-
公开(公告)号：CN117910717A
公开(公告)日：2024-04-19
申请号：CN202311174739.X
申请日：2023-09-12
Applicant: 华北电力大学 , 国网山东省电力公司经济技术研究院
IPC: G06Q10/0631 , G06Q50/06 , G06N3/045 , G06N3/092
Abstract: 本发明提供一种基于深度强化学习的社区微电网能源管理方法及装置，方法应用于能源管理系统，能源管理系统与电能设备和家庭负载连接，方法包括：获取待使用状态，其中，待使用状态包括社区电能状态和家庭负载状态，将社区电能状态和家庭负载状态输入至预先训练完毕的动作预测神经网络，得到目标动作，其中，动作预测神经网络为基于训练样本、评估网络和目标网络采用深度强化学习的方式训练得到的神经网络，训练样本包括观测状态、预测动作和奖励因子，基于目标动作对社区电能设备和家庭负载进行能源管理。考虑了用户对用电设备的使用需求，能够更加精确地进行能源管理。
-
公开(公告)号：CN117217362A
公开(公告)日：2023-12-12
申请号：CN202311048365.7
申请日：2023-08-18
Applicant: 华北电力大学
IPC: G06Q10/04 , G06Q10/0633 , G06N3/044 , G06N3/0464
Abstract: 本发明涉及机器学习领域，本发明提供一种业务流程预测方法、装置、设备及可读存储介质，该方法包括：将事件日志中的各业务流程构建为事件轨迹；对所述事件轨迹进行转化得到高维稀疏特征向量，通过预设嵌入层将所述高维稀疏特征向量转变为低维稠密特征向量；将所述低维稠密特征向量输入业务流程预测模型，得到业务流程预测结果，所述业务流程预测模型是基于异构神经网络构建的。本发明实现同时通过不同的方式获取任务的特征表示，以减少信息的丢失，并将多任务学习模型优化部分的加权算法改进为自适应动态加权，提升训练效率和多个任务的并行预测精度。
-
公开(公告)号：CN114912581A
公开(公告)日：2022-08-16
申请号：CN202210495225.3
申请日：2022-05-07
Applicant: 奇安信科技集团股份有限公司 , 华北电力大学
Abstract: 本发明提供一种检测模型的训练方法、装置、电子设备和存储介质，涉及互联网技术领域，其中方法包括：接收服务器发送的当前通信轮次的全局模型参数；基于所述当前通信轮次的全局模型参数更新本地检测模型，得到更新后的本地检测模型的检测准确度和当前本地模型参数；在确定所述检测准确度大于或等于准确度阈值时，向所述服务器发送目标参数；所述目标参数用于所述服务器更新所述当前通信轮次的全局模型参数；所述目标参数包括所述当前本地模型参数，可以减少恶意或者性能不佳的本地模型对全局检测模型的影响，使得全局检测模型更偏向于性能好的本地检测模型，从而提高了全局检测模型的检测性能。
-
Patent Agency Ranking
公开(公告)号：CN116307176A
公开(公告)日：2023-06-23
申请号：CN202310258877.X
申请日：2023-03-17
Applicant: 华北电力大学
IPC: G06Q10/04 , G06Q30/015 , G06F18/241 , G06F18/25 , G06N3/04 , G06N3/08 , G06F40/205
Abstract: 本发明涉及一种客服中心场景下融合情感分析的业务流程预测方法，尤指一种在客服中心场景下，考虑通话时长属性，并且在使用深度学习技术执行预测的过程中进一步融合了通话中的情感信息的业务流程预测方法。本发明在事件基本属性的基础上引入客服与客户的通话时长属性，并根据预测模型的需要编码为一维序列或二维矩阵；采用情感分析技术对客服中心场景下提取的客服与客户的通话内容进行处理，转化为情感特征向量；构建深度学习预测模型，输入增加了客服与客户的通话时长维度的轨迹特征向量，并进一步融合通话转化的情感特征向量，对分类和回归业务流程预测任务进行预测，输出预测结果。该方法提升了客服中心场景下业务流程预测任务的预测效果。
-
公开(公告)号：CN114816680A
公开(公告)日：2022-07-29
申请号：CN202210232842.4
申请日：2022-03-09
Applicant: 华北电力大学
