-
公开(公告)号：CN112862004B
公开(公告)日：2022-08-05
申请号：CN202110297761.8
申请日：2021-03-19
Applicant: 三峡大学
Abstract: 基于变分贝叶斯深度学习的电网工程造价管控指标预测方法，基于工程造价数据库，选取概算前造价数据x与结算造价指标y，形成新的训练样本数据库，当给定新的造价数据xn+1时，目标得到结算造价管控指标p(yn+1|xn+1；D)。采用基于LSTM深度学习网络的造价指标预测模型，以非线性方式处理造价管控指标数据。采用随机梯度哈密尔顿蒙特卡洛概率预测方法进行采样，用期望值作为概率的预测值。采用造价管控指标预测模型隐含概率分布的近似推断，最小化隐变量概率分布与真实分布的差异。本发明方法在预测技巧和预测可靠性方面均明显优于其它模型，能够提供有效的不确定度估计预测结果。
-
公开(公告)号：CN112381421B
公开(公告)日：2022-05-20
申请号：CN202011287828.1
申请日：2020-11-17
Applicant: 三峡大学
Abstract: 一种考虑电力市场全维度的源网荷多主体博弈规划方法，其具体步骤如下：基于电力市场运行的整体角度，将独立系统运营商纳入到博弈规划体系之中，同时引入一种考虑输电管制特性的输电效用计算方法，构建从发电到用电完整电力市场运行机制的源‑网‑荷多主体规划博弈模型；然后考虑各主体间的博弈关系，构建包括从发电到用电电力市场全维度的博弈决策架构；最后采用迭代搜索法对模型进行求解，得出最终的规划方案。
-
公开(公告)号：CN114049305A
公开(公告)日：2022-02-15
申请号：CN202111203745.4
申请日：2021-10-15
Applicant: 三峡大学
IPC: G06T7/00 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 基于改进ALI和Faster‑RCNN的配电线路销钉缺陷检测方法，包括以下几个方面：收集配电线路的销钉缺陷图像，并在销钉缺陷图像数据上人工标记，构建训练样本集。搭建网络结构，第一个是对抗学习推断网络，基本结构由推断网络、生成网络和判断器三部分组成。第二个是Faster‑RCNN网络。根据获取的训练样本，进行检测模型训练，训练指定步数后，完成训练。将待检测图像输入到训练好的对抗学习推断网络，输出高质量重构的销钉图像，最后通过训练好的Faster‑RCNN网络完成缺陷的识别。该方法可以增强配电线路销钉图像局部纹理、边缘等细节信息，以改善图像质量，并结合目标检测算法提取准确的特征，以实现销钉缺陷的智能检测。
-
公开(公告)号：CN113837753A
公开(公告)日：2021-12-24
申请号：CN202110845410.6
申请日：2021-07-26
Applicant: 三峡大学
IPC: G06Q20/38 , G06F40/186 , G06F40/253 , G06F40/30 , G06Q20/06
Abstract: 一种基于区块链合约范式的智能合约模板设计方法，它包括以下步骤：步骤1，通过合约范式生成器生成区块链合约范式；步骤2，通过智能合约设计器学习区块链合约范式；步骤3，通过区块链合约范式生成智能合约模板；步骤4，通过智能合约模板设计智能合约；步骤5，运行智能合约转换价值物凭证；步骤6，由数字货币发生器支付数字货币；步骤7，通过区块链在区块中记账；步骤8，智能合约执行结果返回合约范式生成器。本发明的目的是为解决基于区块链智能合约设计缺乏模板和范式的问题而提出的设计方法，通过合约范式和合约模板提升智能合约设计的标准化和安全性。
-
公开(公告)号：CN113744036A
公开(公告)日：2021-12-03
申请号：CN202110891947.6
申请日：2021-08-04
Applicant: 三峡大学
Abstract: 一种基于区块链数字签名的量子支票交易方法，包括量子支票生成模块，量子支票，支付转账模块，区块链，区块，量子密钥生成模块，量子签名模块，数字签名，量子签名验证模块；包括以下步骤：步骤1，量子密钥生成模块为量子支票分配量子密钥；步骤2，用户A向量子支票生成模块申请量子支票；步骤3，用户A使用量子签名模块对量子支票签名；步骤4，用户B通过量子签名验证模块验证数字签名；步骤5，支付转账模块完成量子支票支付；步骤6，量子支票支付账本保存到区块链。本发明能够在去信任的网络中最大程度保证支票交易的安全性和效率，具有理论上的绝对安全性和抗量子攻击特性，保存在区块链中的支票账本具有可追溯性和防篡改性。
-
