-
公开(公告)号：CN117314070A
公开(公告)日：2023-12-29
申请号：CN202311218811.4
申请日：2023-09-20
Applicant: 华北电力大学
IPC: G06Q10/0631 , G06Q30/0207 , G06Q50/06 , G06Q50/30 , G06N3/008 , G06N3/092
Abstract: 本发明涉及一种基于非对称一致性学习的电动汽车参与需求响应方法，属于电力系统技术领域。其中，固定签约电动汽车固定需求响应系统实现固定签约电动汽车的非对称一致性优化，并由固定需求响应模块补足需求响应缺额并输出固定签约电动汽车调度成本，辅助灵活签约电动汽车需求响应优化；灵活签约电动汽车自主需求响应系统通过环境信息采集模块、智能体网络模块得到灵活签约电动汽车自主需求响应的功率，由自主需求响应模块执行需求响应并将结果输出，固定签约电动汽车根据需求响应缺额进行补足，同时，局部奖励模块、贡献占比分析模块、奖励聚合模块、柔性损失函数模块根据各模块结果计算柔性损失函数，传送至智能体网络模块进行学习优化。
-
公开(公告)号：CN114818306A
公开(公告)日：2022-07-29
申请号：CN202210414917.0
申请日：2022-04-16
Applicant: 华北电力大学 , 国网浙江省电力有限公司信息通信分公司 , 国家电网有限公司
IPC: G06F30/20 , G06Q10/04 , G06Q50/06 , H02J3/06 , H02J3/24 , H02J3/38 , G06F111/04 , G06F113/04 , G06F119/02
Abstract: 本发明涉及一种面向5G配电网的能源流信息流协同交互优化方法，属于网络通信技术领域。本发明能够借助网络微积分理论建立信息流模型，显式求解能源流优化对信息流的通信需求，分析5G配电网信息流对能源流的影响，避免了传统信息流建模方法中无法进行能源流与信息流耦合分析的问题，能够适用于5G配电网的电力系统分析，构建5G配电网多目标能源流优化模型，在满足可靠性与经济性的基础上实现配电网能源流优化，利用静态计算得出的通信资源，以及上一时隙能源流优化结果与实际能源流测量结果的偏差，对本时隙的通信资源分配进行调整，并通过连续的反馈迭代实现能源流和信息流融合的协同交互优化，最终达到资源分配优化目的。
-
公开(公告)号：CN111162852A
公开(公告)日：2020-05-15
申请号：CN201911406929.3
申请日：2019-12-31
Applicant: 华北电力大学
IPC: H04B17/382 , H04B17/391 , H04W4/70 , H04W24/02
Abstract: 本发明公开了一种基于匹配学习的泛在电力物联网接入方法，包括以下步骤：S1.构建系统模型；S2.对模型进行细化，得到任务/数据传输模型、能量消耗模型、时延模型和服务可靠性模型；S3.最大化长期的吞吐量，确定优化问题；S4.基于虚拟队列的理论和lyapunov优化理论，对优化问题进行转化；S5.通过学习与匹配实现在信道选择上的最优，进而实现吞吐量的最大化。本发明通过学习与匹配实现在信道选择上的最优，进而实现吞吐量的最大化；基于MAB理论、lyapunov优化理论和匹配理论，能量感知和服务可靠性感知与机器学习结合了起来，从而达到能量利用率和服务可靠性的最大与最优。
-
公开(公告)号：CN115278738B
公开(公告)日：2025-01-03
申请号：CN202210922541.4
申请日：2022-08-02
Abstract: 本发明涉及一种融合直流电力线载波的多模态通信网络组网方法，属于配电网组网技术领域。本发明设计的基于DQN的任务准入与流量适配联合优化算法能够有效处理高维复杂的环境状态信息，并通过深度强化学习做出最优的任务准入与流量适配决策，同时保障配电网直流监测业务的高可靠低时延通信服务需求。
-
公开(公告)号：CN117034165A
公开(公告)日：2023-11-10
申请号：CN202310855088.4
申请日：2023-07-12
Applicant: 华北电力大学
IPC: G06F18/2433 , G06F18/2413 , G06F18/23 , G06F16/906 , G06N3/0499 , G06N3/084
Abstract: 本发明涉及一种基于改进聚类小波神经网络的计量采集系统数据监测方案，该方案针对针对计量采集系统全链路数据监测场景，通过改进聚类算法对全链路数据进行分类，并采用熵函数改进小波神经网络针对分类后的数据进行监测，在解决全链路数据迸发问题的同时合理判断是否有异常数据产生，适应实际计量采集系统的复杂环境。此外，在网络训练阶段，神经网络采用熵函数改进设计代价函数，该策略使得神经网络反向更新更为有效，由此大大缩短神经网络训练时间。与现有技术相比，本发明利用改进聚类技术处理全链路数据，基于全链路数据自身特点自动进行分类，并将数据装入存储节点，解决了传统聚类易受初始聚类中心选取影响等问题，并利用基于熵函数改进的反向更新机制逐步缩小数据监测结果误差，确保全链路状态数据异常检测的真实性和有效性。
-
Patent Agency Ranking
