-
公开(公告)号：CN119761638A
公开(公告)日：2025-04-04
申请号：CN202411835157.6
申请日：2024-12-13
IPC: G06Q10/063 , G06Q10/04 , G06Q50/06 , G06F18/214 , G06N20/20 , G06N3/006
Abstract: 本发明公开了一种基于SO‑XGboost算法的风电功率时间序列预测方法，涉及风电场发电功率预测技术领域。方法包括：对风电功率数据进行预处理，并将样本数据集划分为训练和测试集；初始化XGBoost模型和蛇优化算法，利用蛇优化算法对XGBoost模型中的参数进行寻优，同时利用训练集对XGBoost模型进行训练，得到蛇优化算法优化的SO‑XGBoost预测模型；将测试样本集输入SO‑XGBoost预测模型进行风电功率预测，并度量模型预测效果。本发明通过构建并训练改进的模型，实现了对风力发电功率的精准预估，能够有效处理风电数据中的非线性与波动特性，经过参数优化后的XGBoost预测模型有更好的预测效果和预测精度，具有更高的收敛速度，并提高预测模型的泛化能力。
-
公开(公告)号：CN107069776B
公开(公告)日：2019-12-24
申请号：CN201710236059.4
申请日：2017-04-12
Applicant: 东南大学
Abstract: 本发明公开了一种平滑微网联络线功率的储能前瞻分布式控制方法，可用于解决存在新能源随机波动情况下的微电网功率平衡控制问题。具体地，通过在储能个体间实施有限时间快速分布式功率控制协议来实现平滑微网联络线输出功率这一控制目标，实施过程中同时考虑了储能未来一段时间的功率调整裕度和成本。本发明考虑了新能源曲线的快速波动特性以及储能装置物理约束，通过求解未来一段时域的模型预测控制(MPC)问题得到储能聚合体的调整功率，然后基于滑模控制(SMC)方法设计有限时间快速分布式控制协议，使得聚合体内部储能充放电功率快速跟踪该目标功率，实现平滑微网联络线功率的目标。
-
公开(公告)号：CN109028499A
公开(公告)日：2018-12-18
申请号：CN201810811605.7
申请日：2018-07-23
Applicant: 东南大学
IPC: F24F11/70 , F24F11/64 , F24F140/50
CPC classification number: F24F11/70 , F24F11/64 , F24F2140/50
Abstract: 本发明公开了一种基于频率响应的异质空调集群分散式控制方法。首先，根据参与需求响应的空调负荷的物理特性给出了单个设备的动力学模型，并基于此给出了异质空调集群随外界温度变化的稳态聚合功率估计；然后，根据电网紧急故障响应等级，对空调参与需求响应的频率阈值进行划分，给出不同频率偏离值下的空调集群聚合功率调整量；最后，基于已知系统模型参数给出单个空调基于频率的分散式随机控制方法。上述分散式控制方法使得异质空调集群能够快速、精确地对紧急故障下电网功率不匹配量做出补偿，节约通信成本，有利于电网频率恢复和系统安全稳定运行。
-
公开(公告)号：CN115048862B
公开(公告)日：2024-11-12
申请号：CN202210635944.0
申请日：2022-06-07
Applicant: 东南大学
IPC: G06F30/27 , G06N3/042 , G06N3/0442 , G06N3/08 , G06F111/08 , G06F119/08
Abstract: 本发明涉及一种基于多元传递熵和图神经网络的沥青路面车辙预测方法，包括以下步骤：步骤1：采集历年沥青路面服役性能监测数据及沥青路面使用性能影响因素数据，根据采集到的数据进行分类；步骤2：将车辙以及影响车辙的多个变量的时间序列转化为图形结构，图形的节点数就是变量的个数，边定义为典型变量与待预测变量的因果关系，步骤3：将图中的节点嵌入门循环单元和自注意力机制可以看作是一个预先训练的模型；步骤4：采用基于谱的图神经网络模型，创建多层模型结构对上述步骤得到的变量节点关系图进行训练，输出多步预测序列。该技术方案基于提出了一种基于多元传递熵和图神经网络的车辙预测模型，提高了车辙预测的精度和泛化能力。
-
公开(公告)号：CN114116273B
公开(公告)日：2024-07-05
申请号：CN202111239738.X
申请日：2021-10-25
Applicant: 东南大学
IPC: G06F11/07
Abstract: 本发明公开了一种计算机网络集群系统故障的可诊断性确定方法，包括：(1)以用户集合作为状态集合，用户发送消息的类型集合作为事件集合，构造有限自动机模型(2)将有限自动机模型分解成故障模型和非故障模型；(3)将动态事件观测策略用有限自动机模拟，构造计算机网络集群系统的通讯模型；(4)利用同步组合算子，对故障模型和非故障模型进行扩展：(5)根据全局扩展的故障模型和非故障模型构造故障测试自动机；(6)根据故障测试自动机判断计算机网络集群系统是否存在不确定周期环，如果存在，则判定当前系统为故障可诊断的，否则判定为故障不可诊断。本发明可以实现动态事件观测策略下的故障可诊断性的确定。
-
Patent Agency Ranking
公开(公告)号：CN118014013A
公开(公告)日：2024-05-10
