-
公开(公告)号:CN119227909B
公开(公告)日:2025-03-25
申请号:CN202411722658.3
申请日:2024-11-28
Applicant: 中南大学
IPC: G06Q10/04 , G06N20/10 , G06N20/20 , G06N3/006 , G06Q10/063 , G06Q50/06 , G06F18/2431
Abstract: 本发明公开了一种基于改进白鲸算法的输电线路工程碳排放预测方法及系统。其中,方法包括获取输电线路工程建设碳排放量以及输电线路工程设计方案碳排放主要影响因素数据,构建数据集;对所述数据集中的数据进行预处理;构建支持向量机预测模型;利用改进白鲸算法寻找所述支持向量机预测模型的最优参数;将所述最优参数带入所述支持向量机预测模型,并将预处理后的数据集输入所述支持向量机预测模型,获得碳排放预测数据。本发明提供的方案采用改进白鲸优化算法对支持向量机核心参数进行优化,有效提升了模型碳排放预测的准确性,通过对输电线路工程设计方案碳排放的预测,能够为电网公司规划设计低碳成本的输电线路提供决策参考。
-
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:CN119180562A
公开(公告)日:2024-12-24
申请号:CN202411286791.9
申请日:2024-09-13
Applicant: 中南大学
IPC: G06Q10/0639 , G06Q10/10 , G06F16/215 , G06F16/22 , G06F21/62
Abstract: 本发明公开了一种环境质量数据管理系统、方法及存储介质,包括:数据采集单元、区块链数据验证单元、数据标记单元、数据访问控制单元和数据共享单元;数据采集单元用于采集环境质量数据,并将采集到的环境质量数据传输至区块链数据验证单元;区块链数据验证单元用于将接收到的环境质量数据记录在区块链的数据区块中,在验证完毕后传输至数据标记单元;数据标记单元用于为接收到的每个环境质量数据生成数据标识符和维护数据标识符的索引,并传输至数据访问控制单元;数据访问控制单元用于管理用户对环境质量数据的访问权限,并将访问控制权限传输至数据共享单元;数据共享单元通过数据共享算法控制环境质量数据进行共享。采用本发明提高了数据共享过程中的效率和安全性。
-
公开(公告)号:CN119150046A
公开(公告)日:2024-12-17
申请号:CN202411615659.8
申请日:2024-11-13
Applicant: 中南大学
IPC: G06F18/22 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/098 , G06F18/2113 , G06F18/213 , H02J3/00
Abstract: 本申请适用于电力负荷预测技术领域,提供了一种基于联邦学习的园区电力负荷预测方法,包括:客户端对园区的电力负荷数据序列进行EMD分解得到多个IMF分量;计算园区的气象温度序列与IMF分量之间的DTW距离,将DTW距离作为气象温度序列与IMF分量之间的相似度;对多个IMF分量进行排序,得到电力负荷分解分量序列;接收中央服务器下发的全局模型参数,利用电力负荷分解分量序列进行本地训练,将训练后的本地模型参数上传至中央服务器,使中央服务器进行全局参数聚合,将聚合后的全局模型参数下发至客户端,客户端使用新的全局模型参数进行下一轮的本地训练,直至模型收敛。本申请能提升联邦学习框架下的电力负荷预测准确率。
-
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。
-
公开(公告)号:CN118467643B
公开(公告)日:2024-10-01
申请号:CN202410926471.9
申请日:2024-07-11
Applicant: 中南大学
Abstract: 本申请适用于数据共享技术领域,提供了一种基于区块链的数据共享方法,该方法包括:根据已有共享数据对新数据进行调整得到新共享数据;根据新共享数据计算稀缺性分数和敏感性分数,并根据已有共享数据计算稀缺性分数和敏感性分数;基于新共享数据的稀缺性分数和敏感性分数、已有共享数据的稀缺性分数和敏感性分数进行聚类,得到目标聚类簇;确定出目标聚类簇的基准共享数据,并基于基准共享数据的稀缺性分数和敏感性分数计算得到新共享数据的相对贡献系数;基于相对贡献系数确定额外时长等级,并根据额外时长等级计算访问权限时长;根据访问权限时长,对用户节点访问已有共享数据的时长进行控制。本申请的方法能够提高共享数据的质量。
-
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:CN118245951A
公开(公告)日:2024-06-25
申请号:CN202410620917.5
申请日:2024-05-20
Applicant: 中南大学
IPC: G06F18/2433 , G06Q40/04
Abstract: 本申请适用于异常识别技术领域,提供了一种元宇宙系统的异常事件识别方法、装置、设备及介质,该方法包括:对用户账号的交易频率、交易金额、交易对象数量进行监测,确定出第一异常用户账号;获取与第一异常用户账号进行交易的目标用户账号,确定出第二异常用户账号;获取第一异常用户账号的交易日志以及第二异常用户账号的交易日志;对弱绑定代币的代币流通信息进行监测得到多个代币监测值;对价格锚定物的物品流通信息进行监测得到多个锚定物监测值;基于交易日志、代币监测值和锚定物监测值判断元宇宙系统在当前时间段是否存在异常事件。本申请的方法能够降低元宇宙系统的管理难度,进而保证元宇宙系统的秩序平衡,提高用户体验。
-
公开(公告)号:CN117604171A
公开(公告)日:2024-02-27
申请号:CN202311567367.7
申请日:2023-11-23
Applicant: 中南大学
Abstract: 本发明公开了一种钢铁冶炼高温废渣环保处理系统,涉及废渣处理领域。一种钢铁冶炼高温废渣环保处理系统,包括闷渣罐、罐盖,所述罐盖安装在闷渣罐上端,所述闷渣罐内安装有喷淋管,所述罐盖上接通有排气管,还包括:远离所述闷渣罐的一侧中间位置设置有排放管的处理罐,设置在所述闷渣罐的一侧,所述排放管的出气口与外界净化设备的进气口相接通;本发明在对高温废渣进行冷却产生的废气进行环保处理时,不仅可以将废气中的废渣颗粒从废气中滤除,当废渣颗粒将上滤盘、下滤盘上的滤孔堵塞后,还可以对上滤盘、下滤盘进行更好地疏通,有效地保证了上滤盘、下滤盘滤孔的通气效果,从而提高了对废气的处理效率。
-
公开(公告)号:CN117195066A
公开(公告)日:2023-12-08
申请号:CN202311047915.3
申请日:2023-08-21
IPC: G06F18/241 , G06F18/10 , G06F18/213 , H04L67/00 , G01R31/00
Abstract: 本发明适用于电力设备故障检测领域,提供了一种分布式电力设备故障检测方法,包括:A采集数据;B数据预处理;C数据编码,构建地标中心提取机制;D地标集合过滤和优化;E数据重构与模型迭代优化;F利用参数服务器进行参数优化,并将参数反馈给本地故障检测模型,完成最终的模型训练;G将电力设备的实时运行数据输入故障检测模型;H利用故障评价函数和故障阈值确定电力设备的故障情况,并根据需求推送故障信息。此外,本发明还提供一种分布式电力设备故障检测系统、存储介质及处理器。本发明能够同时检测多个电力设备是否发生故障,且能有效学习并识别电力设备运行数据中潜在的故障特征,提高设备故障检测的准确度和可靠性。
-
-
-
-
-
-
-
-
-