公开(公告)号：CN117456281A

公开(公告)日：2024-01-26

申请号：CN202311721251.4

申请日：2023-12-14

Applicant: 河海大学

Inventor： 伍健毫 ,  徐昊 ,  王雅婷 ,  马千城 ,  谢宗翰 ,  周雅莉 ,  张东旭 ,  林诗雨 ,  王子涵 ,  田恩铭

IPC: G06V10/764 ,  G06T7/80 ,  G06N5/01 ,  G06N20/00 ,  G06T7/10 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于激光雷达点云数据和深度学习的人体扫描系统。本发明中，在对人体进行扫描的过程中，使用基于激光雷达点云数据进行人体扫描，之后通过深度学习对图像进行建模，从而可以自动识别出照片中的人体，从而进行后续的处理。通过图像分割技术，可以将照片中的人体与背景进行分离，从而实现去除背景的效果。使得整个系统在使用过程中，提取人体图像的效率得到了提高，同时去除了背景之后，使得整个人体图像在提取过程中更加整洁无干扰。图像处理模块内部的模块使用激光雷达系统，采集的人体环境点云数据质量较高，并且该方法具有较理想的点云数据滤波和纹理特征提取效果，同时能实现人体激光雷达点云数据中多种目标的全面、准确分类。

公开(公告)号：CN117394444B

公开(公告)日：2024-09-24

申请号：CN202311105297.3

申请日：2023-08-30

Applicant: 河海大学

Inventor： 卫志农 ,  徐昊 ,  陈胜 ,  周亦洲 ,  孙国强 ,  臧海祥 ,  韩海腾 ,  朱瑛 ,  黄蔓云

IPC: H02J3/46 ,  G06Q10/0631 ,  G06Q50/06 ,  G06F30/18 ,  G06F30/27 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  H02J3/14 ,  H02J3/32 ,  H02J3/00 ,  G06F111/04 ,  G06F111/08 ,  G06F113/04

Abstract: 本发明公开了一种基于深度学习辅助的直流配电网分布鲁棒优化调度方法，该方法首先构建直流配电网基于场景的分布鲁棒优化调度物理模型，反复改变输入的光伏出力、负荷、范数置信度，采用列与约束生成算法迭代求解获得光伏出力的最差概率分布，记录每一次的输入以及对应的最差概率分布作为输出为后续的深度学习提供数据支撑；其次，以光伏出力、负荷、范数置信度为输入，光伏出力的最差概率分布为输出构建深度神经网络模型；基于训练好的神经网络预测实时输入的光伏出力、负荷、范数置信度所对应输出的光伏出力最差概率分布，将原始分布鲁棒模型转化为最差概率分布下的单层随机规划模型并进行求解，获取等效的分布鲁棒调度策略。

公开(公告)号：CN117856351A

公开(公告)日：2024-04-09

申请号：CN202410032880.4

申请日：2024-01-10

Applicant: 中国电建集团江西省电力设计院有限公司 ,  河海大学

Inventor： 叶漫红 ,  高革命 ,  刘亚楠 ,  王雪 ,  唐英 ,  徐昊 ,  李叶阳

IPC: H02J3/46 ,  H02J3/28

Abstract: 本发明公开了基于生成对抗网络的风光储多能互补发电系统优化调度方法，本方法包括以下步骤，获取风电场与光伏电站日功率数据，并进行预处理生成样本集；设置卷积模块，构建生成对抗网络模型；交替训练生成对抗网络的生成器与判别器；提取生成对抗网络中生成器，并加载训练完成后生成器参数，生成风光出力日场景；根据生成的风光出力场景，对风光储多能互补发电系统分别进行日前和日内调度，获取最优调度策略；本发明通过生成对抗网络自适应学习历史风光出力的高维非线性特征，并建立考虑可靠性的风光储多能互补发电系统的日前和日内调度模型。

公开(公告)号：CN117394444A

公开(公告)日：2024-01-12

申请号：CN202311105297.3

申请日：2023-08-30

Applicant: 河海大学

Inventor： 卫志农 ,  徐昊 ,  陈胜 ,  周亦洲 ,  孙国强 ,  臧海祥 ,  韩海腾 ,  朱瑛 ,  黄蔓云

IPC: H02J3/46 ,  G06Q10/0631 ,  G06Q50/06 ,  G06F30/18 ,  G06F30/27 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  H02J3/14 ,  H02J3/32 ,  H02J3/00 ,  G06F111/04 ,  G06F111/08 ,  G06F113/04

Abstract: 本发明公开了一种基于深度学习辅助的直流配电网分布鲁棒优化调度方法，该方法首先构建直流配电网基于场景的分布鲁棒优化调度物理模型，反复改变输入的光伏出力、负荷、范数置信度，采用列与约束生成算法迭代求解获得光伏出力的最差概率分布，记录每一次的输入以及对应的最差概率分布作为输出为后续的深度学习提供数据支撑；其次，以光伏出力、负荷、范数置信度为输入，光伏出力的最差概率分布为输出构建深度神经网络模型；基于训练好的神经网络预测实时输入的光伏出力、负荷、范数置信度所对应输出的光伏出力最差概率分布，将原始分布鲁棒模型转化为最差概率分布下的单层随机规划模型并进行求解，获取等效的分布鲁棒调度策略。