Abstract: 本发明提出一种基于CPU‑GPU架构的业务流程模型发现方法，包括，将事件日志从CPU拷贝到GPU中；将事件日志分为多个子日志；GPU中的一个线程调用一个子日志，将子日志转换为一个子直接跟随图；将线程中的所有子直接跟随图合并成为一个最终的直接跟随图；将最终的直接跟随图从GPU拷贝到CPU中，CPU将所述直接跟随图转换为流程模型。本发明充分利用GPU的大规模并行计算的特点，实现流程模型发现的高并行执行，加快业务流程模型发现的速度。其架构相比于分布式系统占据的计算机资源更小。
-
公开(公告)号：CN118550952A
公开(公告)日：2024-08-27
申请号：CN202410486378.0
申请日：2024-04-22
Applicant: 华北电力大学
Inventor： 程龙
IPC: G06F16/2458 , G06F16/22 , G06F16/28
Abstract: 本发明公开了一种从关系数据库中提取面向对象的事件日志的方法。所述方法包括：步骤S10，设定面向对象的事件日志的格式；步骤S20，基于输入的数据库表及其之间的关联关系，确定事件日志中对象的类别以及每种对象的标识符和属性，从数据库表中抽取对象集；步骤S30，基于输入的数据库表中的时间列和业务流程信息，确定事件日志中事件的类别以及每种事件的标识符和属性，从数据库表中抽取事件集。使用本发明的方法可提升事件日志的准确性，流程挖掘技术的效率，具有很好的应用前景。
-
公开(公告)号：CN118396294A
公开(公告)日：2024-07-26
申请号：CN202410486377.6
申请日：2024-04-22
Applicant: 华北电力大学
IPC: G06Q10/0631 , G06Q10/0633 , G06Q10/04 , G06Q50/04 , G06N3/045 , G06N3/092 , G06N10/20 , G06N10/60
Abstract: 本发明将量子多智能体强化学习应用于云制造调度问题中，借助量子神经网络在处理复杂信息方面的能力提高制造任务中制造资源配置的优化。本发明使用采用多智能体强化学习架构，将云制造平台中的每个任务接收器都视作一个智能体，每个智能体负责为其对应的制造任务的子任务分配合适的资源。本发明采用集中式训练分散式执行的方法来训练多智能体强化学习模型。针对每个智能体的Actor网络以及集中式Critic网络，本发明设计了一种固定的变分电路架构，以防止随机量子门带来的不确定性，这种设计保证了量子电路的稳定性和可控性。此外，本发明还使用一种密集编码方式，能够利用更少的量子比特位来映射经典数据维度。这种方法有效地提高了量子计算资源的利用率，同时降低了云制造调度过程中的计算复杂度。使得在标准计算平台上对复杂的云制造调度任务进行量子神经网络训练的实际模拟成为可能。本发明还设计了一种多目标的奖励机制，由制造任务最终完成时间，制造任务执行总成本共同决定。
-
公开(公告)号：CN116864037A
公开(公告)日：2023-10-10
申请号：CN202310785450.5
申请日：2023-06-29
Applicant: 国网湖北省电力有限公司超高压公司 , 许继电气股份有限公司 , 华北电力大学
IPC: G16C20/70 , G16C20/20 , G06F18/214 , G06F18/243 , G06F18/2413 , G06F18/27 , G06N3/006 , G06N5/01 , G01R31/62 , G01N33/00
Abstract: 本发明涉及一种油浸式变压器故障诊断方法，属于电力系统技术领域。本发明首先对采集到的油浸式变压器的故障数据进行处理并划分，然后制定变压器故障状态编码，构建分类回归树弱分类器模型并用加法学习方式训练弱分类器模型，通过使用麻雀搜索算法对分类器参数进行优化得到油浸式变压器的XGBoost故障诊断模型，对待测数据进行预测得到故障诊断结果。本发明使用麻雀搜索算法优化XGBoost模型，结构简单、易于实现，具有较好的全局探索和局部开发能力，在加速XGBoost模型训练的同时，提升了变压器故障诊断的准确性，使维修部门能够及时准确的维护变压器，显著降低油浸式变压器故障的频率，保证了电力系统安全稳定的运行。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.114 seconds)
