-
公开(公告)号：CN119940134A
公开(公告)日：2025-05-06
申请号：CN202510100691.0
申请日：2025-01-22
Applicant: 杭州电子科技大学
IPC: G06F30/27 , G06N3/0455 , G06N3/092 , G06N3/0442 , G06N3/048 , G06N3/084 , G06F113/04
Abstract: 本发明公开了基于Transformer‑PPO深度强化学习的光伏电站参数辨识方法，该方法首先获取光伏电站的实测数构建辨识训练数据集，建立与光伏电站实测曲线运行环境相同的等值数学模型。其次建立基于BPA软件的Transformer深度强化学习环境。最后Transformer深度强化学习环境中，根据等值数学模型，搭建Transformer‑PPO智能体模型，并输入辨识训练数据集进行参数辨识训练，得到最终辨识结果。本发明根据光伏电站模型，将深度强化学习算法PPO与Transformer深度学习模型架构相结合，来筛选参数并进行准确、快速的辨识。
-
公开(公告)号：CN118865494A
公开(公告)日：2024-10-29
申请号：CN202410869572.7
申请日：2024-07-01
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/084 , G06T5/20 , G06F17/11 , G06F17/16 , G06T7/246
Abstract: 本发明涉及一种基于时空兴趣点和时空图卷积的人体动作识别方法，首先收集人体动作相关视频，利用OPENPOSE对视频进行处理获取人体骨骼关节点；然后使用光流法建立高斯金字塔计算光流向量，再结合Gabor滤波和高斯滤波进行时空兴趣点的提取；将OPENPOSE输出的关节点和时空兴趣点进行匹配，形成新的节点特征，该节点特征包括输出的关键点位置、置信度、光流向量大小、时间以及光流向量角度。最后基于人体骨骼结构构造关键点时空图模型，并完成数据训练和测试。本发明基于骨骼识别结合时空兴趣点对人体动作进行识别，同时引入注意力机制，在时间和空间两个方面进行检测判断，提高了行为识别的准确度。
-
公开(公告)号：CN119891215A
公开(公告)日：2025-04-25
申请号：CN202411799414.5
申请日：2024-12-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于PPO‑HELM的电网潮流收敛调整方法，该方法首先利用HELM的潮流计算方法引入电压判稳指标和电压崩溃点指标。其次通过调整电网负荷水平生成潮流不收敛状态后，利用HELM计算该状态下的电压崩溃点指标值，并从大到小排序，根据排序结果选择前m个所对应的负荷节点参与潮流调整。然后根据电压判稳指标、电压崩溃点指标以及选择的负荷节点，建立基于HELM的PPO算法环境。最后构建目标函数，搭建PPO算法模型，输出潮流收敛调整动作，进行训练和测试。本发明减少需要进行电容器投切操作的负荷节点数量，缩短有功功率和无功功率调节时间，提高调整效率。
-
公开(公告)号：CN119401461A
公开(公告)日：2025-02-07
申请号：CN202411436745.2
申请日：2024-10-15
Applicant: 杭州电子科技大学
IPC: H02J3/06 , H02J3/14 , H02J3/46 , H02J3/48 , G06Q10/0631 , G06Q10/0639 , G06Q50/06 , G06N3/092
Abstract: 本发明提出了一种基于SAC‑HELM的电网潮流收敛性调整方法，所述方法包括以下步骤：步骤1、利用基于全纯函数嵌入的潮流计算方法的潮流计算方法建立电网模型，并引入电压判稳指标和电压崩溃点指标。步骤2、增加一个判断潮流收敛性的指标，筛选出参与潮流调整的发电机和负荷。步骤3、建立基于HELM的SAC模型，其中SAC的奖励结合电压判稳指标和电压崩溃点指标来设置；步骤4、对模型进行训练和测试，得到潮流收敛性调整的结果。该方法可使电网快速找到收敛解，大大减少了工作量。
-
-
-
Search Results
4
records
(took 0.018 seconds)
