-
公开(公告)号：CN119561045A
公开(公告)日：2025-03-04
申请号：CN202411824557.7
申请日：2024-12-12
Applicant: 烟台大学
IPC: H02J3/00 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及电力调度优化技术领域，尤其是涉及一种基于强化学习的多源电力实时调度优化方法及系统。方法，包括获取分时段的发电设备需求负载信息数据；构建混合风火分布式发电的最佳调度策略模型；采用蒙特卡洛方法和double‑Q学习算法优化最佳调度策略模型；利用最佳调度策略模型进行多源电力实时调度优化。本发明通过强化学习方法实时优化多源电力的调度方法，寻找最优电力调度策略，与传统方法相比，降低电力成本15%以上，同时能够实现自动化调度，减少人工干预和经验依赖。
-
公开(公告)号：CN119180041A
公开(公告)日：2024-12-24
申请号：CN202411308263.9
申请日：2024-09-19
Applicant: 烟台大学
IPC: G06F21/60 , G06F21/64 , G06F16/13 , G06F16/176 , G06F18/213
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于区块链的司法大数据共享查询方法及系统。方法，包括获取相关案件的证据材料；利用字节提取技术对证据材料进行特征提取，得到证据材料的关键词；根据关键词确定证据材料之间的关系，构建证据关系图，并基于证据关系图生成证据链；利用关系属性加权算法计算每个数据链的分数值，并排序；将证据材料和证据链打包后，使用加密密钥对文件进行加密，并使用哈希算法获取文件的哈希值；将文件上传到司法网络系统并存储解密密钥和哈希值。本发明显著提高了数据安全性，利用区块链的去中心化特性和不可篡改性，保障了数据在存储和传输过程中的完整性，从而增强了司法公正性。
-
公开(公告)号：CN118861961A
公开(公告)日：2024-10-29
申请号：CN202411354085.3
申请日：2024-09-27
Applicant: 烟台大学
IPC: G06F18/2433 , G06F18/2131 , G06F18/2135 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于LSTM‑VAE网络的电网数据异常检测方法及系统。方法包括获取智能电网数据；构建长短时记忆网络和VAE的LSTM‑VAE网络模型；利用智能电网数据对LSTM‑VAE网络模型进行网络训练；利用训练好的模型进行电网异常检测。本发明结合LSTM和VAE的优势，LSTM能够有效处理电网数据的时序性，捕捉故障前后不同时间点数据的变化趋势和规律；VAE则通过学习数据的潜在分布，更好地重构数据和检测异常。两者结合可以更准确地识别电网数据中的异常情况。
-
公开(公告)号：CN118861956A
公开(公告)日：2024-10-29
申请号：CN202411345345.0
申请日：2024-09-26
Applicant: 烟台大学
IPC: G06F18/2433 , G06F18/213 , G06F18/241 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/088
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于图神经网络的电力系统数据异常检测方法及系统。方法，包括获取电力系统数据；根据获取的电力系统数据，生成图结构；利用图卷积神经网络对图结构的节点特征进行初步特征提取，得到特征序列；使用基于异常注意机制的编码器从特征序列中进一步提取特征，得到注意力分数；使用基于多头注意力机制的解码器重构编码器提取的特征，并计算重构误差；根据重构误差计算异常得分，基于异常得分判断是否存在异常。本发明通过引入基于图结构的深度学习技术，结合图卷积神经网络和异常注意机制，有效提升了电力系统中异常检测的精度和效率。
-
公开(公告)号：CN118861961B
公开(公告)日：2025-02-28
申请号：CN202411354085.3
申请日：2024-09-27
Applicant: 烟台大学
