公开(公告)号：CN117687782A

公开(公告)日：2024-03-12

申请号：CN202311671423.1

申请日：2023-12-07

申请人： 天津大学 ,  国网江苏省电力有限公司南京供电分公司 ,  国网江苏省电力有限公司 ,  中国电力科学研究院有限公司 ,  国家电网有限公司

发明人： 戴子明 ,  高莉莎 ,  仇超 ,  彭国政 ,  任晓旭 ,  王晓飞 ,  朱红 ,  项楠 ,  韩硕

IPC分类号： G06F9/50 ,  G06N3/098

摘要： 本发明公开一种基于多粒度群组联邦学习的边缘计算系统和方法，所述边缘计算系统包括边缘设备分组模块，边缘设备指导模块和边缘设备评估模块；其中：所述边缘设备分组模块通过平衡图分割方法对拥有多粒度数据和单元的边缘设备进行分组；所述边缘设备指导模块使用通过细粒度数据训练的单元对使用粗粒度数据训练的单元进行指导来提升其单元性能；所述边缘设备评估模块采用信用分的领导者选择方法对每个群组选举领导者来避免恶意边缘设备的影响，本发明能够有效地将边缘设备划分成相互平衡的组，从而实现更高效安全的通信和聚合过程。

公开(公告)号：CN113852080A

公开(公告)日：2021-12-28

申请号：CN202110983342.X

申请日：2021-08-25

申请人： 中国电力科学研究院有限公司 ,  天津大学 ,  国家电网有限公司

发明人： 蒲天骄 ,  乔骥 ,  王晓飞 ,  曹一凡 ,  刘志成 ,  仇超 ,  王新迎

IPC分类号： H02J3/06 ,  H02J3/48 ,  H02J3/50

摘要： 本发明公开了一种智能电网的潮流优化方法、系统、设备及存储介质，包括：将电网划分成若干区域的子电网，其中，一个子电网对应一个智能体；设计智能体的状态、动作及奖励机制；基于异步优势演员评论家算法对智能体进行优化，通过优化后的智能体对对应的子电网进行调度及控制，完成智能电网的潮流优化，该方法、系统、设备及存储介质能够实现智能电网的动态管理，降低人力物力消耗，且调整效率较高。

公开(公告)号：CN113485803B

公开(公告)日：2022-05-13

申请号：CN202110729072.X

申请日：2021-06-29

申请人： 天津大学 ,  国网山东省电力公司 ,  中国电力科学研究院有限公司

发明人： 王晓飞 ,  宋金铎 ,  王晓辉 ,  徐康 ,  刘志成 ,  李沅泽 ,  仇超

IPC分类号： G06F9/48 ,  G06F9/50 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G06N5/04

摘要： 本发明公开了一种具有时延约束任务流场景下的自适应封装与协同推理方法，包括如下步骤：建立自适应边缘智能推理模型，包括用于接收任务的终端设备和用于制定任务卸载决策的边缘服务器；构建边缘服务器和终端设备的分支模型，所述分支模型均包括若干个分支，每个分支上均设有划分点和出口点，且出口点设置在每个分支的终端；根据任务的处理流程分别预测任务在终端设备和边缘服务器上的处理时间，以及任务的总处理时间；设定目标函数，若已知任务流的所有信息，采用动态规划的离线算法对目标函数进行优化，否则，采用深度强化学习的在线算法对目标函数进行优化。本发明提高了延迟限制下所权衡完成的任务数量和任务推断的准确性。

公开(公告)号：CN113485803A

公开(公告)日：2021-10-08

申请号：CN202110729072.X

申请日：2021-06-29

申请人： 天津大学 ,  中国电力科学研究院有限公司

发明人： 王晓飞 ,  宋金铎 ,  王晓辉 ,  徐康 ,  刘志成 ,  李沅泽 ,  仇超

IPC分类号： G06F9/48 ,  G06F9/50 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G06N5/04

