-
公开(公告)号：CN117829881A
公开(公告)日：2024-04-05
申请号：CN202410094451.X
申请日：2024-01-23
Applicant: 北京大学 , 北京大学长沙计算与数字经济研究院
IPC: G06Q30/0201 , G06Q50/06 , B60L53/80
Abstract: 本发明涉及换电站的充放电与换电优化方法及存储介质和终端设备，首先构建换电站净收益与各项参数的决策模型，并基于模型确定各参数的约数条件和目标函数，确定最优化问题，进而根据当前既定参数求解确定放电量、充电量和换电量等控制量的最优解。以确定当前时刻，换电站是否与电网充放电、具体充放电为多少；哪个换电站的哪个电池，是否与待换电设备换电，具体换电多少，为换电站的运营提供决策，使得换电站净收益最大，提高该换电站的能源利用率和整体收益；优选的考虑电池老化成本、引入区块链技术等，以进一步提高优化效果和效率。
-
公开(公告)号：CN117556018A
公开(公告)日：2024-02-13
申请号：CN202311606865.8
申请日：2023-11-29
Applicant: 北京大学长沙计算与数字经济研究院 , 北京大学
Abstract: 本申请涉及一种火电厂智能问答方法、装置、计算机设备、存储介质和计算机程序产品，其中，方法包括：根据火电厂设备运行业务，构建故障诊断知识图谱本体模型；对火电厂非结构化数据和专家经验进行知识抽取、并导入至故障诊断知识图谱本体模型，得到火电厂的故障诊断知识图谱；当检测到用户输入的查询消息时，利用大语言模型对查询消息中携带的故障查询语言进行处理，确定故障原因查询文本；根据故障原因查询文本在火电厂的故障诊断知识图谱中进行查询，得到智能问答结果。整个过程中，使用大语言模型对故障查询语言进行深度理解，通过与故障诊断知识图谱的结合，其能够实现准确的火电厂智能问答。
-
公开(公告)号：CN119471446A
公开(公告)日：2025-02-18
申请号：CN202411593500.0
申请日：2024-11-08
Applicant: 北京大学鄂尔多斯能源研究院 , 北京大学
IPC: G01R31/392 , G01R31/367 , G01R31/389
Abstract: 本发明涉及电池健康管理技术领域，尤其涉及一种基于能源共享的电池储能健康管理方法和系统，包括，聚合器实时获取所有用户端储能设备当前的充放电数据，并根据当前的充放电数据和初始数据，获得储能设备当前的电池健康状态；聚合器将储能设备当前的电池健康状态输入等效电路模型，获得储能设备当前的系统效率和功率容量；聚合器根据所有储能设备当前的电池健康状态、效率和功率容量，并基于预先设置的健康意识能量管理策略对所有的储能设备进行能源共享，生成每一用户端对应的能量调度方案并发送至对应的用户端。其有益效果是，实现了在实时感知电池健康状态的基础上，进行大范围内能源共享，从而减少不必要的成本和能源浪费。
-
公开(公告)号：CN118508423A
公开(公告)日：2024-08-16
申请号：CN202410616478.0
申请日：2024-05-17
Applicant: 北京大学鄂尔多斯能源研究院 , 北京大学
IPC: H02J3/00 , H02J3/38 , G06F30/18 , G06F30/20 , G06Q10/0631 , G06Q50/06 , G06F113/04
Abstract: 本发明涉及一种基于数据时空灵活性和网络拓扑结构的电力系统控制方法，包括：以数据中心的内部运行特征和数据中心与电力系统之间的交互作用为切入点，建立数据中心能耗模型；在数据中心能耗模型的基础上，以日前阶段的调度成本、实时阶段的预期平衡成本和碳交易产生的碳交易成本最小为目标函数，建立数据中心与电力系统时空耦合协同运行模型；将数据中心与电力系统时空耦合协同运行模型分解为双层模型，并对双层模型进行求解，以确定用于表示最优利润分配比例的最优控制点，相对于现有技术而言，其不仅能够确定最优利润分配比例，还可以增强电力系统的灵活性，促进可再生能源的整合。
-
公开(公告)号：CN117907192A
公开(公告)日：2024-04-19
申请号：CN202410089322.1
申请日：2024-01-22
Applicant: 北京大学 , 北京大学鄂尔多斯能源研究院
IPC: G01N15/08 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及石油工业领域，尤其涉及一种基于注意力深度网络的油气水三相流空隙率测量方法，包括：S1、获取待检测的油气水三相流的超声能量衰减信号；S2、将所述待检测的油气水三相流的超声能量衰减信号输入至训练后的油气水三相流空隙率测量网络中，获取油气水三相流空隙率的预测结果；所述油气水三相流空隙率测量网络包括：卷积模块、注意力模块、LSTM模块；所述注意力模块将输入特征分为五个长度相同的原始特征片段，对不同特征分配权重，获取经过注意力机制加权并经过全局Flatten拼接后的特征序列。本发明的方法有效地弥补模型未能较好区分时序特征重要程度差异性的不足，提高了油气水三相流空隙率测量精度。
