-
公开(公告)号：CN118194239B
公开(公告)日：2024-09-03
申请号：CN202410599212.X
申请日：2024-05-15
申请人： 合肥工业大学
IPC分类号： G06F18/25 , G06F18/214 , G06F18/23 , G06F30/20 , G06N3/042 , G06N3/045 , G06Q50/06 , H02J3/24 , H02J3/38
摘要： 本发明涉及深度学习技术领域，具体是一种基于多模态图网络的输电系统宽频振荡参数辨识方法。本发明运用多组文本数据和图像数据，以精确辨识海上风电输电系统产生宽频振荡时的控制器参数；同时采用异质图神经网络融合的方式应对数据实际采集过程中存在的数据缺失问题，从而实现输电线路控制器参数调配和控制策略的合理设计，进而减少海上风电输电系统振荡异常的产生次数，使海上风电输电系统更加稳定，进而能够有效的提高控制器参数辨识的准确性。
-
公开(公告)号：CN117937475B
公开(公告)日：2024-08-13
申请号：CN202410323168.X
申请日：2024-03-21
申请人： 合肥工业大学
IPC分类号： H02J3/00 , H02J3/28 , G06F18/213 , G06F18/25 , G06Q10/04 , G06Q50/06 , G06N3/045 , G06N3/0442 , G06N3/08 , G06F123/02
摘要： 本发明涉及人工智能和电力负荷预测技术领域，尤其是一种基于多模态时序学习的负荷预测模型、方法和系统。本发明提出的负荷预测模型用于根据监测时间段上的电网历史数据预测监测时间段之后的目标时间段上的负荷值；负荷预测模型包括顺序连接的数据预处理模块、模态权重计算模块、模态融合模块、时间特征融合模块和负荷预测模块。本发明提出的基于多模态时序学习的负荷预测方法，引入多模态时序学习的方法，从多源时序数据中提取关键特征，建立计及储能的负荷预测模型，更好地利用储能站所采集的各种数据，提高预测的精准度。
-
公开(公告)号：CN117973233B
公开(公告)日：2024-06-18
申请号：CN202410370816.7
申请日：2024-03-29
申请人： 合肥工业大学
摘要： 本发明涉及输电系统控制和人工智能技术领域，尤其是一种基于深度强化学习的换流器控制模型训练和振荡抑制方法。换流器控制模型包括：编码器、解码器和噪声网络。本发明提出的基于深度强化学习的换流器控制模型训练方法训练输电系统中不同换流器的换流器控制模型，以实现输电系统中不同换流器的分布式控制。本发明中，作为智能体的换流器控制模型在训练结束后可根据本地信息独立控制换流器，并直接利用输电系统过去运行所产生的大量数据训练智能体，无需与输电系统交互训练，无需专业知识进行数学建模，简单易用。本发明的换流器控制模型训练过程中，无需与真实的输电系统互动收集数据，避免对真实输电系统造成危害。
-
公开(公告)号：CN117992873A
公开(公告)日：2024-05-07
申请号：CN202410318809.2
申请日：2024-03-20
申请人： 合肥工业大学
IPC分类号： G06F18/2415 , G06N20/00 , G06F18/214 , G06N3/0985 , G06F18/213 , G01R31/00
摘要： 本发明涉及人工智能和电力变压器故障分类技术领域，尤其是一种基于异构联邦学习的变压器故障分类方法及模型训练方法。本发明中，在变压器故障分类模型的参数聚合过程中，对特征提取和分类器分开聚合，聚合后再在本地先训练特征提取器，再训练分类器。本发明在客户端训练过程中，分别固定特征提取器和分类器，降低了模型训练的偏差；使用全局特征提取参数指导各客户端的特征提取器训练，解决了异构模型特征空间不同的问题；使用分类器聚合操作，提高了模型的泛化性。
-
公开(公告)号：CN117937475A
公开(公告)日：2024-04-26
申请号：CN202410323168.X
申请日：2024-03-21
申请人： 合肥工业大学
IPC分类号： H02J3/00 , H02J3/28 , G06F18/213 , G06F18/25 , G06Q10/04 , G06Q50/06 , G06N3/045 , G06N3/0442 , G06N3/08 , G06F123/02
摘要： 本发明涉及人工智能和电力负荷预测技术领域，尤其是一种基于多模态时序学习的负荷预测模型、方法和系统。本发明提出的负荷预测模型用于根据监测时间段上的电网历史数据预测监测时间段之后的目标时间段上的负荷值；负荷预测模型包括顺序连接的数据预处理模块、模态权重计算模块、模态融合模块、时间特征融合模块和负荷预测模块。本发明提出的基于多模态时序学习的负荷预测方法，引入多模态时序学习的方法，从多源时序数据中提取关键特征，建立计及储能的负荷预测模型，更好地利用储能站所采集的各种数据，提高预测的精准度。
-
公开(公告)号：CN117892693A
公开(公告)日：2024-04-16
申请号：CN202410103022.4
申请日：2024-01-25
申请人： 合肥工业大学
IPC分类号： G06F30/398 , G06N3/04 , G06N5/01 , G06N20/20
