-
公开(公告)号：CN119539056A
公开(公告)日：2025-02-28
申请号：CN202411650756.0
申请日：2024-11-19
Abstract: 本发明公开了一种层次实体邻居多关系融合的知识图谱补全网络算法，包含：S1，对知识图谱中的各个目标实体构建关系子图；S2，运用动态注意力机制对每一关系子图中实体周围的信息进行聚合，并对不同嵌入关系下的实体进行连接和聚合；S3，利用邻接关系融合技术，整合不同关系子图下的所有邻居信息。本发明实现了对不同邻居节点重要性差异的精确评估，以及对于关系路径的权重分配，提升了模型对于复杂数据的理解和处理能力。
-
公开(公告)号：CN119539051A
公开(公告)日：2025-02-28
申请号：CN202411607498.8
申请日：2024-11-12
IPC: G06N5/022 , G06F18/241 , G06N3/0442 , G06N3/0455
Abstract: 本发明涉及一种结合邻域路径编码的知识图谱补全算法，通过构建包括三层的注意力网络结构，分别计算输入实体、关系以及实体与关系的邻域特征的权重，最后计算得到输入所有关系下的实体得分，进而对知识图谱进行补全。本发明适用于少样本知识图谱补全，能够提高少样本知识图谱补全的效率，具有优异的性能。
-
公开(公告)号：CN114561661B
公开(公告)日：2023-10-20
申请号：CN202210210455.0
申请日：2022-03-04
Applicant: 上海电力大学
IPC: C25B11/065 , C25B11/075 , C25B1/04
Abstract: 本发明公开了一种全电解水电催化剂的制备方法，包括以下步骤：S1.取三聚氰胺粉末，经第一次煅烧后研磨成粉，再进行第二次煅烧，得到g‑C3N4粉末；S2.将Ni(NO3)2·6H2O粉末、HfCl4粉末和S1制得的g‑C3N4粉末加入无水乙醇中混合搅拌，直至形成均相绿色溶液；S3.取Te粉末和NaBH4粉末加入无水乙醇中混合搅拌，直至形成均相灰色溶液；S4.将S2制得绿色溶液和S3制得的灰色溶液混合搅拌，制得混合溶液，再将混合溶液置入容器中进行溶剂热反应，反应完成后取出粗产物；S5.将S4制得的粗产物经离心、洗涤、烘干后得到成品双金属碲化物全电解水电催化剂。通过本申请的方法制得的电催化剂其性能优于现有的商用电催化剂，其在电解水、电催化制氢和大规模储能方面有较好的应用。
-
公开(公告)号：CN114561661A
公开(公告)日：2022-05-31
申请号：CN202210210455.0
申请日：2022-03-04
Applicant: 上海电力大学
IPC: C25B11/065 , C25B11/075 , C25B1/04
Abstract: 本发明公开了一种全电解水电催化剂的制备方法，包括以下步骤：S1.取三聚氰胺粉末，经第一次煅烧后研磨成粉，再进行第二次煅烧，得到g‑C3N4粉末；S2.将Ni(NO3)2·6H2O粉末、HfCl4粉末和S1制得的g‑C3N4粉末加入无水乙醇中混合搅拌，直至形成均相绿色溶液；S3.取Te粉末和NaBH4粉末加入无水乙醇中混合搅拌，直至形成均相灰色溶液；S4.将S2制得绿色溶液和S3制得的灰色溶液混合搅拌，制得混合溶液，再将混合溶液置入容器中进行溶剂热反应，反应完成后取出粗产物；S5.将S4制得的粗产物经离心、洗涤、烘干后得到成品双金属碲化物全电解水电催化剂。通过本申请的方法制得的电催化剂其性能优于现有的商用电催化剂，其在电解水、电催化制氢和大规模储能方面有较好的应用。
-
公开(公告)号：CN119539048A
公开(公告)日：2025-02-28
申请号：CN202411566119.5
申请日：2024-11-05
IPC: G06N5/022 , G06N3/042 , G06N3/082 , G06N3/0499 , G06N3/0455
Abstract: 本发明公开了一种层次实体邻居多关系融合的知识图谱补全方法，具体步骤包括：划分知识图谱，将知识图谱三元组中的头实体作为中心实体，将尾实体作为邻居实体，并构建同构子图；其中，所述知识图谱三元组还包括：关系；对中心实体和邻居实体进行聚合处理，完成中心实体、邻居实体的聚合；将关系融合入中心实体中，完成实体邻接关系的融合；根据融合实体和关系信息的嵌入向量，通过多头自注意力机制，计算多头自注意力的输出矩阵；利用前馈神经网络获得编码器的输出矩阵；通过负采样获得损失函数并优化，计算损失函数的最小值，完成知识图谱的补全。
