-
公开(公告)号：CN119962527A
公开(公告)日：2025-05-09
申请号：CN202311475189.5
申请日：2023-11-07
Applicant: 中国电力工程顾问集团华东电力设计院有限公司
IPC: G06F40/279 , G06N5/022 , G06N5/04
Abstract: 本申请涉及电力系统领域，公开了一种电力系统大语言模型的比评选测方法，可以通过量化和普适化的评测方法，找到最适合电力系统知识服务应用的大语言模型。该方法包括：将电力系统大语言模型划分成多个一级能力，为每个一级能力匹配权重系数。基于多个一级能力，将每个一级能力划分为多个维度的二级能力，为每个二级能力匹配相应的计算方法及调整系数。对一级能力的总分进行计算，一级能力的得分＝∑二级能力的得分×调整系数。对大语言模型整体能力的总分进行计算，大语言模型整体能力的总分＝∑一级能力的得分×权重系数。
-
公开(公告)号：CN119940063A
公开(公告)日：2025-05-06
申请号：CN202311471140.2
申请日：2023-11-06
Applicant: 中国电力工程顾问集团华东电力设计院有限公司
IPC: G06F30/27 , G06N3/0455 , G06N3/0442 , G06F111/10 , G06F113/06 , G06F111/08
Abstract: 本申请涉及电力系统领域，公开了一种电力系统仿真平台新能源场景数据模型生成方法，可以生成针对多样化新能源场景自适应的数据模型，模型定制度高且解释性较好。该方法包括：获取机理模型，使用机理模型对新能源场景仿真得到仿真结果数据。基于仿真结果数据的多个参数，构建每个参数在仿真时序上的样本序列，计算参数与序列之间的线性相关性，选择相关系数的绝对值>0.6的参数作为新能源场景的关键参数。将关键参数输入至多套相同或不同类型的处理时序数据的模型，学习关键参数之间在时序上的相关动态特征，将多套训练完成的处理时序数据的模型整合生成新能源场景自适应的整体数据模型。
-
公开(公告)号：CN119720067A
公开(公告)日：2025-03-28
申请号：CN202311250729.X
申请日：2023-09-26
Applicant: 中国电力工程顾问集团华东电力设计院有限公司
Inventor： 朱祺
IPC: G06F18/25 , G06F18/214 , G06Q50/06 , G06F18/213
Abstract: 本申请公开了一种基于多模融合的数据采样周期整合方法，包括数据预处理部分、模型训练部分、缺失值填充部分；数据预处理部分包括以下步骤：(S1)接收来自多个采样周期不同的传感器的数据；(S2)选择采样周期最小的传感器的数据，以时间戳为基准整合数据；(S3)将时间戳转化为十进制数值形式；(S4)以传感器为单位筛选出需要进行缺失值填充的传感器数据；模型训练部分包括：训练数据集、交叉验证数据集、测试数据集，经过数据预处理部分的数据通过多模融合的方式，建立时间特征与传感器数据之间的关系；在缺失值填充部分中，对于(S4)中所得到的缺失值进行填充。本申请解决了不同采样周期传感器数据的整合的问题。
-
公开(公告)号：CN114153829B
公开(公告)日：2023-01-20
申请号：CN202111441596.5
申请日：2021-11-30
Applicant: 中国电力工程顾问集团华东电力设计院有限公司
IPC: G06F16/215 , G06F16/22 , G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种用于能源大数据的跨时空双向数据缺失值填充方法和装置，该方法包括：在待训练目标数据表格中筛选出含缺失值的行作为第一数据表，并筛选出数据齐整的行作为第二数据表；根据第二数据表计算各特征的平均值和中值；采用0值、平均值和中值对第一数据表中各特征对应列的缺失值进行填充，将填充后的第三数据表、第四数据表和第五数据表插入第二数据表，形成第六数据表、第七数据表和第八数据表；将第六数据表、第七数据表和第八数据表按照50％比例以时间为作为键值拆分为第一训练数据集和第一交叉验证数据集、第二训练数据集和第二交叉验证数据集以及第三训练数据集和第三交叉验证数据集，并对目标神经网络进行训练，以获取预测模型。
-
Patent Agency Ranking
公开(公告)号：CN114925611A
公开(公告)日：2022-08-19
申请号：CN202210576947.1
申请日：2022-05-25