摘要： 本发明公开了一种具有时延约束任务流场景下的自适应封装与协同推理方法，包括如下步骤：建立自适应边缘智能推理模型，包括用于接收任务的终端设备和用于制定任务卸载决策的边缘服务器；构建边缘服务器和终端设备的分支模型，所述分支模型均包括若干个分支，每个分支上均设有划分点和出口点，且出口点设置在每个分支的终端；根据任务的处理流程分别预测任务在终端设备和边缘服务器上的处理时间，以及任务的总处理时间；设定目标函数，若已知任务流的所有信息，采用动态规划的离线算法对目标函数进行优化，否则，采用深度强化学习的在线算法对目标函数进行优化。本发明提高了延迟限制下所权衡完成的任务数量和任务推断的准确性。

公开(公告)号：CN118612294A

公开(公告)日：2024-09-06

申请号：CN202410724206.2

申请日：2024-06-05

申请人： 天津大学 ,  国网江苏省电力有限公司南京供电分公司 ,  中国电力科学研究院有限公司 ,  国网江苏省电力有限公司

发明人： 仇超 ,  彭国政 ,  师小云 ,  王晓飞 ,  朱红 ,  高莉莎 ,  项楠 ,  张启哲 ,  谈元鹏 ,  宋睿

IPC分类号： H04L67/566 ,  G06N3/045 ,  G06N3/092

摘要： 本发明实施例公开了一种基于边缘服务的数据请求处理方法、装置、设备及介质。该方法包括：接收终端发送的数据请求，并将所述数据请求和边缘服务器信息输入第一神经网络模型，输出第一动作信息；其中，所述第一动作信息包括被调度的目标边缘服务器信息；根据所述第一动作信息将所述数据请求发送至所述目标边缘服务器，使得所述目标边缘服务器对所述数据请求进行处理，获得处理结果；接收所述处理结果，并将所述处理结果反馈至所述数据请求对应的终端。本方案将数据请求和边缘服务器信息输入第一神经网络模型，获得被调度的目标边缘服务器信息，能够保证数据请求被调度至合适的边缘服务器，提高请求调度的准确性，从而解决数据请求处理失败的问题。

公开(公告)号：CN114861906B

公开(公告)日：2024-09-06

申请号：CN202210423171.X

申请日：2022-04-21

申请人： 天津大学 ,  国网山东省电力公司 ,  中国电力科学研究院有限公司

发明人： 王晓飞 ,  张子桐 ,  王晓辉 ,  王勇 ,  郭鹏天 ,  李琪 ,  刘志成 ,  赵云凤 ,  仇超

IPC分类号： G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明公开了一种基于神经架构搜索的轻量级多退出点模型的建立方法，包括如下步骤：搜集电网图像数据构建样本数据集，将样本数据集划分为训练集和测试集；以树形结构为基础，设计包括主干网络和分支分类器的多退出点模型架构；通过将若干种卷积神经网络进行剪裁并重新组合的方法构建搜索空间，基于图像分类任务以权衡模型分类精度和模型大小为目标建立目标函数；将训练集输入搜索空间中，利用策略梯度的强化学习算法对目标函数进行优化，以多退出点模型架构为基础进行训练获取多退出点模型。本发明能很好地权衡了搜索得到的神经网络的精度和参数大小，实现对电力边缘侧的图像分类模型的压缩。

公开(公告)号：CN114861906A

公开(公告)日：2022-08-05

申请号：CN202210423171.X

申请日：2022-04-21

申请人： 天津大学 ,  国网山东省电力公司 ,  中国电力科学研究院有限公司

发明人： 王晓飞 ,  张子桐 ,  王晓辉 ,  王勇 ,  郭鹏天 ,  李琪 ,  刘志成 ,  赵云凤 ,  仇超

IPC分类号： G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  G06V10/764 ,  G06V10/82

