一种基于深度学习的电动汽车集群充电负荷区间预测方法

    公开(公告)号:CN119813166A

    公开(公告)日:2025-04-11

    申请号:CN202411817970.0

    申请日:2024-12-11

    Abstract: 本发明公开了一种基于深度学习的电动汽车集群充电负荷区间预测方法,属于电气工程技术领域。所述方法包括:首先,建立QR‑LSTM神经网络模型;然后,选择包含历史同一时间点的充电功率与日历信息的数据集作为输入变量,在此基础上,对日历信息采用one‑hot编码方法进行处理以转换为数值变量;接着,在模型的训练过程中,将数据集采用滑动窗口法进行处理,并对数据进行归一化处理;训练好的模型即可对配电台区内电动汽车集群充电负荷进行区间预测。本发明考虑到电动汽车充电负荷的不确定性,提出的预测方法能够对电动汽车集群充电负荷进行区间预测;预测结果可以为电网规划,需求响应等提供理论支撑。

    一种基于串行集成学习的定向漏洞挖掘方法及系统

    公开(公告)号:CN115510455A

    公开(公告)日:2022-12-23

    申请号:CN202211251160.4

    申请日:2022-10-13

    Abstract: 本发明公开了一种基于串行集成学习的定向漏洞挖掘方法及系统,对代码训练集进行标签化后形成带有标签的训练集,抽取其中漏洞代码训练集做数据预处理,对预处理后的漏洞代码做敏感函数定位,得到包含敏感函数的语句;利用程序控制流图CFG获取与该语句相关的程序切片,基于漏洞训练集代码的数量,利用无敏感语句的代码训练集与其混合形成均匀的训练集模块;将赋予初始权重的训练集样本送入到CART决策树的弱分类器中进行训练,通过计算得到分类误差率和迭代次数是否满足要求来调整权重系数并重新学习,按照加权集成的方式形成最终强分类器,实现测试样本分类,完成漏洞挖掘。本方法考虑了代码的上下文依赖关系,降低了传统漏洞挖掘的误报率和漏报率。

    一种需求响应与用电权联动管理方法和装置及计算机设备

    公开(公告)号:CN115438917A

    公开(公告)日:2022-12-06

    申请号:CN202210966363.5

    申请日:2022-08-12

    Abstract: 本发明公开了一种需求响应与用电权联动管理方法和装置及计算机设备,属于电力系统技术领域。现有的用电需求响应方案,无法对用电需求侧响应负荷进行有效调节,不利于推广使用。本发明的一种需求响应与用电权联动管理方法,通过构建用电处理模型、需求响应与用电权联动机制模型、电力需求响应机制模型,在用户之间完成关于需求响应量、用电权的处理,得到用户实际要参与的需求响应量以及用电权;当需要有序用电时,基于用户的需求响应量,计算出用户的削减量;再根据削减量,对若干用户的用电权进行调控,实现需求响应与用电权联动管理,进而能够对用电需求侧响应负荷进行有效调节,并且能提升用户参与需求响应的积极性,利于推广使用。

Patent Agency Ranking