-
公开(公告)号：CN114169624B
公开(公告)日：2024-11-05
申请号：CN202111517953.1
申请日：2021-12-13
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: G06Q10/04 , G06Q30/0201 , G06Q50/06 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种电动汽车充电站规划方法及装置，本申请利用集成学习算法构建的充电站规划模型，通过集成学习架构中的子优化器集成多种智能算法，并分别应用到电动汽车充电站规划，并通过上层优化器将各个子优化器中的不同的智能算法的特点进行结合，在面对充电站的非线性与多目标以及大电网的复杂性具有更强的适应性，解决了现有技术面对充电站的非线性与多目标以及大电网的复杂性，容易出现收敛性差的情况，并陷入局部收敛状态，导致的电动汽车充电站规划准确性不稳定的技术问题。
-
公开(公告)号：CN118862137A
公开(公告)日：2024-10-29
申请号：CN202410794330.6
申请日：2024-06-19
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
Abstract: 本申请公开了一种V2G电动汽车隐私保护方法、系统、设备及介质，包括：考虑到电动汽车V2G充电场景中可能存在的隐私泄露问题，提出使用假名技术代替真实身份防止追踪。然后，本申请将跨链技术集成到本申请的V2G电动汽车隐私保护框架中，其去中心化架构有利于安全的假名分发和撤销。此外，本申请提出了一种名为隐私熵的分析指标来评估车辆假名更改后的隐私保护程度。将隐私熵与库存理论相结合，本申请提出了V2G假名保护中假名生成的优化问题，并采用了基于强化学习技术的算法来实现高效且经济的假名生成。从而解决了现有单链区块链系统在处理大量假名交易时面临性能和时延问题。
-
公开(公告)号：CN118940308A
公开(公告)日：2024-11-12
申请号：CN202410928238.4
申请日：2024-07-11
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: G06F21/62 , G06F21/60 , G06N3/0464
Abstract: 本发明提供了一种适用于智能车联网的生成模型隐私保护方法和相关装置，包括利用能量模型概化给定的私有数据集的流行特征，并将私有数据集映射到低维空间，得到低维流行特征；利用预训练的第一生成模型对低维流行特征进行编码，并把编码的掩码版本通过残差增强网络融入到生成模型中间层的特征中；基于分数匹配的梯度估计过程对第一生成模型进行训练，并在训练过程中引入扰动投影向量，得到第二生成模型；利用哈密顿动力学模拟，结合模型的梯度信息，确定采样路径并采样，得到符合私有数据集数据分布要求的样本数据。本发明通过将原始高维私有数据集映射到低维空间并提取流行特征，同时利用扰动投影向量进一步增加数据扰动，增强了隐私保护力度。
-
公开(公告)号：CN118137478A
公开(公告)日：2024-06-04
申请号：CN202410247568.7
申请日：2024-03-05
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: H02J3/00 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及电动汽车充电技术领域，公开了一种负荷调度可行域数模驱动预测方法及系统，本方法通过获得电动汽车的出行结束时间、车辆停留时间、行驶里程、电池SOH值和电池SOC值，从而充分考虑电动汽车的时间特征、出行特征和电量特征对EV充放电负荷的影响，并利用蒙特卡洛随机抽样，避免受到概率模型的制约，充分反映EV负荷的分布规律，并通过行驶特征数据确定电动汽车的期望电量和充电持续时间，从而确定各辆电动汽车的负荷调度可行域，进而确定目标区域内的电动汽车的负荷调度可行域均值，克服了完全数据驱动高度依赖车网互动数据共享的缺点，提升了电动汽车负荷调度可行域预测的精度，降低了充放电裕度预测对数据的要求。
-
公开(公告)号：CN118734937A
公开(公告)日：2024-10-01
申请号：CN202410800974.1
申请日：2024-06-20
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
Abstract: 本发明提供了一种基于DNN的充电桩故障检测的联邦学习方法和相关装置，包括初始化全局模型；在联邦学习的一个轮次中，将全局模型分发到参与联邦学习的各个充电桩，以便各个充电桩基于本地历史故障参数数据进行本地模型的训练；持续搜集各个充电桩训练好的本地模型等待聚合；搜集完毕后将搜集到的本地模型进行平均聚合，得到新的全局模型；执行联邦学习的全部轮次，得到最终的基于DNN的充电桩故障检测的全局模型。本发明中不同品牌的充电桩通过联邦学习框架，能够在不直接交换数据的情况下共享模型学习成果，解决了现有基于深度神经网络算法无法实现不同品牌的充电桩数据共享的问题。
