-
公开(公告)号：CN116154875A
公开(公告)日：2023-05-23
申请号：CN202310095399.5
申请日：2023-02-03
申请人： 上海电力大学 , 甘肃华电福新能源有限公司民乐分公司
摘要： 本发明涉及基于TCN和误差函数的光伏电站有功功率优化分配方法，方法包括以下步骤：对光伏电站历史数据提取输入特征；基于输入特征构建为特征集，输入TCN网络进行监督学习，学习目标为逆变器的稳态响应误差，得到特征集与稳态响应误差的函数映射关系，并构建逆变器的误差函数；基于每台逆变器的误差函数，构建光伏电站的有功功率优化分配模型；基于逆变器误差函数的实验结果，对逆变器进行排序分层，根据调度指令调节量的大小，选择参与功率调节逆变器的层级；根据优化分配模型以及逆变器的层级选择结果，计算得到每台逆变器的最优目标功率值，进行有功优化分配。与现有技术相比，本发明调度响应的精度高、分配模型的求解速度快。
-
公开(公告)号：CN115167102A
公开(公告)日：2022-10-11
申请号：CN202210547986.9
申请日：2022-05-18
申请人： 上海电力大学 , 甘肃华电福新能源有限公司民乐分公司
IPC分类号： G05B11/42
摘要： 本发明公开了基于并行优势动作评价的强化学习自适应PID控制方法，包括设置采样周期，A2C算法的线程个数n，初始化网络参数；根据当前状态误差，利用状态转换器构造第i个智能体的输入状态向量；利用RBF网络同时实现第i个智能体策略函数和值函数的学习，参数值修正后计算系统输出，并观测下一采样时间系统误差ei(t+1)，计算奖励函数ri(t)；判断是否更新参数，数据总量达到batch size，停止采样，输出状态估计值并更新权值，将n个智能体上传的梯度汇总并求平均，更新Global Net参数，Global Net传递给Actor(i)和Critic(i)新的权值；迭代重复，输出算法的最优解。通过本发明提供的方法，可以有效的克服大超调，非线性和滞后性对PID控制器带来的影响。
-
公开(公告)号：CN111651603B
公开(公告)日：2024-03-19
申请号：CN202010500557.7
申请日：2020-06-04
申请人： 上海电力大学
摘要： 本发明公开了一种基于LAV参数微调的电力工单层次文本分类方法及系统，包括，利用注意力机制对文本特征向量分配不同的注意力权重并进行加权求和，获得标签特征向量；结合全连接神经网络和sigmoid函数计算标签特征向量的分类概率，输出分类预测结果；基于交叉熵构建损失函数训练文本特征向量、标签特征向量及分类概率；将训练完成的上层标签的标签特征向量的参数值作为下层标签的标签特征向量的初始值，对其进行训练微调，直至完成标签结构中全部的标签注意力向量训练，得到与其对应的分类结果。本发明通过参数微调改善下层标签因训练文本数据太少导致的分类效果较差的问题，实现了对层次结构标签电力工单文本的快速、准确分类。
-
公开(公告)号：CN117635162A
公开(公告)日：2024-03-01
申请号：CN202311631830.X
申请日：2023-11-29
申请人： 国网浙江省电力有限公司营销服务中心 , 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司 , 上海电力大学
IPC分类号： G06Q30/015 , G06F16/36 , G06F16/33 , G06F16/332 , G06F16/35 , G06F40/289 , G06F40/30 , G06N3/0499
摘要： 本发明公开了一种基于知识图谱的客户诉求动态管控方法，属于电力技术领域，包括如下步骤：S1、获取客户诉求数据并进行预处理得到目标诉求数据；S2、基于所述目标诉求数据进行知识抽取构建本体化知识模型；S3、基于所述本体化知识模型进行知识整合构建第一客户诉求知识图谱；S4、对目标诉求数据进行知识加工获取目标知识，基于所述目标知识和第一客户诉求知识图谱获取第二客户诉求知识图谱；S5、基于设定周期轮次执行步骤S1‑S4，更新第二客户诉求知识图谱；S6、基于更新后的第二客户诉求知识图谱进行客户诉求处理。本方案通过构建客户诉求知识图谱对客户诉求进行处理，能够显著提高电力客户诉求处理的可靠性。
-
公开(公告)号：CN113111302B
公开(公告)日：2023-05-12
申请号：CN202110431000.7
申请日：2021-04-21
申请人： 上海电力大学
IPC分类号： G06F17/15 , G06F17/16 , G06F17/17 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于非欧空间的信息提取方法，包括，基于双曲空间的基本运算法则将欧式空间输入的图结构映射到双曲空间；利用加法与乘法重新定义所述双曲空间中的Hawkes process的条件强度函数；将曲率c作为所述函数的一个参数，迭代更新所述曲率c，得到训练完成的双曲空间模型，描述未来事件的分布。本发明方法实现通过结合过去发生事件的时间与类型信息对未来的事件映射入双曲空间，获得更好的层次结构对未来发生事件进行预测，在应用方面，可以对大规模层次数据进行好的表示，使图信息更加准确。