IPC: G06F18/2433 , G06F18/2131 , G06F18/2135 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于LSTM‑VAE网络的电网数据异常检测方法及系统。方法包括获取智能电网数据；构建长短时记忆网络和VAE的LSTM‑VAE网络模型；利用智能电网数据对LSTM‑VAE网络模型进行网络训练；利用训练好的模型进行电网异常检测。本发明结合LSTM和VAE的优势，LSTM能够有效处理电网数据的时序性，捕捉故障前后不同时间点数据的变化趋势和规律；VAE则通过学习数据的潜在分布，更好地重构数据和检测异常。两者结合可以更准确地识别电网数据中的异常情况。
-
Patent Agency Ranking
公开(公告)号：CN118862950A
公开(公告)日：2024-10-29
申请号：CN202411364712.1
申请日：2024-09-29
Applicant: 烟台大学
IPC: G06N3/042 , G06N3/0464 , G06N3/045 , G06F18/20
Abstract: 本发明涉及故障诊断技术领域，尤其是涉及一种基于图结构联合优化的工业设备故障诊断方法及系统。方法包括获取原始设备数据集；根据原始设备数据集构建原始图结构；基于原始图结构提取两个基本视图，利用GCN计算基本视图的图节点嵌入，基于图节点嵌入重新计算图结构中边的概率；基于图结构中边的概率进行视图融合，得到初步优化后的视图；通过GAT网络处理融合视图，得到增强视图；本发明优化了传统故障诊断中遇到的预测精准度低和鲁棒性差等问题，从而显著提升了工业互联网设备的稳定性。
-
公开(公告)号：CN118861945A
公开(公告)日：2024-10-29
申请号：CN202411327885.6
申请日：2024-09-24
Applicant: 烟台大学
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于卷积注意力网络的动态电力特征融合方法及系统。方法，包括获取电力数据；对获取的电力数据进行预处理；对预处理的电力数据进行初步分类后进行特征提取；构建基于时空图卷积注意力网络的电力预测模型；利用基于时空图卷积注意力网络的电力预测模型对提取的特征进行预测；利用Adam 优化器并基于学习率衰减策略对模型进行测试与验证。本发明在电力系统节点分类任务中显著提高了分类准确率。
-
公开(公告)号：CN108650074A
公开(公告)日：2018-10-12
申请号：CN201810432002.6
申请日：2018-05-08
Applicant: 烟台大学
Abstract: 本发明的目的在于提供一种基于参数辨识的单通道混沌系统加密通讯方法，首先进行信号掩盖加密；将含带参数的发送端驱动系统混沌信号生成；接收端响应混沌系统的构造；误差信号与同步规律的构造；最后含待解密信息的未知参数进行辨识与信息解密。本发明的有益效果是该加密通讯方案具有高度的安全性。
-
公开(公告)号：CN118862950B
公开(公告)日：2025-03-07
申请号：CN202411364712.1
申请日：2024-09-29
Applicant: 烟台大学
IPC: G06N3/042 , G06N3/0464 , G06N3/045 , G06F18/20
Abstract: 本发明涉及故障诊断技术领域，尤其是涉及一种基于图结构联合优化的工业设备故障诊断方法及系统。方法包括获取原始设备数据集；根据原始设备数据集构建原始图结构；基于原始图结构提取两个基本视图，利用GCN计算基本视图的图节点嵌入，基于图节点嵌入重新计算图结构中边的概率；基于图结构中边的概率进行视图融合，得到初步优化后的视图；通过GAT网络处理融合视图，得到增强视图；本发明优化了传统故障诊断中遇到的预测精准度低和鲁棒性差等问题，从而显著提升了工业互联网设备的稳定性。
-
公开(公告)号：CN118841979A
公开(公告)日：2024-10-25
申请号：CN202411311278.0
申请日：2024-09-20
Applicant: 烟台大学
IPC: H02J3/00 , G06F18/2415 , G06F18/10 , G06N3/094 , G06F17/16
Abstract: 本发明涉及模型运算技术领域，尤其是涉及一种基于多尺度异常检测的电力系统负荷预测方法及系统。方法，包括构建Transformer‑XL与生成对抗网络相结合的负荷预测模型；基于负荷预测模型对电力系统多源数据进行预测，得到负荷预测数据；基于多尺度卷积变分自编码器对电力系统多源数据进行异常检测，得到异常检测结果；将异常检测结果和负荷预测结果相融合，生成综合评分；根据生成的综合评分，利用贝叶斯优化自动调整关键超参数。本发明能够更好地处理电力负荷数据中的非线性和多维度变化，从而显著提升了负荷预测的精度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.017 seconds)
