-
公开(公告)号：CN118332879B
公开(公告)日：2024-08-06
申请号：CN202410761278.4
申请日：2024-06-13
申请人： 合肥工业大学
摘要： 本发明涉及电磁场数值计算技术领域，且公开了一种基于有限差分的物理信息神经网络电磁场计算方法，其计算步骤包括：S1、求解域大小；S2、网格剖分；S3、构建神经网络；S4、损失函数计算；S5、边界条件处理；S6、训练神经网络；S7、模型验证以及结果分析。本方法利用神经网络的强大非线性映射能力来解决复杂的电磁场问题，同时使用了二阶中心差分方法将控制方程离散化，并将其作为网络训练的损失之一，使得网络在训练过程中遵循物理规律，从而提高了模型的物理逼真度，通过引入权重矩阵，动态调整不同区域的优化难度，从而使模型训练更为均衡，加快收敛速度并提高全局优化能力。
-
公开(公告)号：CN104268410B
公开(公告)日：2017-02-08
申请号：CN201410509752.0
申请日：2014-09-28
IPC分类号： G06F19/00
摘要： 本发明公开了一种应用在电力系统中的连锁故障多阶段动态博弈防御方法，其特征是首先设定博弈过程阶段总数以及故障方和防御方所处阶段数初始值；再依次经过计算有限理性故障方在所处阶段采取各行动的概率、后果以及风险系数，生成确定性策略集合和风险性策略集合；规定有限理性故障方选择策略顺序；判断有限理性故障方采取的行动是否造成线路过负荷或功角失稳，完全理性防御方根据判断结果可选择采取基于直流潮流灵敏度的过负荷控制或基于扩展等面积原则的稳定控制；判断是否满足博弈过程的结束条件；最后计算有限理性故障方和完全理性防御方防御方收益函数；结束多阶段动态博弈防御过程。本发明实现了对连锁故障的阻断，防止大停电事故发生。(56)对比文件史慧杰 等.输电网络运行风险的在线评估.《电网技术》.2005,第29卷(第6期),何剑 等.条件相依的输变电设备短期可靠性模型《.中国电机工程学报》.2009,第29卷(第7期),
-
公开(公告)号：CN104268410A
公开(公告)日：2015-01-07
申请号：CN201410509752.0
申请日：2014-09-28
IPC分类号： G06F19/00
摘要： 本发明公开了一种应用在电力系统中的连锁故障多阶段动态博弈防御方法，其特征是首先设定博弈过程阶段总数以及故障方和防御方所处阶段数初始值；再依次经过计算有限理性故障方在所处阶段采取各行动的概率、后果以及风险系数，生成确定性策略集合和风险性策略集合；规定有限理性故障方选择策略顺序；判断有限理性故障方采取的行动是否造成线路过负荷或功角失稳，完全理性防御方根据判断结果可选择采取基于直流潮流灵敏度的过负荷控制或基于扩展等面积原则的稳定控制；判断是否满足博弈过程的结束条件；最后计算有限理性故障方和完全理性防御方防御方收益函数；结束多阶段动态博弈防御过程。本发明实现了对连锁故障的阻断，防止大停电事故发生。
-
公开(公告)号：CN118332877B
公开(公告)日：2024-08-23
申请号：CN202410736433.7
申请日：2024-06-07
申请人： 合肥工业大学
IPC分类号： G06F30/23 , G06F30/27 , G06N3/0499 , G06N3/084 , G06F17/10
摘要： 本发明涉及电磁多物理场建模技术领域，且公开了一种基于极坐标映射的物理信息神经网络电磁场计算方法，其操作步骤如下：S1、物理模型的建立和有限元求解；S2、将问题转换到极坐标系；S3、构建神经网络结构；S4、动态调整卷积核的策略应对极坐标系的特性；S5、优化损失函数和边界条件；S6、训练神经网络；S7、测试数据的获取；S8、模型精度评估。本方法通过将传统的基于有限差分的物理信息神经网络和极坐标映射方法相结合，提高了问题解决的灵活性与准确性，通过对损失函数和边界条件进行特定设计，引入权重矩阵优化和精确控制Dirichlet、Neumann及周期性边界条件，可以有效增强模型对电磁场问题的预测精度。
-
公开(公告)号：CN118395070A
公开(公告)日：2024-07-26
申请号：CN202410823208.7
申请日：2024-06-25
申请人： 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
摘要： 本发明公开一种变电站巡检四旋翼无人机健康状态评估方法，包括获取无人机动态参数和基础参数；按照动态参数的正常范围值，计算动态参数发生异常的异常概率值；采用概率隶属度分布函数对异常概率值进行计算，得到第一隶属度矩阵；确定每种动态参数对应的参数异常严酷度等级评分，并采用严酷度隶属度分布函数对每种动态参数对应的最大评分值进行计算，得到第二隶属度矩阵；将第一隶属度矩阵和第二隶属度矩阵分别与各健康状态等级向量进行灰色关联，得到第一健康状态隶属度向量；采用劣化隶属度分布函数对各基础参数进行计算，得到第二健康状态隶属度向量；基于第一健康状态隶属度向量和第二健康状态隶属度向量，确定无人机综合健康状态。
-
公开(公告)号：CN118332877A
公开(公告)日：2024-07-12
申请号：CN202410736433.7
申请日：2024-06-07
申请人： 合肥工业大学
