基于大模型的数据分析方法、装置及非易失性存储介质

    公开(公告)号:CN119004026A

    公开(公告)日:2024-11-22

    申请号:CN202411066468.0

    申请日:2024-08-05

    Abstract: 本申请公开了一种基于大模型的数据分析方法、装置及非易失性存储介质。其中,该方法包括:获取结构化数据;通过大模型依据目标场景信息确定结构化数据所属的任务类型并按照任务类型将结构化数据划分至不同的数据集,每个数据集对应一个任务类型,其中,不同任务类型对应不同的模型集合,每个模型集合中包含多个不同模型,每个模型包含能力描述信息以及参数设置信息,能力描述信息用于描述模型实现的任务功能,参数设置信息用于设置模型的初始参数和调整模型的参数;通过大模型与任务类型选择对应的模型集合对任务类型对应的数据集进行分析,生成分析结果并展示。本申请解决了由于相关技术中数据分析方法自动化程度低造成的分析效率低的技术问题。

    混合储能系统库存路径规划方法、装置及电子设备

    公开(公告)号:CN115456489B

    公开(公告)日:2023-02-14

    申请号:CN202211409098.7

    申请日:2022-11-11

    Applicant: 北京大学

    Abstract: 本申请提供了一种混合储能系统库存路径规划方法、装置及电子设备,其中,该方法包括:建立混合储能系统的时空网络图;破坏时空网络图,得到破坏后的时空路径集合和被删除的时空路径集合;修复被删除的时空路径集合,得到修复后的时空路径集合;合并破坏后的时空路径集合和修复后的时空路径集合,得到目标时空网络图;将目标时空网络图输入时空网络模型,得到混合储能系统的库存路径规划方案。通过本申请,解决了相关技术中存在求解难度大、时间开销大以及难以在大规模电池网络节点、多移动储能车辆、长时间尺度下对混合储能系统进行调度规划的问题。

    混合储能系统库存路径规划方法、装置及电子设备

    公开(公告)号:CN115456489A

    公开(公告)日:2022-12-09

    申请号:CN202211409098.7

    申请日:2022-11-11

    Applicant: 北京大学

    Abstract: 本申请提供了一种混合储能系统库存路径规划方法、装置及电子设备,其中,该方法包括:建立混合储能系统的时空网络图;破坏时空网络图,得到破坏后的时空路径集合和被删除的时空路径集合;修复被删除的时空路径集合,得到修复后的时空路径集合;合并破坏后的时空路径集合和修复后的时空路径集合,得到目标时空网络图;将目标时空网络图输入时空网络模型,得到混合储能系统的库存路径规划方案。通过本申请,解决了相关技术中存在求解难度大、时间开销大以及难以在大规模电池网络节点、多移动储能车辆、长时间尺度下对混合储能系统进行调度规划的问题。

    基于多孔电极老化模型的移动储能在线决策方法及装置

    公开(公告)号:CN118131045B

    公开(公告)日:2024-11-12

    申请号:CN202410089917.7

    申请日:2024-01-22

    Applicant: 北京大学

    Abstract: 本发明涉及数据处理技术领域,公开了一种基于多孔电极老化模型的移动储能在线决策方法及装置,该方法包括:获取电池初始健康状态;基于电池初始健康状态和预先训练好的基于深度强化学习的移动储能在线决策模型确定第一时刻的初始状态参数;基于初始状态参数和上述决策模型确定在第一时刻的动作参数;若工作状态为充电状态,基于第一时刻对应的功率、初始状态参数以及预先训练好的多层感知机的移动储能老化评估模型,确定第二时刻时下一站点位置的移动储能的电池老化量,并基于上述决策模型更新初始状态参数,得到第一目标状态参数;若工作状态为放电状态或保持状态,利用上述决策模型更新初始状态参数,得到第二目标状态参数。

    基于模型的自适应性聚类数据处理方法、处理器

    公开(公告)号:CN116127336A

    公开(公告)日:2023-05-16

    申请号:CN202210867169.1

    申请日:2022-07-22

    Applicant: 北京大学

    Abstract: 本申请实施例提供一种基于模型的自适应性聚类数据处理方法、处理器及存储介质。方法包括:获取预设历史时间段里的能源数据;对能源数据进行时间切片得到多个切片数据;将切片数据输入至规划模型,以通过规划模型得到切片数据的特征空间;利用聚类算法在切片数据的特征空间上进行特征聚类,以确定切片数据中的代表性切片数据;将代表性切片数据再次输入至规划模型,以通过规划模型输出与代表性切片数据对应的决策变量。基于模型的自适应性聚类数据处理能够更好地捕捉能源系统的特征,且采用上述方法还可以提高规划模型求解的精确度。

    基于多孔电极老化模型的移动储能在线决策方法及装置

    公开(公告)号:CN118131045A

    公开(公告)日:2024-06-04

    申请号:CN202410089917.7

    申请日:2024-01-22

    Applicant: 北京大学

    Abstract: 本发明涉及数据处理技术领域,公开了一种基于多孔电极老化模型的移动储能在线决策方法及装置,该方法包括:获取电池初始健康状态;基于电池初始健康状态和预先训练好的基于深度强化学习的移动储能在线决策模型确定第一时刻的初始状态参数;基于初始状态参数和上述决策模型确定在第一时刻的动作参数;若工作状态为充电状态,基于第一时刻对应的功率、初始状态参数以及预先训练好的多层感知机的移动储能老化评估模型,确定第二时刻时下一站点位置的移动储能的电池老化量,并基于上述决策模型更新初始状态参数,得到第一目标状态参数;若工作状态为放电状态或保持状态,利用上述决策模型更新初始状态参数,得到第二目标状态参数。

    基于输入凸神经网络模型的全钒液流电池仿真与优化方法

    公开(公告)号:CN116542166B

    公开(公告)日:2023-09-08

    申请号:CN202310816933.7

    申请日:2023-07-05

    Applicant: 北京大学

    Abstract: 本发明公布了一种基于输入凸神经网络模型的全钒液流电池仿真与优化方法,针对全钒液流电池复杂的动态效率构建全钒液流电池仿真与优化模型,并优化和求解,可用于综合评估全钒液流电池系统的经济效益,确定最佳全钒液流电池充放电策略并用于能源套利应用。本发明能够解决现有技术采用线性函数难以仿真全钒液流电池复杂的动态效率、非线性函数和非凸深度神经网络难以进行简便的优化求解的技术问题。采用本发明方法能够较为准确的仿真全钒液流电池的动态特性,提高全钒液流电池充放电功率的决策精确程度,综合评估电池系统的经济效益,确定最佳充放电策略用于能源套利应用,从而实现节约储能成本。

Patent Agency Ranking