-
公开(公告)号：CN113259332A
公开(公告)日：2021-08-13
申请号：CN202110472822.X
申请日：2021-04-29
申请人： 上海电力大学
摘要： 本发明公开了一种基于端到端的多类型网络流量异常检测方法及系统，其中一种基于端到端的多类型网络流量异常检测方法包括，预处理网络流量数据，通过特征提取模块提取网络流量数据的特征向量，并压缩特征向量的维度空间；通过异常流量学习模块对特征进行异常分数学习，进而将网络流量数据映射为标量异常分数；利用多类型异常检测模块对异常流量学习模块进行训练，完成对网络流量异常类型的分类，并将分类结果返回到参考分数生成器，以指导异常评分网络模块进行异常分数学习；本发明整体以端到端的方式运行，直接对异常分数进行优化，改善了检测结果为次优的情况，实现了对多类型异常的快速、准确检测。
-
公开(公告)号：CN112926016A
公开(公告)日：2021-06-08
申请号：CN202110461187.5
申请日：2021-04-27
申请人： 上海电力大学
摘要： 本发明公开了一种多变量时间序列变化点检测方法，包括：将原始多元时间序列数据集中目标序列的数据信息输入时间序列预测模块，预测目标序列，并输出目标序列预测值及评估预测性能；将目标序列预测值、人工进行异常标记后的目标序列实际值输入变化点检测模块，计算每个点对应的异常分数；通过深度学习分类器进行分类并检测变化点，输出检测到的变化点位置集合；根据检测出的变化点位置和实际目标序列中变化点的标签，输出变化点检测结果并可视化，并评估检测性能，实现多变量时间序列变化点检测。本发明准确捕获目标序列与多个相关变量及历史数据之间的动态相关性的同时，实现对外部因素进行特征提取和融合，以提高整体的精度和性能。
-
公开(公告)号：CN111651220A
公开(公告)日：2020-09-11
申请号：CN202010501737.7
申请日：2020-06-04
申请人： 上海电力大学
摘要： 本发明公开了一种基于深度强化学习的Spark参数自动优化方法及系统，包括，采集Spark运行的原始数据并进行数据预处理；利用PCA+Lasso结合策略对预处理后的数据进行特征过滤和选择，计算特征参数权重得到关键参数；利用关键参数构建基于深度Q网络的参数自动优化模型；对参数自动优化模型进行训练并输出调优结果，得到当前环境下的最优参数配置组合以调控Spark作业运行。本发明通过参数优化策略能够有效地处理Spark平台的参数在线优化问题，优化后的参数配置可以大幅度的提升作业性能，且效果随着作业规模的增加而更加显著，能够有效解决类似大数据平台的参数优化问题，利用Lasso特征选择策略自动选择关键的配置参数，在剔除无用参数的同时提升工作效率。
-
公开(公告)号：CN118232316A
公开(公告)日：2024-06-21
申请号：CN202410260547.9
申请日：2024-03-07
申请人： 上海电力大学
摘要： 本发明涉及分布式架构的技术领域，尤其涉及一种分布式的多智能体深度强化学习微网调度方法，利用多智能体深度强化学习获取多个微电网的环境信息数据，每个微电网智能体通过观测微电网环境的实时状态，获取各个微电网的环境状态信息，包括各能源组件的运行数据、电能交换价格等信息，对各微电网的可调度的能源设备的输出功率进行控制和调度，实现多个微电网之间的协同调度；基于分布式架构进行多个微电网之间的信息交流和传递，同时确保能源信息数据的隐私保护。通过结合分布式技术与深度强化学习方法对互联的多微电网进行协同调度，便于实现多微电网系统的经济运行和能源数据的隐私保护。可以对多微电网系统进行智能调度。
-
公开(公告)号：CN111651220B
公开(公告)日：2023-08-18
申请号：CN202010501737.7
申请日：2020-06-04
申请人： 上海电力大学
IPC分类号： G06F9/445 , G06F11/30 , G06F11/34 , G06F18/2113 , G06F18/2135 , G06F18/23 , G06N3/092
摘要： 本发明公开了一种基于深度强化学习的Spark参数自动优化方法及系统，包括，采集Spark运行的原始数据并进行数据预处理；利用PCA+Lasso结合策略对预处理后的数据进行特征过滤和选择，计算特征参数权重得到关键参数；利用关键参数构建基于深度Q网络的参数自动优化模型；对参数自动优化模型进行训练并输出调优结果，得到当前环境下的最优参数配置组合以调控Spark作业运行。本发明通过参数优化策略能够有效地处理Spark平台的参数在线优化问题，优化后的参数配置可以大幅度的提升作业性能，且效果随着作业规模的增加而更加显著，能够有效解决类似大数据平台的参数优化问题，利用Lasso特征选择策略自动选择关键的配置参数，在剔除无用参数的同时提升工作效率。
-
-
-
-
-
-
-
-
-
搜索结果
32 条记录 (耗时 0.044 秒)