IPC分类号： G06F30/23 , G06F30/27 , G06N3/0499 , G06N3/084 , G06F17/10
摘要： 本发明涉及电磁多物理场建模技术领域，且公开了一种基于极坐标映射的物理信息神经网络电磁场计算方法，其操作步骤如下：S1、物理模型的建立和有限元求解；S2、将问题转换到极坐标系；S3、构建神经网络结构；S4、动态调整卷积核的策略应对极坐标系的特性；S5、优化损失函数和边界条件；S6、训练神经网络；S7、测试数据的获取；S8、模型精度评估。本方法通过将传统的基于有限差分的物理信息神经网络和极坐标映射方法相结合，提高了问题解决的灵活性与准确性，通过对损失函数和边界条件进行特定设计，引入权重矩阵优化和精确控制Dirichlet、Neumann及周期性边界条件，可以有效增强模型对电磁场问题的预测精度。
-
公开(公告)号：CN118332879A
公开(公告)日：2024-07-12
申请号：CN202410761278.4
申请日：2024-06-13
申请人： 合肥工业大学
摘要： 本发明涉及电磁场数值计算技术领域，且公开了一种基于有限差分的物理信息神经网络电磁场计算方法，其计算步骤包括：S1、求解域大小；S2、网格剖分；S3、构建神经网络；S4、损失函数计算；S5、边界条件处理；S6、训练神经网络；S7、模型验证以及结果分析。本方法利用神经网络的强大非线性映射能力来解决复杂的电磁场问题，同时使用了二阶中心差分方法将控制方程离散化，并将其作为网络训练的损失之一，使得网络在训练过程中遵循物理规律，从而提高了模型的物理逼真度，通过引入权重矩阵，动态调整不同区域的优化难度，从而使模型训练更为均衡，加快收敛速度并提高全局优化能力。
-
公开(公告)号：CN117725805B
公开(公告)日：2024-04-30
申请号：CN202410176561.0
申请日：2024-02-08
申请人： 合肥工业大学
IPC分类号： G06F30/23 , G06F30/27 , G06T17/20 , G06N3/084 , G06F18/15 , G06F18/2131 , G06F18/214 , G06F18/21 , G06F111/10 , G06N3/048
摘要： 本发明涉及深度算子网络技术领域，且公开了一种优化的深度算子网络的磁场快速计算方法，建立有限元模型：首先确定要研究的工程问题和结构参数，然后根据问题要求建立相应的有限元模型，确定边界条件，包括材料区域、磁导率、电流密度等参数，对有限元模型进行网格剖分，将结构分成多个小单元，形成网格。该优化的深度算子网络的磁场快速计算方法，通过在深度算子网络的基础上，用两个全连接神经网络，提取边界条件和格点坐标信息，利用傅里叶变换增加高频部分的权重，使得神经网络更快学习到数据中的高频部分，即高梯度区域，通过以哈达玛积的方式将材料区域和格点坐标进行融合，进一步提高预测精度。
-
公开(公告)号：CN117709170B
公开(公告)日：2024-04-19
申请号：CN202410161664.X
申请日：2024-02-05
申请人： 合肥工业大学
IPC分类号： G06F30/23 , G06F30/27 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本发明涉及深度算子网络技术领域，且公开了一种基于改进深度算子网络的磁场快速计算方法，确定模型和参数：首先确定建立的有限元模型类型以及结构参数，并基于这些参数进行网格剖分，在建立有限元模型时确定边界条件，包括磁场条件和材料参数。该基于改进深度算子网络的磁场快速计算方法，通过在深度算子网络的基础上，利用U‑net卷积神经网络提取相对磁导率信息，用两个全连接神经网络，提取边界条件和格点坐标信息，以哈达玛积的方式将相对磁导率和格点坐标进行融合，进一步提高预测精度，用变化的边界条件、网格顶点坐标和对应的有限元解构建训练集，经过训练后的网络能够快速预测未经训练边界条件下的电磁场分布。
-
公开(公告)号：CN117725805A
公开(公告)日：2024-03-19
申请号：CN202410176561.0
申请日：2024-02-08
申请人： 合肥工业大学
IPC分类号： G06F30/23 , G06F30/27 , G06T17/20 , G06N3/084 , G06F18/15 , G06F18/2131 , G06F18/214 , G06F18/21 , G06F111/10 , G06N3/048
摘要： 本发明涉及深度算子网络技术领域，且公开了一种优化的深度算子网络的磁场快速计算方法，建立有限元模型：首先确定要研究的工程问题和结构参数，然后根据问题要求建立相应的有限元模型，确定边界条件，包括材料区域、磁导率、电流密度等参数，对有限元模型进行网格剖分，将结构分成多个小单元，形成网格。该优化的深度算子网络的磁场快速计算方法，通过在深度算子网络的基础上，用两个全连接神经网络，提取边界条件和格点坐标信息，利用傅里叶变换增加高频部分的权重，使得神经网络更快学习到数据中的高频部分，即高梯度区域，通过以哈达玛积的方式将材料区域和格点坐标进行融合，进一步提高预测精度。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.023 秒)
