公开(公告)号：CN118693996A

公开(公告)日：2024-09-24

申请号：CN202410787211.8

申请日：2024-06-18

Applicant: 华中科技大学 ,  国网智能电网研究院有限公司 ,  国家电网有限公司

Inventor： 彭薇 ,  杨镇宇 ,  冯泽晶 ,  刘川 ,  王向群 ,  陈磊 ,  陶静

IPC: H02J13/00 ,  H02J3/00 ,  H02J3/24

Abstract: 本发明属于分布式能源聚合调控领域，具体涉及一种基于HPLC的分布式负荷聚合调控装置及调控方法，包括：待聚合的每个分布式负荷上均配置有一个尾端设备，每个尾端设备用于计算对应负荷的可调容量；每个控制设备中的CCO模块与位于同一个电力线网络中的所有尾端设备中的STA模块通过HPLC协议建立通信；每个尾端设备将可调容量通过HPLC协议传递至对应控制设备；每个控制设备用于将所有尾端设备当前的可调容量的总和以及与对应所有尾端设备之间通信时延中的最大值上传至云端设备，使云端设备为每个控制设备分配调控功率量；每个控制设备基于所接收的调控功率量为每个尾端设备分配调控信号，实现分布式负荷调控，实现分布式负荷聚合。

公开(公告)号：CN118740693A

公开(公告)日：2024-10-01

申请号：CN202410868027.6

申请日：2024-07-01

Applicant: 国网智能电网研究院有限公司 ,  华中科技大学 ,  国家电网有限公司

Inventor： 刘川 ,  彭薇 ,  陶静 ,  高炜 ,  曹源 ,  冯泽晶 ,  杨镇宇

IPC: H04L43/0852 ,  H04L41/147 ,  H04L41/16 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/088 ,  H04L43/0829

Abstract: 本发明提供了一种基于LSTM的分布式资源聚合网络时延分析方法和系统，包括：获取当前时刻前一段时间内的分布式资源聚合网络中两个待研究节点间的网络状态数据序列；将所述网络状态数据序列输入预先构建的时延预测模型，得到预测时刻两个待研究节点间的时延；其中，所述时延预测模型是以历史时段的两个待研究节点间网络状态数据序列为输入，对应的历史预测时刻两个待研究节点间的时延为输出，基于长短期记忆网络训练得到的；本发明在分布式资源聚合中使用时延预测模型通常能够提供较好的预测性能，该模型的参数可以通过历史数据进行训练，从而能够较准确地预测未来的延迟变化，这对于实时决策和网络优化提供了有力支持。

公开(公告)号：CN118075148A

公开(公告)日：2024-05-24

申请号：CN202410285956.4

申请日：2024-03-13

Applicant: 华中科技大学 ,  国网智能电网研究院有限公司 ,  国家电网有限公司

Inventor： 彭薇 ,  冯泽晶 ,  杨镇宇 ,  刘川 ,  王向群 ,  陈磊 ,  陶静

IPC: H04L41/147 ,  H04L41/14 ,  H04L41/142 ,  H04L67/12

Abstract: 本发明属于网关设备时延数据预测技术领域，公开了一种虚拟电厂中网关侧时延时间序列预测模型的构建方法，采用训练样本集训练时延时间序列预测模型；其中，时延时间序列预测模型包括依次连接的权重矩阵更新网络和时延预测网络；权重矩阵更新网络用于将训练样本集与权重矩阵相乘后得到采样后的数据序列，权重矩阵为与训练样本集大小一致的0，1矩阵，0表示训练样本集中对应位置处的数据不采样，1表示对训练样本集中对应位置处的数据采样；每次训练中通过权重矩阵的更新自适应调整输入模型的训练样本集的采样间隔。本发明还提供了虚拟电厂中网关侧时延时间序列预测方法。本发明能够提升虚拟电厂中网关设备时延时间序列预测的准确度。

公开(公告)号：CN116527080A

公开(公告)日：2023-08-01

申请号：CN202310364669.8

申请日：2023-04-07

Applicant: 华中科技大学

Inventor： 彭薇 ,  王臻 ,  杨镇宇 ,  刘川

IPC: H04B3/46 ,  H04B3/54 ,  H04B17/382 ,  G06F18/20 ,  G06F18/15 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的电力线频谱感知方法、装置和系统，属于电力线信道检测技术领域，所述方法包括：S1：将电力线的接收信号转化为频谱信号并作为训练数据；S2：利用训练数据对基于深度学习的初始残差网络进行训练，得到包括多个残差块的目标残差网络；S3：利用目标残差网络对残差块电力线的当前接收信号进行感知，判断残差块当前接收信号为高斯噪声、脉冲噪声或信号加噪声。利用基于深度学习的残差网络进行电力线接收信号的感知，判断其为高斯噪声、脉冲噪声或信号加噪声，能够快速缺精准获悉信道占用情况，便于根据电力线的信道占用情况进行信道使用，由此解决现有频谱感知方法计算复杂度但估计精度低的技术问题。

公开(公告)号：CN116527080B

公开(公告)日：2024-03-19

申请号：CN202310364669.8

申请日：2023-04-07

Applicant: 华中科技大学

Inventor： 彭薇 ,  王臻 ,  杨镇宇 ,  刘川

IPC: H04B3/46 ,  H04B3/54 ,  H04B17/382 ,  G06F18/20 ,  G06F18/15 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的电力线频谱感知方法、装置和系统，属于电力线信道检测技术领域，所述方法包括：S1：将电力线的接收信号转化为频谱信号并作为训练数据；S2：利用训练数据对基于深度学习的初始残差网络进行训练，得到包括多个残差块的目标残差网络；S3：利用目标残差网络对残差块电力线的当前接收信号进行感知，判断残差块当前接收信号为高斯噪声、脉冲噪声或信号加噪声。利用基于深度学习的残差网络进行电力线接收信号的感知，判断其为高斯噪声、脉冲噪声或信号加噪声，能够快速缺精准获悉信道占用情况，便于根据电力线的信道占用情况进行信道使用，由此解决现有频谱感知方法计算复杂度但估计精度低的技术问题。