需求,在满足FCV出行需求的基础上提出了功率调度策略,对系统进行负荷削减,解决了目前对于评估含有氢燃料电池汽车的孤岛型混合微电网系统可靠性比较困难的问题。
-
公开(公告)号:CN118864920A
公开(公告)日:2024-10-29
申请号:CN202410807245.9
申请日:2024-06-20
Applicant: 河北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/0464
Abstract: 本发明提供基于CMAL‑Net的汽车前脸细粒度图像分类方法,涉及针对汽车前脸的细粒度图像分类方法。该基于CMAL‑Net的汽车前脸细粒度图像分类方法,包括以下步骤:步骤S1.汽车前脸造型分类;步骤S2.特征提取;步骤S3.跨层相互学习策略;步骤S4.分类预测。本发明中,通过互注意力模块,模型实现不同层次特征间的动态信息交换,浅层特征获得深层特征的语义指导,深层特征借助浅层特征获得更多细节信息,互学习过程是持续的、双向的信息流动和反馈机制,融合不同层次信息的特征被反馈到网络中,优化每个层级的特征提取和信息处理,采用端到端训练方式,通过损失函数#imgabs0#指导跨层互学习的优化,旨在最小化分类错误,同时最大化不同层级特征间的有效信息交流。
-
-
-
-
-