-
公开(公告)号：CN118761799A
公开(公告)日：2024-10-11
申请号：CN202411242619.3
申请日：2024-09-05
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学
Abstract: 本申请公开了一种连续日内电力市场交易建模方法及计算机程序产品，方法包括：根据包括连续日内电力市场的市场状态、储能商状态、可再生能源状态的系统状态以及扰动因子，构建状态保守马尔可夫决策模型，其中扰动因子根据可再生能源的预测误差确定；基于状态保守马尔可夫决策模型，通过状态保守策略优化框架构建智能体，其中智能体包括行动者网络和评论家网络；对智能体进行训练，更新评论家网络的网络参数和行动者网络的网络参数，直至期望累积奖励波动小于预设百分比时收敛，以获取使状态保守马尔可夫决策模型的期望累积奖励最大时的最优策略。本申请能够最大化当可再生能源的预测误差较大的情况时的期望累积奖励，减少受到的影响。
-
公开(公告)号：CN117436091B
公开(公告)日：2024-04-12
申请号：CN202311771980.0
申请日：2023-12-21
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学
Abstract: 本发明公开了一种基于模型检测的区块链众筹合约形式化验证方法，涉及众筹类区块链智能合约安全技术领域，解决了众筹合约应用场景缺少专用的安全解决方案的技术问题。本发明包括：对获取的智能合约代码进行漏洞分析，对存在漏洞的智能合约代码进行优化；对优化的智能合约代码或不存在漏洞的智能合约代码进行模块分化，对分化的模块进行形式化建模，得到智能合约代码模型；声明智能合约满足的性质规约，性质规约包括可达性、有界性和安全性；根据性质规约，通过智能合约代码模型对智能合约进行形式化验证。本发明快速、有效实现众筹合约上链前的漏洞排查，为众筹合约的形式检查提供了专业的解决方案。
-
公开(公告)号：CN119443751B
公开(公告)日：2025-03-25
申请号：CN202510043936.0
申请日：2025-01-10
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/06 , G06F16/334 , G06N3/0455 , G06N3/08 , G06N5/04 , H02J3/00
Abstract: 本发明公开一种基于大语言模型及社会人口统计信息的电力负荷预测方法，涉及电力负荷预测技术领域，解决了电力负荷预测方法难以结合社会人口统计信息，难以处理非结构化文本信息，影响了电力负荷预测精度和泛化能力的技术问题。该方法包括基于时间序列转换模块得到电力历史负荷信息；基于社会适配器模块得到结构化人口统计信息；将电力历史负荷信息、结构化人口统计信息进行融合，作为电力负荷预测模型的输入数据；通过最小化电力负荷预测模型的预测误差进行训练，得到最终用于预测的电力负荷预测模型。本发明结合大语言模型与社会人口统计信息，突破传统负荷预测模型在数据利用方面的局限性，可处理非结构化文本信息，提高预测的准确性。
-
公开(公告)号：CN118690857B
公开(公告)日：2025-01-07
申请号：CN202411175985.1
申请日：2024-08-26
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学
IPC: G06N5/04 , G06N5/025 , G06N5/043 , G06N3/008 , G06Q50/00 , G06F18/241 , G06F18/20 , G06F18/25 , G06N3/0442 , G06N3/042 , G06Q50/06
Abstract: 本发明实施例公开了一种面向电力市场虚假信息的社交机器人检测系统及方法，所述系统包括构建单元和检测单元，构建单元构建用于电力市场中发布故障虚假信息的社交机器人的HyperBot模型，检测单元通过HyperBot模型判断该用户为社交机器人还是为真实用户；HyperBot模型包括超图构建模块、多模态用户网络模块、超图专家网络模块、关系融合网络模块、特征融合层。本发明不仅有助于维护社交媒体平台的健康生态，也为信息安全领域提供了重要的技术支持，并特别增强了在电力系统中对社交机器人虚报故障行为的监测能力，有效地保护了电力市场的稳定性。
-
公开(公告)号：CN118916661B
公开(公告)日：2025-05-09
申请号：CN202411406783.3
申请日：2024-10-10
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学
IPC: G06F18/21 , G06F18/214 , G06F18/10 , G06F18/15 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明涉及神经网络技术领域，尤其涉及一种风电场级风力涡轮机叶片故障检测方法，该方法包括：获取风电场级风力涡轮机的目标检测模型和多个风力涡轮机中每个风力涡轮机的待测数据集，目标检测模型包括：N个BiLSTM层、N‑1个dropout层和全连接层，相邻两个BiLSTM层之间通过dropout层连接，最后一个BiLSTM层的输出端连接全连接层；对每个风力涡轮机的待测数据集进行预处理，得到多个子数据集；对多个子数据集进行归一化处理，得到多个目标子数据集；通过目标检测模型对多个目标子数据集进行检测处理，得到每个风力涡轮机的叶片故障类型信息。该方法提高广泛风电场中的风机的检测精度、准确度和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN119443751A
公开(公告)日：2025-02-14
申请号：CN202510043936.0