摘要： 本发明公开了一种基于神经架构搜索的轻量级多退出点模型的建立方法，包括如下步骤：搜集电网图像数据构建样本数据集，将样本数据集划分为训练集和测试集；以树形结构为基础，设计包括主干网络和分支分类器的多退出点模型架构；通过将若干种卷积神经网络进行剪裁并重新组合的方法构建搜索空间，基于图像分类任务以权衡模型分类精度和模型大小为目标建立目标函数；将训练集输入搜索空间中，利用策略梯度的强化学习算法对目标函数进行优化，以多退出点模型架构为基础进行训练获取多退出点模型。本发明能很好地权衡了搜索得到的神经网络的精度和参数大小，实现对电力边缘侧的图像分类模型的压缩。

公开(公告)号：CN114154647A

公开(公告)日：2022-03-08

申请号：CN202111488234.1

申请日：2021-12-07

申请人： 天津大学 ,  国网河北省电力有限公司信息通信分公司 ,  国家电网有限公司

发明人： 蔡尚宣 ,  王晓飞 ,  胡清华 ,  仇超 ,  陈连栋 ,  程凯 ,  杨柳 ,  赵云凤 ,  刘志成

IPC分类号： G06N20/00 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于多粒度联邦学习的方法，包括：S1，基于联邦学习建立包括客户端和服务器的多粒度学习系统，客户端包括粗粒度设备和细粒度设备，服务器中设有图像参数模型；S2，设置初始迭代轮数t＝0、学习轮数T，初始化初始模型参数，客户端将共享样本发送服务器；S3，判断t＜T，如果是，执行S4，否则学习结束；S4，执行t＝t+1，客户端利用本地数据对模型进行训练，将模型参数和本地模型准确率发送服务器；S5，服务器根据模型参数判断，若为细粒度模型，用同粒度联邦学习方法聚合，若为粗粒度模型，用交叉指导方法聚合，聚合后执行S6；S6，服务器将聚合后的模型发送客户端并返回S3。本发明可以提高粗粒度模型提取图像特征的能力。

公开(公告)号：CN118708342A

公开(公告)日：2024-09-27

申请号：CN202410801781.8

申请日：2024-06-20

申请人： 天津大学

发明人： 仇超 ,  刘泽军 ,  任晓旭 ,  王晓飞 ,  姚海鹏

IPC分类号： G06F9/50 ,  G06F30/27 ,  G06N20/00 ,  G06F113/08

摘要： 本发明提供了一种算力网络中生成式人工智能的资源流动均衡策略方法，首先分析用户信息内容并建立层次树状结构，通过层次树状结构得到信息熵分析资源消耗；其次构建流体模型，提出了流体止步均衡策略以得到流体水平的稳态分布，进而基于Laplace Stieltjes变换得到平均流体水平，基于平均流体水平分析得到单位流体的能量成本，最终得出单位时间的平均社会福利这一优化问题的定义。最后，基于扩散模型求解优化问题。本发明采用上述的一种算力网络中生成式人工智能的资源流动均衡策略方法，实现经济高效的算力资源均衡，动态调整系统策略，以最大化CPNs层的平均社会福利。

公开(公告)号：CN118113367A

公开(公告)日：2024-05-31

申请号：CN202410074605.9

申请日：2024-01-18

申请人： 天津大学

发明人： 王晓飞 ,  黄康 ,  仇超 ,  侯晨璇

IPC分类号： G06F9/445 ,  G06F9/50 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/092

摘要： 本发明公开了一种基于超图分区的算力网络任务卸载的方法，属于算力网络任务卸载技术领域，包括以下步骤：步骤1、为任务卸载系统的任务建立超图表征模型；步骤2、建立任务卸载系统中的时延和能耗计算模型；步骤3、建立时延和能耗计算模型的优化目标；步骤4、使用基于超图分区和双层注意力机制的深度强化学习方法在任务卸载系统中学习，训练任务卸载预测网络。本发明提供了一种基于超图分区的算力网络任务卸载的方法，引入了超图来表征细粒度的异构任务和异构资源，并基于超图的深度强化学习解决了任务卸载中的能耗问题。