摘要： 本发明涉及高电压电气仿真计算应用技术与大数据结合的技术领域，尤其是一种基于机器学习的可调宽带电路VFTO模型模拟方法和系统。本发明基于仿真数据，通过实测的VFTO波形预测VFTO模拟器等效电路的元器件参数，建立模拟器生成波形过程的逆过程；本发明通过各种不同的实测VFTO波形，获取灵活动态快速调整的等效电路元件参数，借助数学仿真软件生成大量电路元件与波形频率特征的样本作为数据集；利用建立的数据集构建了模拟器电路元件参数与频率相关特性之间的参数训练与参数学习，将所得数据集预处理后，输入至机器学习模型中进行训练生成VFTO模型。然后通过VFTO模型预测待实现VFTO波形对应的电路元件参数，大大缩短了VFTO波形调试时间，提高了VFTO模拟效率。
-
公开(公告)号：CN117871968A
公开(公告)日：2024-04-12
申请号：CN202410257619.4
申请日：2024-03-07
申请人： 合肥工业大学
摘要： 本发明涉及脉冲电场测量技术领域，公开了一种脉冲电场测量系统的开环校准方法。该方法首先搭建测量系统的数学模型，包括系统的频域模型和时域模型，据此得到测量系统的频率响应特性和线性工作范围；再判断测量系统的特定器件和光纤插入损耗是否变化；当测量系统的特定器件和光纤插入损耗均不变化时，直接使用已计算出的频率响应特性和线性工作范围对测量系统进行标定；当测量系统的特定器件和/或光纤损耗插入发生变化时，将改变的器件参数和/或光纤插入损耗参数代入数学模型中，得到测量系统修改后的频率响应特性和线性工作范围，重新标定以完成对测量系统的开环校准。本发明显著降低了对测量系统进行校准的成本和难度。
-
公开(公告)号：CN117131783B
公开(公告)日：2024-01-02
申请号：CN202311360004.6
申请日：2023-10-20
申请人： 合肥工业大学
IPC分类号： G06F30/27 , G06F18/25 , G06F18/231 , G06F18/2415 , G06N3/0464 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/08 , G06Q10/0635 , G06Q50/06 , H02J3/00 , G01R31/08 , G06F111/10 , G06F111/08
摘要： 本发明涉及人工智能和雷电风险预测技术领域，尤其是一种基于多模态学习的输电线路风险预测模型、方法和系统。本发明提出的一种基于多模态学习的输电线路风险预测模型的构建方法，首先分别构建雷电强度分析模块、距离预警模块以及输电线路风险分析模块，雷电强度分析模块对下一个时间点上的雷电强度进行预测，距离预警模块用于对下一个时间点上的雷击距离进行预测，输电线路风险分析模块结合下一个时间点上的雷电强度、距离预警等级和输电线路(56)对比文件鲍捷等.基于雷电定位数据驱动的紧密输电通道 连续雷击跳闸预警方法.电网技术.2022,1194-1205.方丽华等.输电线路绕击故障概率分析及雷电预警方法.广东电力.2014,95-100.Jian Wang等.Data-driven lightning-related failure risk prediction ofoverhead contact lines based on bayesiannetwork with spatiotemporal fragilitymodel.ELSEVIER.2023,1-10.
-
公开(公告)号：CN117131783A
公开(公告)日：2023-11-28
申请号：CN202311360004.6
申请日：2023-10-20
申请人： 合肥工业大学
IPC分类号： G06F30/27 , G06F18/25 , G06F18/231 , G06F18/2415 , G06N3/0464 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/08 , G06Q10/0635 , G06Q50/06 , H02J3/00 , G01R31/08 , G06F111/10 , G06F111/08
摘要： 本发明涉及人工智能和雷电风险预测技术领域，尤其是一种基于多模态学习的输电线路风险预测模型、方法和系统。本发明提出的一种基于多模态学习的输电线路风险预测模型的构建方法，首先分别构建雷电强度分析模块、距离预警模块以及输电线路风险分析模块，雷电强度分析模块对下一个时间点上的雷电强度进行预测，距离预警模块用于对下一个时间点上的雷击距离进行预测，输电线路风险分析模块结合下一个时间点上的雷电强度、距离预警等级和输电线路性能预测输电线路受雷击的风险等级。本发明在风险预测时，实现了多维度多模态数据的融合，提高了雷电风险预测的精度。
-
公开(公告)号：CN116629142B
公开(公告)日：2023-09-29
申请号：CN202310904397.6
申请日：2023-07-24
申请人： 合肥工业大学
IPC分类号： G06F30/27 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/08 , G01R29/08 , G01W1/10
摘要： 本发明涉及人工智能技术领域，尤其是一种基于transformer机制的雷电定位轨迹预测方法、系统和存储介质。本发明提出的基于transformer机制的雷电定位轨迹预测方法，将Transformer与时序分解方法相结合，其中分解方法捕获时间序列的整体轮廓，而Transformer捕获更详细的结构，这使得模型可以捕捉时间序列的全局视图。本发明中在时域特征提取时，通过M(q(i),K1)选择出少数对主要注意有贡献的点积进行后续注意力提取，降低了算法复杂度，提高了计算资源的有益性，从而提高了模型预测能力。
-
-
-
-
-
-
-
-
-
搜索结果
61 条记录 (耗时 0.074 秒)