-
Patent Agency Ranking
公开(公告)号：CN118568503A
公开(公告)日：2024-08-30
申请号：CN202410793726.9
申请日：2024-06-19
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: G06F18/214 , G06F18/23213 , G06N20/00
Abstract: 本申请公开了一种智能车联网多模态学习方法及相关装置，包括：首先，为了重建缺失的感知模态，本申请设计了一个知识提取驱动的跨节点模态重建网络。其次，为了选择具有高质量贡献的节点，本申请设计一个基于聚类Shapley值的高效模型贡献评估模块。最后，为了进一步缓解跨节点模态的异构性，本申请引入了一种用于鲁棒聚合的知识贡献感知聚合规则。总体来说，本申请解决了智能车联网中模态缺失问题的同时可以选择高质量的车辆来执行聚合和学习，以提高性能。
-
公开(公告)号：CN112686467A
公开(公告)日：2021-04-20
申请号：CN202110038950.3
申请日：2021-01-12
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
Abstract: 本申请提供了一种含自备电厂的大用户生产运行优化方法、装置、终端设备和计算机可读存储介质；其中方法包括建立以自备电厂运行成本最小为目标的大用户生产运行优化模型；对大用户生产运行优化模型进行求解，计算出模型最优解；根据模型最优解控制自备电厂的各生产设备工作。该方法通过建立大用户生产运行优化模型，优化生产用电需求，进而优化自备电厂的发电功率，实现自备电厂的经济运行，减少大用户的生产用能成本。
-
公开(公告)号：CN118642391A
公开(公告)日：2024-09-13
申请号：CN202410820595.9
申请日：2024-06-24
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
Abstract: 本发明涉及充放电装置检测技术领域，公开了一种电动汽车充放电装置检测用的双导引控制系统及方法，通过两个导引模拟接口来对接充放电设备和电动汽车模拟设备，利用被测充放电装置的双向充放电特点，利用两个导引模拟器同时对接两个导引模拟接口，来对被测充放电装置的充放电试验请求进行响应，并完成充放电试验，实现站内能量自循环，从而减少现场检测设备的种类，降低检测设备成本和现场配线难度，通过系统内部的导引模拟器模拟充放电模式，避免了受到电池容量和充放电能力的限制。
-
公开(公告)号：CN117937570B
公开(公告)日：2024-06-11
申请号：CN202410302843.0
申请日：2024-03-18
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
Abstract: 本发明涉及充电设施优化技术领域，公开了一种分布式充电设施的可调节裕度优化方法及系统，本方法通过目标台区的历史负荷时序数据确定决策参数，并通过确定多个预设的充电模式分别对应的候选充电开始时刻集合确定综合候选充电开始时刻集合，利用电量裕度总和以及预设的充电模式的选择概率确定所述综合候选充电开始时刻集合中各充电开始时刻的选择概率，从而确定最佳充电开始时刻以及最佳充电功率，根据充电设施的最佳充电功率以及预先获取的优化前的初始充电功率确定充电设施的可调功率裕度，从而提高充电设施可调节裕度执行的控制效率和控制精度，并避免了EV规模过大带来的形成的负荷高峰的风险，适应性较强。
-
公开(公告)号：CN114169624A
公开(公告)日：2022-03-11
申请号：CN202111517953.1
申请日：2021-12-13
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
Abstract: 本申请公开了一种电动汽车充电站规划方法及装置，本申请利用集成学习算法构建的充电站规划模型，通过集成学习架构中的子优化器集成多种智能算法，并分别应用到电动汽车充电站规划，并通过上层优化器将各个子优化器中的不同的智能算法的特点进行结合，在面对充电站的非线性与多目标以及大电网的复杂性具有更强的适应性，解决了现有技术面对充电站的非线性与多目标以及大电网的复杂性，容易出现收敛性差的情况，并陷入局部收敛状态，导致的电动汽车充电站规划准确性不稳定的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.07 seconds)