Patent Agency Ranking
公开(公告)号：CN113743651A
公开(公告)日：2021-12-03
申请号：CN202110891906.7
申请日：2021-08-04
Applicant: 三峡大学
Abstract: 基于机器学习和SVM算法的电子式电压互感器误差状态预测方法，采集电子式电压互感器误差表征量和影响因素，构建数据模型；采用机器学习算法对SVM模型的惩罚系数C和核参数g进行超参数寻优；根据最优超参数对误差表征量进行建模预测，计算实际误差表征量与预测误差表征量的差值，以平均绝对误差和均方根误差作为预测评估，并用两段数据段进行预测。结果均表明，采用机器学习算法作参数寻优的SVM的误差预测精度高，效果更好，预测结果更接近于实际预测值。本发明方法能够在不停电的状态下，有效预测电子式互感器误差状态曲线走势，为在线监测电子式互感器误差状态提供可参考依据。
-
公开(公告)号：CN110095685B
公开(公告)日：2021-07-27
申请号：CN201910285810.9
申请日：2019-04-10
Applicant: 三峡大学
IPC: G01R31/08
Abstract: 基于动态实时参数的T型线路沿线电压交叉修正故障测距方法，利用T型线路正常运行状态下的电气信息，动态实时计算三端线路实时参数，并基于遗传算法修正线路实时参数的计算误差；在线路发生故障后，基于修正参数下的线路分布参数线路模型，分别计算T节点电压，通过电压比较判断故障支路；然后将非故障两支路等值为T端，与故障支路一端形成两端输电线路模型；最后，利用两侧测量电压与计算对侧电压形成两条直线，基于直线交叉求取交点，形成故障测距方法。本发明可以实时动态调整线路参数误差，提高故障测距精度，工程实用性强。
-
公开(公告)号：CN112862004A
公开(公告)日：2021-05-28
申请号：CN202110297761.8
申请日：2021-03-19
Applicant: 三峡大学
Abstract: 基于变分贝叶斯深度学习的电网工程造价管控指标预测方法，基于工程造价数据库，选取概算前造价数据x与结算造价指标y，形成新的训练样本数据库，当给定新的造价数据xn+1时，目标得到结算造价管控指标p(yn+1|xn+1；D)。采用基于LSTM深度学习网络的造价指标预测模型，以非线性方式处理造价管控指标数据。采用随机梯度哈密尔顿蒙特卡洛概率预测方法进行采样，用期望值作为概率的预测值。采用造价管控指标预测模型隐含概率分布的近似推断，最小化隐变量概率分布与真实分布的差异。本发明方法在预测技巧和预测可靠性方面均明显优于其它模型，能够提供有效的不确定度估计预测结果。
-
公开(公告)号：CN111416365A
公开(公告)日：2020-07-14
申请号：CN202010291575.9
申请日：2020-04-14
Applicant: 三峡大学
IPC: H02J3/24
Abstract: 风电场与常规调频机组异步协同最优AGC控制系统，该系统包括风电机组二次调频响应模型、风电场与常规调频机组异步协同参与二次调频控制模型；所述风电机组二次调频响应模型包括风速预测模块，风速预测模块将最大出力发送给风电场降载计算模块，风电场降载计算模块将风电场总调节量发送给比例分配模块，比例分配模块产生每台机组的发电量发送给风电机组控制模块。风电场与常规调频机组异步协同参与二次调频控制模型包括异步协同最优AGC控制模型，异步协同最优AGC控制模型分别与风电场降载计算模块、常规调频机组模块连接，风电场降载计算模块、常规机组调频模块、负荷接入电力系统模块。该系统采用异步协同最优AGC控制，实现了风电场和常规调频机组调频能力的实时最优分配。
-
公开(公告)号：CN111416364A
公开(公告)日：2020-07-14
申请号：CN202010290752.1
申请日：2020-04-14
Applicant: 三峡大学
IPC: H02J3/24
Abstract: 考虑实际风速特性的风电场变协同调频控制方法，包括以下步骤：步骤1：选取二次调频机组下发调频指令的时刻点；步骤2：确定风电场在超短期负荷预测模型下所得调频点的调频备用容量范围；步骤3：针对采样所得的风电机组调频点，构建近似斜率区间；步骤4：基于构建的近似斜率区间，计算风电场的响应时间间隔。本发明在保证风电场有效调频能力释放的前提下降低了风电场的调频次数，起到了减少风电场调频控制机会成本，减轻常规机组调频备用压力的作用。
-
-
-
-
-
-
-
-
-
Search Results
352
records
(took 0.035 seconds)
