-
公开(公告)号:CN116383414A
公开(公告)日:2023-07-04
申请号:CN202310036553.1
申请日:2023-01-10
IPC分类号: G06F16/383 , G06F16/33 , G06F16/36 , G06F40/289 , G06F40/30 , G06N3/044 , G06N3/0895 , G06Q50/26 , G06N5/022
摘要: 本发明涉及一种基于碳核查知识图谱的智能文件评审系统及方法,系统包括:文本数据获取模块,获取碳核查阶段的双碳文本数据;知识图谱构建模块,基于双碳文本数据建立碳核查知识图谱;评审模块,获取待评审的碳盘查报告并基于碳核查知识图谱进行文件评审。与现有技术相比,本发明通过收集碳核查工作流程中相关的法规、政策、标准以及企业的碳盘查报告等文本数据,提取碳核查过程中相关的实体、关系,并通过知识推理的方式构建面向碳核查的双碳知识图谱;基于知识图谱提取依次提取各类文本中的相关实体及其数据,根据碳排放范围的界定、排放源类型、排放因子的选择以及碳排放计算公式核查企业碳排放报告中数据的完整性、一致性和准确性。
-
公开(公告)号:CN116662502A
公开(公告)日:2023-08-29
申请号:CN202310568188.9
申请日:2023-05-19
申请人: 上海电力大学
IPC分类号: G06F16/332 , G06F40/216 , G06F18/22 , G06N3/0455 , G06N3/09
摘要: 本发明涉及一种基于检索增强的金融问答文本生成方法、设备及存储介质,包括:设计了一个应用于金融领域的垂直域检索增强范式,通过双塔模型对问题和检索文档进行编码,并利用余弦相似度抽取语料库中与问题关键词相似度较高的文档进行召回,通过将问题与检索的金融文档进行拼得到的文本输入到生成模型并将输出概率进行加权的文本生成集成策略,利用匹配的金融检索文档的概率与语言模型输出序列的模糊度来训练金融文档检索器的优化方法。本发明提出了金融领域检索增强语言模型的新范式。在这个范式下,利用生成模型产生监督信号,从而去优化金融文档检索组件以适配生成模型,从而消除或减少幻觉即事实性错误的生成。
-
公开(公告)号:CN117791573A
公开(公告)日:2024-03-29
申请号:CN202311779230.8
申请日:2023-12-21
申请人: 上海电力大学
摘要: 本发明涉及一种基于量子蚁群算法的多场景下配电网故障恢复重构方法,包括以下步骤:建立配电网故障恢复重构问题,确定目标函数与约束条件,利用改进的量子蚁群算法求解该问题:算法初始化,生成初始解并修正;识别每个解下的配电网拓扑,进行潮流计算获得每个解的目标函数值,确定最优解;在每次迭代中,通过量子旋转门调整量子信息素,引入精英策略给予精英蚂蚁走过的路径额外信息素奖励,同时,使用量子非门对每一代选取的变异个体进行概率幅倒换;若满足迭代终止条件则输出最优解,作为最优配电网故障恢复重构方案,否则,更新解并重新计算目标函数,进行下一次迭代。与现有技术相比,本发明具有算法收敛速度快、准确率高等优点。
-
公开(公告)号:CN117522457A
公开(公告)日:2024-02-06
申请号:CN202311479061.6
申请日:2023-11-08
申请人: 上海电力大学
IPC分类号: G06Q30/0202 , G06F18/2337 , G06F18/10 , G06N20/00 , G06Q50/06
摘要: 本发明公开了一种基于云储能需求侧数据分析的用户画像方法,包括以下步骤:S1、获取云储能用户的基本信息与充放电行为数据;S2、对云储能需求侧数据进行预处理;S3、通过云储能用户基础信息、充放电数据、用户充放电预测和储能优化配置为目标,设计云储能用户标签体系,构建用户特征标签库;S4、计算统计类标签值,应用机器学习获取预测类标签值;S5、基于云储能用户特征标签库对用户进行模糊聚类分析,根据聚类结果确定云储能用户标签,构建用户画像。根据本发明,根据需求侧历史充放电行为对用户进行画像,提高未来充放电行为预测的准确性。
-
公开(公告)号:CN116245871A
公开(公告)日:2023-06-09
申请号:CN202310329483.9
申请日:2023-03-30
申请人: 上海电力大学
IPC分类号: G06T7/00 , G06V10/80 , G06V10/82 , G06V10/46 , G06V10/22 , G06V10/774 , G06N3/0464
摘要: 本发明涉及一种基于改进YOLOX算法的输电线路异常目标检测方法,包括以下步骤:1)输入待识别输电线路异常图像,经过预处理后调整为标准输入图像,基于改进YOLOX算法进行训练;2)利用Focus模型将高分辨率的图像拆分成多个低分辨率的图像;3)通过特征选择模块提取输入图像的特征,作为异常特征;4)对异常特征进行不断提取,并划分为P3、P4和P5三个有效特征层;5)将有效特征层的特征图输入PAFPN网络进行特征提取,将不同特征层的特征图进行高效融合,并输出不同特征层的特征图;6)对不同特征层的有效特征图进行异常目标的检测与定位。与现有技术相比,本发明具有异常目标检测精度高、降低算法复杂度等优点。
-
-
-
-