基于深度学习的时序图谱链路预测方法

    公开(公告)号:CN117972450A

    公开(公告)日:2024-05-03

    申请号:CN202410169715.3

    申请日:2024-02-06

    Abstract: 基于深度学习的时序图谱链路预测方法,它属于人工智能技术领域。本发明解决了现有方法预测准确性差的问题。本发明具体为:步骤一、对时序知识图谱中的数据进行预处理;步骤二、对预处理后的每个四元组进行格式转换,将各个格式转换后的四元组输入到图注意力网络,得到每个实体在历史不同时间戳以及当前时间戳下的结构特征;步骤三、对于任意实体s,将实体s在历史不同时间戳以及当前时间戳下的结构特征输入GRU网络,输出实体s在当前时间戳下的时序特征;步骤四、对实体的结构特征和时序特征进行融合,得到每个实体在当前时间戳下的融合特征;步骤五、计算四元组之间的相似性,以进行链路预测。本发明方法可以应用于时序图谱链路预测。

    一种基于PLC的风光储一体的新型电力系统

    公开(公告)号:CN118353060A

    公开(公告)日:2024-07-16

    申请号:CN202410448882.1

    申请日:2024-04-15

    Abstract: 本发明公开了一种基于PLC的风光储一体的新型电力系统。本发明中,实现储能运行管理中心变流器供电模式的选择及负载工作状态控制,通过力控组态软件实现远端监控,进行风光荷储网电压、电流等相关数据与磷酸铁锂电池组及单体电源的电压、电流、温度、SOC及SOH数据监控,整体上运行可靠,通过模块化电路设计,完成电池组状态检测、SOC估算、均衡管理和安全保护等功能,可以实现串联电池组的高效管理。本发明将电压测量精度在5mV以内,温度测量精度为1℃,具有较高的检测精度;基于SOC的主动均衡管理使电池组一致性控制在1%以内,具有较好的均衡效果,为实际应用提供较好的参考价值,从而进一步提高了整体电力系统在使用过程中的安全性和操作便捷性。

Patent Agency Ranking