公开(公告)号：CN111162852B
公开(公告)日：2020-10-27
申请号：CN201911406929.3
申请日：2019-12-31
Applicant: 华北电力大学
IPC: H04B17/382 , H04B17/391 , H04W4/70 , H04W24/02
Abstract: 本发明公开了一种基于匹配学习的泛在电力物联网接入方法，包括以下步骤：S1.构建系统模型；S2.对模型进行细化，得到任务/数据传输模型、能量消耗模型、时延模型和服务可靠性模型；S3.最大化长期的吞吐量，确定优化问题；S4.基于虚拟队列的理论和lyapunov优化理论，对优化问题进行转化；S5.通过学习与匹配实现在信道选择上的最优，进而实现吞吐量的最大化。本发明通过学习与匹配实现在信道选择上的最优，进而实现吞吐量的最大化；基于MAB理论、lyapunov优化理论和匹配理论，能量感知和服务可靠性感知与机器学习结合了起来，从而达到能量利用率和服务可靠性的最大与最优。
-
公开(公告)号：CN115149586A
公开(公告)日：2022-10-04
申请号：CN202210916474.5
申请日：2022-08-01
Applicant: 华北电力大学
Abstract: 本发明提供一种分布式能源聚合调控与自主调控协同优化方法及系统，包含设备层，边缘层和云层；设备层将负荷与电源信息上传至边缘层，边缘层训练局部模型上传至云层并接收云层下发的全局模型，同时根据全局模型与局部模型向设备层下发聚合调控与自主调控指令。包括以下步骤：(1)提出区域电网分布式能源调控系统模型；(2)构建分布式光伏总出力成本和供电可靠性联合优化问题；(3)基于一致性算法增强联邦深度强化学习的负荷聚合调控与分布式光伏自主调控两阶段协同优化。本发明提高局部模型的训练和调控优化性能，实现了信息不确定性下的全局决策优化，实现了电网运行的经济性和可靠性的联合优化。
-
公开(公告)号：CN112822234B
公开(公告)日：2022-03-22
申请号：CN202011599843.X
申请日：2020-12-29
Abstract: 本发明公开了一种车联网中基于移动边缘计算的任务卸载与资源分配方法，即一种车联网中基于深度强化学习的任务卸载方法，通过深度强化学习的任务卸载方法，应用于车联网处理高维状态信息的任务卸载，具体步骤包括：(1)构建系统模型框架建立车联网通信场景；(2)模型细化，对用户侧和服务器侧任务处理进行建模；(3)提出高可靠低时延约束与优化问题；(4)进行优化问题的转化并引入马尔科夫决策过程；(5)建立最优化问题模型，提出基于Deep Q‑learning Network的具有URLLC感知的任务卸载算法五个步骤构成。本发明同时考虑平均度量性能以及高阶统计量的性能，考虑了极端事件对通信可靠性的影响，使得用户车辆可以在保障URLLC通信需求的同时通过深度学习作出最优的任务卸载决策，满足其众多应用的高可靠低时延通信需求。
-
公开(公告)号：CN111182509A
公开(公告)日：2020-05-19
申请号：CN202010012710.1
申请日：2020-01-07
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于上下文感知学习的泛在电力物联网接入方法，包括以下步骤：S1.构建系统模型；S2.对构建的系统模型进行细化，得到任务数据/传输模型、能量消耗模型和时延模型；S3.基于最大化设备能效，构建优化问题；S4.基于虚拟队列的理论和lyapunov优化理论，对优化问题进行转化；S5.通过学习实现在信道选择上的最优，进而实现能效的最大化。本发明基于lyapunov优化理论，本发明将能量感知和服务可靠性感知与学习结合了起来，所以通过学习可以达到能量利用率和服务可靠性的最大与最优，提高了网络能量的利用效率以及网络服务的可靠性。
-
公开(公告)号：CN115149586B
公开(公告)日：2024-07-19
申请号：CN202210916474.5
申请日：2022-08-01
Applicant: 华北电力大学
IPC: H02J3/46 , H02J3/14 , H02J3/32 , G06F30/18 , G06F30/27 , G06Q50/06 , G06F113/04 , G06N3/045 , G06N3/092 , G06N3/098
Abstract: 本发明提供一种分布式能源聚合调控与自主调控协同优化方法及系统，包含设备层，边缘层和云层；设备层将负荷与电源信息上传至边缘层，边缘层训练局部模型上传至云层并接收云层下发的全局模型，同时根据全局模型与局部模型向设备层下发聚合调控与自主调控指令。包括以下步骤：(1)提出区域电网分布式能源调控系统模型；(2)构建分布式光伏总出力成本和供电可靠性联合优化问题；(3)基于一致性算法增强联邦深度强化学习的负荷聚合调控与分布式光伏自主调控两阶段协同优化。本发明提高局部模型的训练和调控优化性能，实现了信息不确定性下的全局决策优化，实现了电网运行的经济性和可靠性的联合优化。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.021 seconds)
