|
搜索
搜 索
高等教育领域数字化综合服务平台
新冠肺炎疫情发展预测模型
2020年1月25日，中山大学公共卫生学院陆家海教授联合美国哥伦比亚大学W. Ian Lipkin在bioRxiv预印版平台发表文章研究From SARS-CoV to Wuhan 2019-nCoV: Will History Repeat Itself?，通过2002-2003年SARS疫情的数据模拟了武汉新型冠状病毒2019-nCoV的流行数据。 根据此研究模型估计，2019-nCoV病例的累计计数约为SARS总数的2-3倍，预计发病高峰将在2月初或中期。在应对方面，应该限制或禁止区域性迁移，以防止超级传播者的出现和移动，同时迫切需要在全国范围内加强监控并采取有效措施来控制这种流行病。
中山大学
2021-04-10
基于最优模型的WEB舆情趋势预测方法
本发明公布了一种基于最优模型的WEB舆情趋势预测方法。该方法的基本思想就是首先对历史舆情事件进行分类获取舆情的几大类别，然后对分类获得的各个类别中事件的时间序列图进行聚类获取小类，通过保证均方误差和最小的方式求取各个小类的最优模型从而获取各个大类的最优模型集。
电子科技大学
2021-04-10
永磁同步电机模型预测控制方法
本发明公开了一种永磁同步电机模型预测控制方法，包括以下 步骤：(1)在当前时刻 k 将采集的三相电流转换到αβ坐标系；(2)依据 αβ坐标系的电流值预测k+1时刻的电流值和k+2时刻的电流参考值； (3)以k+2时刻的电流参考值为控制目标，依据k+1时刻电流值计算k+1时刻的电压控制矢量参考值；(4)解析 k+1 时刻的电压控制矢量参考值 对应的角度，判定该角度所属的扇区，从扇区中提取候选电压控制矢 量；(5)将候选电压控制矢量代入目标函数，选取使得目标函数值最小 对应的候选电压控制矢量作为最佳电压
华中科技大学
2021-04-14
槽式光热发电多模型预测函数控制及其优化
针对太阳能集热系统扰动多、大滞后和大惯性等控制难点，建立了适合控制器设计的简化分段非线性模型，并设计了基于预测函数控制策略的集热系统出口导热油温度控制系统。该预测函数控制策略在调节速度、超调量以及稳定性方面的控制效果均明显优于传统PID控制策略；与未简化的多模型预测控制相比，简化后的多模型预测函数控制的最大动态偏差增大了13%，但计算量大大降低，控制器的实时性也得到增强。
南京工程学院
2021-05-21
槽式光热发电多模型预测函数控制及其优化
针对太阳能集热系统扰动多、大滞后和大惯性等控制难点，建立 了适合控制器设计的简化分段非线性模型，并设计了基于预测函数控 制策略的集热系统出口导热油温度控制系统。该预测函数控制策略在 调节速度、超调量以及稳定性方面的控制效果均明显优于传统PID控 制策略；与未简化的多模型预测控制相比，简化后的多模型预测函数 控制的最大动态偏差增大了 13%,但计算量大大降低，控制器的实时性也得到增强。
南京工程学院
2021-01-12
基于时空多尺度联合学习模型的能源需求预测技术
本项目提出了将时间维度与空间维度相结合的多尺度综合能源需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支持。
南开大学
2021-02-01
火电机组深度调峰多模型智能预测控制系统
成果介绍火电机组深度调峰改造是消纳可再生能源的有效途径，深度调峰就是在自动控制的情况下将机组的负荷调节下限从原来的50[[[[%]]]]Pe下调至30[[[[%]]]]Pe，甚至更低。控制难点在于：当机组处在低负荷工况时，机组被控过程的动态特性具有快速变化的特征，常规控制策略难于有效控制。本项成果采用多模型智能预测控制技术，分别提出了适合于亚临界和超（超）临界机组深度调峰的多模型智能预测控制系统，实现了在低负荷或超低负荷工况下的平稳控制。市场前景本项成果已成功应用于华能丹东、华能大连、华能营口、华能井冈山、华能大坝、国投钦州、大唐当途、中铝银星、国信射阳港、国华筹光等电厂近30台300MW亚临界、600MW和1000MW超（超）临界机组的深度调峰中。特别是，已成功将华能营口电厂#4 600MW超超临界机组的负荷深调到15[[[[%]]]]Pe，并实现了机组”干态/湿态”的一键转换控制，达到了国内外最先进的深调水平。目前，在国内已完成的机组深度调峰改造中，大部分均采用了本深调优化控制技术，得到了广大用户的一致好评。
东南大学
2021-04-11
火电机组深度调峰多模型智能预测控制系统
火电机组深度调峰改造是消纳可再生能源的有效途径，深度调峰就是在自动控制的情况下将机组的负荷调节下限从原来的50%Pe下调至30%Pe，甚至更低。控制难点在于：当机组处在低负荷工况时，机组被控过程的动态特性具有快速变化的特征，常规控制策略难于有效控制。 本项成果采用多模型智能预测控制技术，分别提出了适合于亚临界和超（超）临界机组深度调峰的多模型智能预测控制系统，实现了在低负荷或超低负荷工况下的平稳控制。 本项成果已成功应用于华能丹东、华能大连、华能营口、华能井冈山、华能大坝、国投钦州、大唐当途、中铝银星、国信射阳港、国华筹光等电厂近30台300MW亚临界、600MW和1000MW超（超）临界机组的深度调峰中。特别是，已成功将华能营口电厂#4 600MW超超临界机组的负荷深调到15%Pe，并实现了机组”干态/湿态”的一键转换控制，达到了国内外最先进的深调水平。目前，在国内已完成的机组深度调峰改造中，大部分均采用了本深调优化控制技术，得到了广大用户的一致好评。
东南大学
2021-04-13
基于模式识别的软件缺陷定性/定量预测模型构建技术
软件所含缺陷的风险或数目是合理安排软件测试资源，提高软件测试效率，衡量软件设计及开发质量的关键信息，应用模式识别技术对软件所含缺陷进行有效预测将对我国航空工业软件测试工作从被动测试到主动测试的转变起到积极的作用。对软件所含缺陷进行风险或定量预测，其根本技术在于利用以往软件缺陷数据，构建软件内在信息和软件缺陷信息之间的映射关系函数。 软件缺陷数据具有如下特点：软件度量信息冗余；软件缺陷数据分布及其不平衡；软件缺陷数据易含有不准确数据（如不准确的缺陷量）对于模型构建来说就是噪声数据；软件缺陷数据维度高，复杂度高等。该技术的广泛使用，将对我国航空工业中的软件测试工作，从传统的被动测试向主动测试，合理安排有限的测试资源，提高测试效率，从而提高软件质量起到重要作用。
北京航空航天大学
2021-04-13
基于时空多尺度联合学习模型的能源需求预测技术
本项目提出了将时间维度与空间维度相结合的多尺度综合能源 需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需 求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支 持。 项目特色： 面向综合能源时空数据的需求分析和预测可以根据历史数据， 结合地理区域的相互关系来预测给定时间范围和空间位置的 能源需求。 针对综合能源的特性，项目提出了联合学习和迁移学习的思想 对模型进行训练。同时优化不同区域中多种类型能源的联合预 测模型，将已有模型的结果迁移到训练集数据不足的模型中， 提高能源用量预测的准确率。 面向智慧城市的综合能源信息应用服务场景，并利用 GIS 技术 实现配电网分析和用户用电特性分析的可视化。
南开大学
2021-04-13