-
公开(公告)号：CN102522743A
公开(公告)日：2012-06-27
申请号：CN201110350698.6
申请日：2011-11-08
Applicant: 西安交通大学
CPC classification number: Y04S40/24
Abstract: 本发明公开了一种在电力系统直流状态估计中防御假数据注入攻击的方法，它属于电力系统安全和控制技术领域，包括以下步骤：用加权最小二乘法对直流系统的实时状态进行估计，滤除量测噪声和随机干扰；用最大标准残差检验法对状态估计结果进行处理，检测和辨识量测量中的不良数据；用启发式算法计算假数据注入攻击最容易破坏的传感器量测量组合，对这组传感器进行加密保护，从源头阻断假数据注入攻击的发生。本发明能够准确、快速地对电力系统状态估计中的假数据注入攻击进行防御，提高了电力系统状态估计的准确性、安全性。
-
公开(公告)号：CN118898034A
公开(公告)日：2024-11-05
申请号：CN202411015258.9
申请日：2024-07-26
Applicant: 西安交通大学
IPC: G06F18/243 , G06N20/20 , G06N5/01 , G06F17/16 , G06F18/214 , G06F18/21 , G01D21/02
Abstract: 本发明公开了一种基于随机森林的受电弓碳滑板异常磨耗状况识别方法及系统，属于故障诊断与智能运维领域，该方法采集受电弓碳滑板磨耗的特征数据；对特征数据进行预处理，根据预处理后的特征数据建立输入矩阵和目标向量；将输入矩阵和目标向量作为训练数据，对随机森林回归模型进行训练，并通过交叉验证方式对随机森林回归模型进行参数调优，得到受电弓碳滑板异常磨耗的参数模型；基于受电弓碳滑板异常磨耗的参数模型的特征重要性指标，识别受电弓碳滑板异常磨耗的关键致因；该方法能够辨识受电弓碳滑板磨耗状况，并分析异常磨耗情况下的关键因素，在维持列车的运行安全方面有显著的作用。
-
公开(公告)号：CN113706332B
公开(公告)日：2024-03-29
申请号：CN202110872716.0
申请日：2021-07-30
Applicant: 西安交通大学
IPC: G06Q50/06 , G06Q30/0283 , G06N7/01 , G06F21/62
Abstract: 本发明提供的基于个体差分隐私的电力交易报价隐私保护方法及系统，首先通过现有的双边拍卖机制获取拍卖参与者的报价信息并进行拍卖。进而利用贝叶斯推断方法得到拍卖过程中每名参与者的隐私泄露概率，选择概率较高的参与者作为隐私保护对象。之后将差分隐私推广到个体角度，通过更改保护对象的拍卖结果实现隐私保护。计算效用方程后归一化得到保护对象新的拍卖获胜概率从而确定新的拍卖结果。通过这种隐私保护方法，可以显著降低隐私保护对象的隐私泄露风险。另一方面对保护对象拍卖结果的改变不影响其余参与者，拍卖结果只在小范围内做出调整，是一种有针对性的隐私保护算法。
-
公开(公告)号：CN116757495A
公开(公告)日：2023-09-15
申请号：CN202310635830.0
申请日：2023-05-30
Applicant: 西安交通大学
IPC: G06Q10/0637 , G06N5/04 , G06N7/01
Abstract: 本发明提供的基于多智能体强化学习的供应链治理方法及系统，首先根据供应链中具体情况明确博弈参与者的信息，然后依据斯塔克尔伯格博弈模型对该链进行建立多智能体博弈模型，基于博弈流程结合多智能体博弈模型建立马尔可夫过程，然后基于博弈过程以及博弈结果来构建深度强化学习模型，以最大化环境奖励链上收益为目标，通过领导者跟随者双方反复的交替博弈决策来训练模型。将训练完毕的模型应用于动态的市场下，加入市场中不同的扰动对模型进行优化。解决了传统启发式算法在求解多级优化模型中的收敛问题，大大加快了模型的求解速度，能为链上企业实时高效地提供在市场变化扰动下的决策方法，也为整个链提供快速达到收益最大化的治理方式。
-
公开(公告)号：CN112819307B
公开(公告)日：2023-08-18
申请号：CN202110092079.5
申请日：2021-01-23
Applicant: 西安交通大学
IPC: G06Q10/0631 , G06Q50/06 , G06N3/0442 , G06N3/08
Abstract: 本发明所述的一种智能电网中基于负载监督的需求响应方法及系统，通过对用户负载、环境温度等数据进行采集，采用负载监督模型对负载数据进行训练，之后利用训练出来的负载监督模型对用户短期负载消耗进行预测，得到的需求数据用来构建需求响应模型，在需求响应模型中，将多个用户聚合成一个微网，各个微网之间通过智能电表来进行调度信息的实时同步，供电方通过激励的方式来使得各个微网聚合端进行协作调度，最后使整个系统达到纳什均衡，也就是使所有微网的峰值比最低以及消耗函数最小，该方法解决了单个用户都只为了使自身成本降低进行的负载调度，导致系统整体峰值比没有下降的问题。