申请号：CN202410046727.7
申请日：2024-01-12
Applicant: 东南大学
IPC: G06N3/0464 , G06N3/047 , G06N3/092 , G06N3/084 , G06N3/006
Abstract: 本发明公开了一种基于先验策略引导下的深度强化学习快速搜索博弈方法及系统，主要面对双智能体博弈环境。根据博弈环境和博弈规则，获取包括估值函数的估值博弈策略Est(s)，将该策略与蒙特卡洛树搜索算法结合，获得启发式蒙特卡洛树搜索算法，并使用该算法进行博弈，获得博弈数据集D；构造神经网络，通过数据集D学习启发式蒙特卡洛树搜索算法，用收敛后的神经网络fη(s)替代启发式蒙特卡洛树搜索中的估值博弈策略Est(s)，获得快速神经网络树搜索算法F(s)，从而实现深度强化学习的快速搜索博弈。本发明创造了启发式蒙特卡洛树搜索算法，缩短了决策时间，超越了基准模型的博弈水平，有极高的应用价值。
-
公开(公告)号：CN117874509A
公开(公告)日：2024-04-12
申请号：CN202311600840.7
申请日：2023-11-28
Applicant: 东南大学
IPC: G06F18/214 , G06F18/21 , G06F18/20 , G06F18/2113 , G06F18/2115 , G06F18/241 , G06F18/2411 , G06F18/2413 , G06F18/243 , G06N20/20 , G06N5/01 , G06N3/0499 , G06N3/0985 , G06N5/045
Abstract: 本发明公开了一种基于可解释性集成学习的沥青路面车辙深度预测方法，先收集车辙及影响因素数据，构建路面健康评价数据集；应用多种集成学习模型输出特征重要性，对特征重要性进行评估；熵权法融合各模型排序结果，结合帕累托分析选取优化特征子集；输入特征子集，训练多个集成学习模型；比较综合性能指标，选择决定系数最优模型；基于SHAP分析特征对车辙的贡献，提升解释性。本发明通过引入可解释性集成学习方法，特别是SHAP分析，对车辙深度的驱动因素进行了深入研究，在沥青路面车辙深度的预测中相比传统模型，显著提高了预测效率，为路面健康状况的评估提供了更可靠的工具。
-
公开(公告)号：CN109091167A
公开(公告)日：2018-12-28
申请号：CN201810720835.2
申请日：2018-06-29
Applicant: 东南大学
CPC classification number: A61B8/5246 , A61B5/0066 , A61B8/0891 , A61B8/12
Abstract: 本发明属于医学成像技术领域，具体涉及冠状动脉粥样硬化斑块增长的预测方法，将至少两个时刻的IVUS图像和OCT图像分别分割后，再将分割后的IVUS图像和分割后的OCT图像融合，并根据融合后的轮廓建立三维的带有循环弯曲的多模态流固耦合模型，计算模型的力学结果，结合形态学结果，提取力学与形态学的风险因子，并给出斑块增长的指标，利用该机器学习的方法对斑块增长做出预测。从而可以为冠状动脉斑块增长的预测提供一个准确可靠的方法。该发明方法为斑块增长预测提供了临床应用的可能性。
-
公开(公告)号：CN106786812A
公开(公告)日：2017-05-31
申请号：CN201710040660.6
申请日：2017-01-20
Applicant: 东南大学 , 南京中大智能科技有限公司 , 国网江苏省电力公司宿迁供电公司
Abstract: 本发明提供了虚拟发电厂分布式无功补偿系统及补偿方法，当虚拟发电厂所属区域电网发生无功缺额时，电力调度中心根据具体的情况，向虚拟发电厂传递一个无功调节量，而分布式无功补偿器通过利用分布式的优化控制策略，将区域电网的无功缺额在虚拟发电厂内部的分布式电源之间进行协调，使得无功功率的总额在虚拟发电厂内部各个分布式电源之间协调分配，最终使虚拟发电厂整体满足电压性能指标达到最优。本发明能够在达到区域电网调度中心无功调节要求的同时，实现虚拟发电厂内部的电压性能达到最优。
-
公开(公告)号：CN118351371A
公开(公告)日：2024-07-16
申请号：CN202410499655.1
申请日：2024-04-24
Applicant: 东南大学 , 南京现代综合交通实验室
IPC: G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/045 , G06N3/0985
Abstract: 本发明公开了一种基于对抗训练和元学习的小样本图像分类方法及系统，包括图像数据采集、生成对抗样本、元学习模型对抗训练、测试任务训练及最后的结果输出步骤，其中，元学习模型包括内循环结构和外循环结构，通过不断对多个训练任务执行内循环和外循环操作，迭代的优化模型参数从而实现当遇到新任务时，只需要使用外循环更新后的模型，即可适应任务。本发明方法基于元学习算法，在只有少量图像样本数据的情况下，更为高效准确的对图像类别进行分类，提高了图像分类的准确率和泛化能力；同时基于对抗训练，在图像数据遭受对抗攻击时，仍能保证图像分类的鲁棒准确率，提升了模型分类的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.038 seconds)