-
Patent Agency Ranking
公开(公告)号：CN119356286A
公开(公告)日：2025-01-24
申请号：CN202411468251.2
申请日：2024-10-21
Applicant: 湖南华电长沙发电有限公司 , 北京大学 , 北京大学长沙计算与数字经济研究院
IPC: G05B23/02
Abstract: 本申请涉及一种设备诊断方法、装置和计算机设备。包括：通过大模型确定用户查询请求中的目标实体，能够准确识别出用户关注的诊断问题，而基于目标实体在知识图谱中进行多跳推理，可以深入挖掘相关联的知识和信息，得到多个初始推理路径。根据设备运行数据对多个初始推理路径进行概率分析，筛选出最优的目标推理路径，便可通过大模型准确地对目标推理路径进行处理，得到诊断结果。采用本方法能够进行更全面、精准的设备故障诊断。
-
公开(公告)号：CN119128784A
公开(公告)日：2024-12-13
申请号：CN202411079748.5
申请日：2024-08-07
Applicant: 北京大学 , 北京大学长沙计算与数字经济研究院
IPC: G06F18/25 , G06Q10/0631 , G06Q10/0637 , G06Q50/06
Abstract: 本申请公开了一种能碳数据分析方法、系统、电子设备及计算机存储介质，属于大模型技术领域。其中，该方法包括：接收用户端的能碳数据分析请求；通过预构建的大语言模型对所述能碳数据分析请求进行解析，得到所述能碳数据分析请求对应的整体任务；将所述整体任务分解为多个子任务，每个子任务处理特定领域内的数据分析；针对每个子任务调用对应的子模型，获取所述子模型输出的中间结果；对所述中间结果进行融合，得到所述能碳数据分析请求对应的能碳数据分析结果。通过本申请，解决了传统的决策分析方法数据来源单一、维度有限的技术问题。
-
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
Applicant: 北京大学长沙计算与数字经济研究院 , 北京大学
IPC: G06F18/20 , G06F18/241 , G06F18/214 , G06F18/2135
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。
-
公开(公告)号：CN118820704A
公开(公告)日：2024-10-22
申请号：CN202410728657.3
申请日：2024-06-06
Applicant: 北京大学 , 北京大学长沙计算与数字经济研究院 , 湖南华电长沙发电有限公司 , 安徽晟通达科技有限公司
Abstract: 本申请涉及一种火电厂设备故障预警方法、装置和计算机设备。包括：通过获取火电厂设备数据和传感器数据，并通过目标视觉模型确定设备数据对应的关键参数值；将关键参数值与传感器数据进行数据融合，得到目标数据，并当根据目标数据检测到火电厂设备运行状态异常时，通过知识图谱模型对火电厂设备进行故障分析。本方法提供了一种高效、智能的设备运行状态监控和故障分析解决方案。
-
公开(公告)号：CN119227835A
公开(公告)日：2024-12-31
申请号：CN202411353543.1
申请日：2024-09-26
Applicant: 北京电力交易中心有限公司 , 北京大学
IPC: G06N20/00 , G06F18/23213 , G06F18/214 , G06Q50/06 , G06F21/62
Abstract: 本申请涉及一种基于数据质量评估的电力市场差分隐私联邦学习方法，其中，方法包括：在每个客户端上使用本地数据进行模型训练，在梯度估计过程中添加Laplace噪声；对各客户端的本地模型更新进行聚类，对聚类结果进行平均聚合，得到聚类代表更新；评估聚类代表贡献，计算每个聚类代表的Shapley值；使用归一化的Shapley值作为权重，对所有聚类代表的模型更新进行加权平均聚合，形成全局模型；服务器将更新后的全局模型发送回各客户端，开始新的训练轮次，直到模型收敛，达到预设的训练轮次或精度要求。由此，解决了现有技术中FL涉及多个数据源，难以实现高质量的模型更新聚合，且在FL环境中，Shapley值等的计算成本较高，无法实现隐私保护和模型性能的平衡等问题。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.023 seconds)