-
Patent Agency Ranking
公开(公告)号：CN110826888B
公开(公告)日：2022-06-07
申请号：CN201911039087.2
申请日：2019-10-29
Applicant: 西安交通大学
Abstract: 本发明提供的一种电力系统动态状态估计中数据完整性攻击检测方法，通过给电力系统的量测数据中注入攻击向量，采用包含攻击向量的量测数据对深度循环神经网络进行训练，并将深度循环神经网络的输入层到中间层输出之间的映射为特征提取器，提取量测数据的特征并结合量测数据的标签，对构建的联合分类器进行优化，利用循环神经网络提取智能电网量测信息的时空特征，并结合多个分类器联合进行电力系统的数据完整性攻击检测。
-
公开(公告)号：CN113008559B
公开(公告)日：2022-02-22
申请号：CN202110201225.3
申请日：2021-02-23
Applicant: 西安交通大学
IPC: G01M13/045 , G06F17/16 , G06F30/20
Abstract: 本发明公开了一种基于稀疏自编码器和Softmax的轴承故障诊断方法及系统，在原始稀疏自编码器中引入局部约束，得到改进的稀疏自编码器，在改进的稀疏自编码模型局部约束体现在编码器权重矩阵的归一化以及只保留隐藏层余弦相似度最大的k个激活单元形成原始样本的局部子空间，其对应的特征是样本x的k近邻，解码器通过保留的k个编码单元来重构输入。采集滚动轴承不同运行状态的振动信号作为训练集，用训练集训练局部稀疏自编码器模型和Softmax分类器模型，得到模型参数从而完成故障诊断分类模型的建立，由于考虑了振动信号的局部特征，因此局部稀疏自编码器学习到的特征更加完备，训练完后的模型准确率更高。
-
公开(公告)号：CN109001982B
公开(公告)日：2021-01-19
申请号：CN201811223073.1
申请日：2018-10-19
Applicant: 西安交通大学
IPC: G05B13/04
Abstract: 本发明公开了一种非线性系统自适应神经容错控制方法，建立一类多输入多输出非线性系统，采用间歇性故障模型得到执行器状态；采用多输入单输出的极限学习机神经网络对多输入多输出系统中的不确定性函数进行逼近；然后引入不等式避免控制器的奇异性问题，最后采用投影算子保证被估计参数的有界性。本发明采用极限学习机逼近系统的不确定函数，降低了对系统先验知识的依赖，引入一种连续的不等式避免了控制器的奇异性，同时采用投影算子保证估计参数的有界性，由间歇性执行器故障引起的跳变参数的界被明确保证，能够有效的补偿未知执行器间歇性故障和未知关联项对系统的影响。
-
公开(公告)号：CN105791280B
公开(公告)日：2019-05-03
申请号：CN201610112168.0
申请日：2016-02-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种抵御电力系统直流状态估计中数据完整性攻击的方法，包括以下步骤：用加权最小二乘方法对直流系统的实时状态进行估计；构建最小代价数据完整性攻击模型，以模拟攻击者的行为；用一种基于线性变换的算法求解最小代价数据完整性攻击，得到此时的最优攻击向量；在得知当前最优攻击向量的基础上，实现一种基于贪心算法的PMU优化配置防御策略，配置完成后，不仅从源头上防止了数据完整性攻击的发生，还同时保证了系统的完全可观测性。本发明能够准确、快速地对电力系统直流状态估计中的数据完整性攻击进行防御，提高了电力系统状态估计的准确性和安全性。
-
公开(公告)号：CN102183802B
公开(公告)日：2013-07-10
申请号：CN201110057399.3
申请日：2011-03-10
Applicant: 西安交通大学
IPC: G01W1/10
Abstract: 本发明公开了一种基于卡尔曼滤波与演化建模结合的气候预测方法，本方法首先通过卡尔曼滤波建立关于预测因子的线性模型，在此基础上利用非线性常微分方程数学模型去模拟逼近卡尔曼滤波中的误差序列，并进行误差预测。演化算法是用计算机模拟大自然的演化过程，特别是模拟生物演化过程来求解复杂问题的一类计算方法，具有自适应、自组织、自学习以及内在并行性等智能特性。将两种算法相结合，可以比单纯线性模型更好的模拟气候的自然特性，提高气候预测精度。通过本发明方法，可以对短期的日照时数、温度、降水量进行预测，从而提供短期气候的先验知识。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.024 seconds)
