-
公开(公告)号：CN117239796B
公开(公告)日：2024-02-06
申请号：CN202311512166.7
申请日：2023-11-14
Applicant: 湘江实验室
Abstract: 本申请适用于光储技术领域，提供了一种光储系统的控制方法、设备及介质，储能单元采用考虑频率支撑的储能逆变器跟网型控制策略，光伏单元采用考虑MPPT的光伏逆变器构网型控制策略，该方法包括：若储能单元的SOC值位于电荷充足区间内，则判断电网所需要的有功功率是否为0；若不为0，则光伏单元基于光伏逆变器构网型控制策略向电网注入功率，储能单元主要用于平滑光伏单元的输出功率，并当电网的频率发生变化时，储能单元基于储能逆变器跟网型控制策略为电网提供惯性支撑和一次调频所需要的有功功率；否则，储能单元和光伏单元一起响应电网的频率变化。本申请既能提高单相级联光储系统的稳定性，还能提高光伏能量的利用率。
-
公开(公告)号：CN117111451B
公开(公告)日：2024-02-02
申请号：CN202311376911.X
申请日：2023-10-24
Applicant: 湘江实验室
Abstract: 本发明公开一种基于源网荷储拓扑的多能源系统智能调控方法及装置，该方法的步骤包括：以等效碳排放量以及用能成本量最小为优化目标构建优化目标函数，用能成本量根据能源系统设备运维消耗量、能源转换过程中损失量以及能量消耗量计算得到，能源转换过程中损失量根据各能源系统获取或输出能量的损失率计算得到；以构建的优化目标函数为优化目标，求解不同碳排放要求下各能源系统的实时运行功率的控制量，得到各能源系统的实时运行功率的最优控制量；按照确定出的最优控制量控制各能源系统的实时运行功率。本发明能够提高可再生能源消纳，提升系统运行效率，优化用能成本以及降
-
公开(公告)号：CN117111451A
公开(公告)日：2023-11-24
申请号：CN202311376911.X
申请日：2023-10-24
Applicant: 湘江实验室
IPC: G05B13/02
Abstract: 本发明公开一种基于源网荷储拓扑的多能源系统智能调控方法及装置，该方法的步骤包括：以等效碳排放量以及用能成本量最小为优化目标构建优化目标函数，用能成本量根据能源系统设备运维消耗量、能源转换过程中损失量以及能量消耗量计算得到，能源转换过程中损失量根据各能源系统获取或输出能量的损失率计算得到；以构建的优化目标函数为优化目标，求解不同碳排放要求下各能源系统的实时运行功率的控制量，得到各能源系统的实时运行功率的最优控制量；按照确定出的最优控制量控制各能源系统的实时运行功率。本发明能够提高可再生能源消纳，提升系统运行效率，优化用能成本以及降低碳排放量。
-
公开(公告)号：CN119154411B
公开(公告)日：2025-03-04
申请号：CN202411645607.5
申请日：2024-11-18
Applicant: 中南大学
IPC: H02J3/46 , H02J3/32 , G06N3/126 , G06Q10/0631 , G06Q50/06
Abstract: 本申请涉及微电网技术领域，提供了一种基于特征空间的微电网调度优化方法及相关设备，该方法包括：基于供电负荷、负荷平均购电单价和平均碳排放量，利用特征空间计算目标微电网的可再生能源利用效率、目标微电网与主网的交换功率；根据可再生能源利用效率构建微电网日前调度优化模型；根据目标微电网与主网的交换功率构建对目标微电网进行调度优化的约束条件；在约束条件的约束下，利用改进后的遗传算法对所述微电网日前调度优化模型进行求解，得到目标微电网的最优调度策略；利用最优调度策略对目标微电网进行调度。本申请的方法能够提高微电网调度优化的可靠性和准确性。
-
公开(公告)号：CN118798395A
公开(公告)日：2024-10-18
申请号：CN202411278271.3
申请日：2024-09-12
Applicant: 中南大学
Abstract: 本申请适用于联邦学习技术领域，提供了一种基于多数据联盟的协同训练方法，该协同训练方法包括任务发起方联盟节点发送协同训练请求；信息计算方联盟节点接收到协同训练请求后，采集每个数据联盟节点的通信信息，计算链路质量，确定协同训练路径；任务发起方联盟节点对自身的原始本地模型进行协同训练，构建本地复合数据集，计算协同训练后的本地模型和原始本地模型的评估分数；若评估分数小于预设分数阈值，则对协同训练后的本地模型进行个性化训练；否则，将协同训练后的本地模型作为最终本地模型。本申请可以在没有集中式高级服务器进行数据聚合的情况下，实现多个数据联盟节点之间的协同训练，提高数据联盟节点中本地模型的准确度。
-
Patent Agency Ranking
公开(公告)号：CN118378722B
公开(公告)日：2024-09-24
申请号：CN202410807736.3
申请日：2024-06-21
Applicant: 中南大学
IPC: G06N20/00 , G06F18/213 , G06F18/23
