一种基于深度学习法构建的光伏组件加速退化模型及光伏组件寿命预测方法

发明专利有效专利

申请号：
CN201610954517.3
IPC分类号：G06Q10/04;G06Q50/06;G06N3/08
申请日期：
2016-10-26
申请人：
广东产品质量监督检验研究院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习法构建的光伏组件加速退化模型及光伏组件寿命预测方法
申请号	CN201610954517.3	申请日期	2016-10-26
法律状态	授权	申报国家	中国
公开/公告日	2017-03-15	公开/公告号	CN106503461A
优先权	暂无	优先权号	暂无
主分类号	G06Q10/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法〔8〕 G06Q10/00 行政；管理〔8，2012.01〕 G06Q10/04 预测或优化，例如线性规划、“旅行商问题”或“下料问题”〔2012.01〕	IPC分类号	G;0;6;Q;1;0;/;0;4;;;G;0;6;Q;5;0;/;0;6;;;G;0;6;N;3;/;0;8查看分类表>
申请人	广东产品质量监督检验研究院	申请人地址	广东省广州市海珠区新港东路海诚东街6号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	广东产品质量监督检验研究院	当前权利人	广东产品质量监督检验研究院
发明人	余荣斌;刘桂雄;徐欢
代理机构	广州市越秀区海心联合专利代理事务所（普通合伙）	代理人	王洪娟

摘要

本发明公开了一种基于深度学习法构建的光伏组件加速退化模型及光伏组件寿命预测方法，该方法通过限制玻尔兹曼机RBM构建深度神经网络DNN，以不同加速应力条件(Ti、Hi、Rai)及对应伪失效寿命分布分位数函Qi(p)为输入向量，利用CD快速学习算法训练RBM、DNN，寻求模型最优参数集θ*，构建光伏组件加速退化模型，进而预测正常应力条件下光伏组件预期工作寿命。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供