申请日：2025-01-10
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/06 , G06F16/334 , G06N3/0455 , G06N3/08 , G06N5/04 , H02J3/00
Abstract: 本发明公开一种基于大语言模型及社会人口统计信息的电力负荷预测方法，涉及电力负荷预测技术领域，解决了电力负荷预测方法难以结合社会人口统计信息，难以处理非结构化文本信息，影响了电力负荷预测精度和泛化能力的技术问题。该方法包括基于时间序列转换模块得到电力历史负荷信息；基于社会适配器模块得到结构化人口统计信息；将电力历史负荷信息、结构化人口统计信息进行融合，作为电力负荷预测模型的输入数据；通过最小化电力负荷预测模型的预测误差进行训练，得到最终用于预测的电力负荷预测模型。本发明结合大语言模型与社会人口统计信息，突破传统负荷预测模型在数据利用方面的局限性，可处理非结构化文本信息，提高预测的准确性。
-
公开(公告)号：CN118916661A
公开(公告)日：2024-11-08
申请号：CN202411406783.3
申请日：2024-10-10
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学
IPC: G06F18/21 , G06F18/214 , G06F18/10 , G06F18/15 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明涉及神经网络技术领域，尤其涉及一种风电场级风力涡轮机叶片故障检测方法，该方法包括：获取风电场级风力涡轮机的目标检测模型和多个风力涡轮机中每个风力涡轮机的待测数据集，目标检测模型包括：N个BiLSTM层、N‑1个dropout层和全连接层，相邻两个BiLSTM层之间通过dropout层连接，最后一个BiLSTM层的输出端连接全连接层；对每个风力涡轮机的待测数据集进行预处理，得到多个子数据集；对多个子数据集进行归一化处理，得到多个目标子数据集；通过目标检测模型对多个目标子数据集进行检测处理，得到每个风力涡轮机的叶片故障类型信息。该方法提高广泛风电场中的风机的检测精度、准确度和泛化能力。
-
公开(公告)号：CN119474889A
公开(公告)日：2025-02-18
申请号：CN202510061486.8
申请日：2025-01-15
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学
IPC: G06F18/214 , G01R22/06 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/09 , G06Q50/06
Abstract: 本发明公开一种基于混合深度学习模型的光伏发电窃电检测方法及验证方法，涉及窃电检测技术领域，解决了光伏发电窃电检测方法难以捕获复杂的时间依赖性，多源数据整合不足的技术问题。该窃电检测方法包括：使用序列组#imgabs0#表示产消者第#imgabs1#天在时间窗口T=24内的多源数据；通过多尺度卷积神经网络CNN对输入数据进行处理，得到一组CNN特征#imgabs2#；通过长短期记忆网络LSTM网络对CNN特征#imgabs3#进行建模，输出隐藏状态#imgabs4#；隐藏状态#imgabs5#通过Transformer编码器进行处理，得到Transformer计算结果#imgabs6#；通过温度嵌入函数#imgabs7#进行温度数据嵌入；得到光伏发电窃电检测概率。本发明捕获复杂的时间依赖性，并集成包括温度统计数据在内的多源数据，提高了窃电检测可靠性和精度。
-
公开(公告)号：CN118780249B
公开(公告)日：2024-12-10
申请号：CN202411245259.2
申请日：2024-09-06
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学
Abstract: 本发明公开一种基于知识蒸馏和偏好优化的电力事故事件抽取方法，涉及自然语言处理技术领域，解决了现有抽取方法处理电力行业的专业文本时，领域适应性差、抽取效果不理想的技术问题。该方法包括：收集电力事故事件的原始数据并进行预处理，得到电力事故事件训练数据；基于知识蒸馏方法，教师模型同步进行知识的融入并对mistral‑instruct学生模型进行监督微调训练，得到微调学生模型；基于微调学生模型进行测试电力事故事件的提取，得到学生模型预测#imgabs0#；构建偏好数据集#imgabs1#；使用直接偏好优化算法DPO对偏好数据集#imgabs2#进行偏好优化，得到电力事故事件抽取模型。本发明处理电力行业专业文本时，领域适应性强、抽取效果好的优势，提高了电力事故事件的处理效率。
-
公开(公告)号：CN118761800A
公开(公告)日：2024-10-11
申请号：CN202411242664.9
申请日：2024-09-05
Applicant: 电子科技大学(深圳)高等研究院 , 电子科技大学
Abstract: 本申请公开了一种连续日内电力市场的交易方法及计算机程序产品。解决难以出理有效地处理可再生能源的预测不确定性。其中，方法包括构建状态保守马尔可夫决策过程模型，其中扰动因子根据可再生能源的预测误差确定；基于状态保守马尔可夫决策过程模型，使用双重行动者评论家框架构建智能体；对智能体进行训练，并计算出更新评论家网络的第一损失函数值，以及计算出更新行动者网络的第二损失函数值；更新网络参数，直到状态保守马尔可夫决策过程模型收敛，获得状态保守双重行动者评论家模型；利用状态保守双重行动者评论家模型，预测连续日内电力市场的利润。本申请可以提高值估计的准确性，从而减少性能损失。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.017 seconds)