Applicant: 中国电力工程顾问集团华东电力设计院有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本发明提供一种综合能源系统的建模方法、装置，方法包括：确定多个历史时间，并获取综合能源系统在每个历史时间下的多个特征；从多个特征中选择一个目标特征和多个非目标特征；将每个历史时间对应的多个非目标特征进行降维处理；根据多个历史时间对应的时间特征、多个历史时间对应的目标特征和降维后的非目标特征对每个神经网络模型进行训练；将训练后的神经网络模型进行融合处理，以得到目标神经网络模型。由此，以历史时间作为对齐数据，通过对历史时间下的多个特征对多个神经网络模型进行训练得到需要的模型，即无需数学原理即可实现对综合能源系统、系统中的电源设备的建模，可以在提高建模准确性的同时降低建模成本。
-
公开(公告)号：CN119539849A
公开(公告)日：2025-02-28
申请号：CN202411627925.9
申请日：2024-11-14
Applicant: 中国电力工程顾问集团华东电力设计院有限公司
IPC: G06Q30/0201 , G06Q30/0283 , G06Q50/06
Abstract: 本申请涉及微电网技术领域，公开了一种多虚拟电厂碳共享优化方法。该方法包括：建立单个虚拟电厂优化模型，考虑虚拟电厂(VPP)间碳共享；建立基于碳共享贡献度的多虚拟电厂非对称纳什议价模型，包括：基于碳共享贡献度量化各虚拟电厂的议价能力、建立基于碳共享贡献度的多虚拟电厂(MVPP)非对称纳什议价模型；求解MVPP非对称纳什议价模型，分解成两步求解：求解合作联盟成本最小化模型得到VPP共享的碳配额量、求解MVPP非对称纳什议价模型得到VPP的共享碳价。与现有技术相比，本发明建立了一种MVPP碳共享优化方法，并采用基于碳共享贡献度的非对称纳什议价博弈求解VPP的碳共享策略，降低了各VPP的碳成本，提高了各VPP的经济效益，通过碳共享贡献度高的VPP分配到的收益越大，保证了收益分配的公平性。
-
公开(公告)号：CN114153829A
公开(公告)日：2022-03-08
申请号：CN202111441596.5
申请日：2021-11-30
Applicant: 中国电力工程顾问集团华东电力设计院有限公司
IPC: G06F16/215 , G06F16/22 , G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种用于能源大数据的跨时空双向数据缺失值填充方法和装置，该方法包括：在待训练目标数据表格中筛选出含缺失值的行作为第一数据表，并筛选出数据齐整的行作为第二数据表；根据第二数据表计算各特征的平均值和中值；采用0值、平均值和中值对第一数据表中各特征对应列的缺失值进行填充，将填充后的第三数据表、第四数据表和第五数据表插入第二数据表，形成第六数据表、第七数据表和第八数据表；将第六数据表、第七数据表和第八数据表按照50％比例以时间为作为键值拆分为第一训练数据集和第一交叉验证数据集、第二训练数据集和第二交叉验证数据集以及第三训练数据集和第三交叉验证数据集，并对目标神经网络进行训练，以获取预测模型。
-
公开(公告)号：CN118784086A
公开(公告)日：2024-10-15
申请号：CN202410948762.8
申请日：2024-07-16
Applicant: 中国电力工程顾问集团华东电力设计院有限公司 , 国家能源集团泰州发电有限公司
IPC: H04B10/61
Abstract: 本发明涉及光通信技术领域，具体为一种无光滤波器的扩展带宽外差相干接收机构的控制方法。其中无光滤波器的扩展带宽外差相干接收机构包括第一分光器模块和第二分光器模块，第一分光器模块输出端分别连接第一偏振分束器模块和第二偏振分束器模块，第二分光器模块输出端分别连接第三分光器模块和第四分光器模块，第二分光器模块输出端与第四分光器模块之间设置有光延时线，第一偏振分束器模块、第二偏振分束器模块、第三分光器模块和第四分光器模块的输出端均连接有光耦合器模块，光耦合器模块通过平衡光电探测器模块连接电信号重组模块。本发明涉及到机构光信噪比灵敏度较好，降低一半的带宽要求同时对不同信号偏振旋转角仍然具有较好的稳定性。
-
公开(公告)号：CN114004276A
公开(公告)日：2022-02-01
申请号：CN202111138437.8
申请日：2021-09-27
Applicant: 中国电力工程顾问集团华东电力设计院有限公司
Abstract: 本发明提供一种时间特征的处理方法、处理装置，所述方法包括：将训练数据集中的时间特征转化为十进制的数值型时间特征后，采用聚类算法对训练数据集进行聚类，并输出聚类结果；采用至少一种用于分类的机器学习算法对时间特征和聚类结果进行机器学习；采用交叉验证数据集验证机器学习算法输出结果的准确性，直到训练出符合要求的分类模型；将测试数据集中的时间特征转化为十进制的数值型时间特征后，输入分类模型，以使分类模型输出分类结果。本发明将时间特征数据转化成十进制的数值型数据后再进行学习，可以解决因其形式特殊而造成的问题，且从训练数据集和测试数据集双向对于时间特征进行学习，可以显著提高学习模型的准确程度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.046 seconds)