Abstract: 本发明涉及联邦学习技术领域，具体公开了一种面向数据多元异质场景下的聚类联邦学习方法，首次将向量量化变分自编码器融入联邦学习框架中，以向量量化变分自编码器有效学习并映射本地数据分布至离散特征空间，通过利用此离散空间变量的相似度执行客户端聚类，既保护了本地数据隐私，又有效地压缩了特征表示，同时引用特征锚点进行不同客户端特征字典中的特征对齐，保证了不同客户端特征字典的同一个位置在同一特征空间，进而确保了跨客户端聚合的一致性，解决了传统的面向数据多元异质场景下的联邦学习，因数据的异质性因素会削弱模型在整体数据集上的泛化能力，增加模型对特定客户过拟合风险以及存在任务不平衡的问题。
-
公开(公告)号：CN116070624A
公开(公告)日：2023-05-05
申请号：CN202310359002.9
申请日：2023-04-06
Applicant: 中南大学
IPC: G06F40/279 , G06F40/30 , G06N3/049 , G06N3/08 , G06N3/0464
Abstract: 本申请适用于司法类案推送技术领域，提供了一种基于环保案件要素的类案推送方法，包括：将待办案件的案件文本信息转化为文本序列，并获取文本序列的向量化表示和实体序列；获取文本序列的特征表示；将特征表示输入BiLSTM神经网络中进行前后语义依赖关系的建模，得到关键特征表示；利用获取待办案件的关键要素表示；对关键要素表示和实体序列进行信息融合，得到待办案件的全局语义信息表示；从检索案例池确定待办案件的候选类案；根据待办案件和候选类案的关键要素表示和全局语义信息表示，构建匹配目标函数；通过匹配目标函数完成Top‑K推荐任务，得到待办案件的Top‑K个候选类案。本申请能提升生态环保类案件的类案的匹配精度。
-
公开(公告)号：CN119884672A
公开(公告)日：2025-04-25
申请号：CN202510379380.2
申请日：2025-03-28
Applicant: 中南大学
IPC: G06F18/20 , G06N3/0464 , G06N3/082 , G06Q10/04 , G06Q50/06 , G06F18/15 , G06F18/213 , G06F18/25 , G06F123/02
Abstract: 本发明提供了一种流域水质预测方法、装置、设备及介质，获取多个水质监测站点的历史水质监测数据输入构建的多指标水质预测模型，对多指标水质预测模型进行训练，得到训练后的多指标水质预测模型；将目标流域的历史水质监测数据输入训练后的多指标水质预测模型进行水质预测，得到目标流域的未来水质指标预测结果；多指标水质预测模型使用水质特征提取模块在时间和通道维度上分别捕获水质监测数据的波动趋势与不同水质指标间的潜在交互影响信息，通过加入时间特征提取模块将历史水质监测数据的时间戳进行编码后，分别给每个预测水质指标添加时间因素以增加模型捕获水质监测数据的时间波动趋势，提高模型的预测性能，进而提高了水质预测的精度。
-
公开(公告)号：CN119784129A
公开(公告)日：2025-04-08
申请号：CN202411649919.3
申请日：2024-11-19
Applicant: 中南大学
IPC: G06Q10/0635 , G06Q50/06 , G06F18/2411 , G06F18/2321
Abstract: 本发明公开了一种基于向量机的新能源电力系统综合安全风险评估方法，依据设备类型对整个新能源电力系统进行设备类型划分；结合新能源电力系统历史工作数据，构建电力系统多类型设备不同运行场景的相关性模型；使用相关性模型，计算得到不同类型设备的多业务场景样本集；为每一类型设备的每一业务场景随机分配一种新能源电力系统的基本运行环境，并获取新能源电力系统在对应基本运行环境下的综合安全风险指标；基于多业务场景样本集，利用核支持向量机算法，建立并训练新能源电力系统的综合安全风险评估模型；基于综合安全风险评估模型，对新能源电力系统的综合运行安全风险进行评估。本发明避免了繁琐的数学建模，提升新能源利用效益。
-
公开(公告)号：CN119557768A
公开(公告)日：2025-03-04
申请号：CN202510120515.3
申请日：2025-01-25
Applicant: 中南大学
IPC: G06F18/2415 , G06Q10/0635 , G06Q50/06 , G06F18/214
Abstract: 本发明涉及电力系统故障风险诊断技术领域，具体公开了一种电力系统故障风险诊断方法及系统，通过搭建电力系统故障风险诊断系统，基于电力系统故障风险诊断系统实施电力系统故障风险诊断方法，在本方法中，建立基于时间变化的时空动态模型，以实时获取各个节点状态和各个线路状态作为输入，通过时空动态模型实现对其下一时刻状态的预测，进而对系统故障进行多维度分析，最后由智能决策与反馈调整单元来进行对电力系统故障风险概率的计算，并进行判别、精确对比划分故障等级，解决了传统的风险诊断模型，存在缺乏对不同灾害情境的通用数学建模，难以全面反映灾害对电力系统的多重影响的问题。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.025 seconds)