-
Patent Agency Ranking
公开(公告)号：CN113991655B
公开(公告)日：2023-09-19
申请号：CN202111263152.7
申请日：2021-10-28
Applicant: 国网上海市电力公司 , 上海电力大学 , 华东电力试验研究院有限公司
Inventor： 王皓靖 , 田英杰 , 傅广努 , 时珊珊 , 杨秀 , 沈浩 , 苏运 , 陈赟 , 赵文恺 , 杨堤 , 李凡 , 孙改平 , 吴裔 , 李安 , 刘舒 , 时志雄 , 张开宇 , 郭乃网 , 金妍斐 , 胡印驰 , 吴吉海 , 柴梓轩 , 徐耀杰
IPC: H02J3/00 , H02J3/14 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及一种定频空调负荷聚合需求响应潜力评估方法、装置及介质，方法包括：建立集群定频空调近似聚合模型；计算定频空调用户的室内温度初始可调节裕度和用户意愿度影响因子；根据室内温度初始可调节裕度和用户意愿度影响因子，计算定频空调负荷的实际弹性受控温度范围；获取用户可控度；根据集群定频空调近似聚合模型以及用户可控度实际弹性受控温度范围，建立定频空调负荷聚合需求响应潜力评估模型，根据该模型计算直接负荷控制模式下采用温度控制的定频空调负荷弹性聚合响应潜力。与现有技术相比，本发明兼顾多重响应潜力影响因素，准确性高。
-
公开(公告)号：CN117150407B
公开(公告)日：2024-10-01
申请号：CN202311134141.8
申请日：2023-09-04
IPC: G06F18/2433 , G06F18/213 , G06F18/22 , G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明涉及一种工业碳排放数据的异常检测方法，包括以下内容对工业碳排放数据进行预处理，获得碳排放的时间序列T；采用矩阵轮廓技术对时间序列T进行特征提取，获得时间序列T的特征序列；根据所述特征序列建立预测模型，在所述预测模型输入测试集获得测试集的预测特征序列；将特征序列与预测特征序列进行对比，计算预测误差值，将误差值高于阈值的数据作为异常数据点。本发明通过设置阈值来实现工业碳排放数据的异常检测，检测的精确度较高。
-
公开(公告)号：CN113991655A
公开(公告)日：2022-01-28
申请号：CN202111263152.7
申请日：2021-10-28
Applicant: 国网上海市电力公司 , 上海电力大学 , 华东电力试验研究院有限公司
Inventor： 王皓靖 , 田英杰 , 傅广努 , 时珊珊 , 杨秀 , 沈浩 , 苏运 , 陈赟 , 赵文恺 , 杨堤 , 李凡 , 孙改平 , 吴裔 , 李安 , 刘舒 , 时志雄 , 张开宇 , 郭乃网 , 金妍斐 , 胡印驰 , 吴吉海 , 柴梓轩 , 徐耀杰
Abstract: 本发明涉及一种定频空调负荷聚合需求响应潜力评估方法、装置及介质，方法包括：建立集群定频空调近似聚合模型；计算定频空调用户的室内温度初始可调节裕度和用户意愿度影响因子；根据室内温度初始可调节裕度和用户意愿度影响因子，计算定频空调负荷的实际弹性受控温度范围；获取用户可控度；根据集群定频空调近似聚合模型以及用户可控度实际弹性受控温度范围，建立定频空调负荷聚合需求响应潜力评估模型，根据该模型计算直接负荷控制模式下采用温度控制的定频空调负荷弹性聚合响应潜力。与现有技术相比，本发明兼顾多重响应潜力影响因素，准确性高。
-
公开(公告)号：CN119691640A
公开(公告)日：2025-03-25
申请号：CN202411682920.6
申请日：2024-11-22
IPC: G06F18/2433 , G06F18/213 , G06Q50/06 , H02J3/00 , G06N3/0442 , G06N3/045
Abstract: 本发明提供一种基于多级注意力网络的用电负荷时间序列变化点预测方法，包含步骤：S1、采集多个历史用电信息，从历史用电信息中提取多个特征值，基于多个特征值生成与历史用电信息对应的训练向量；S2、通过训练向量训练用电负荷预测模型，用电负荷预测模型用于预估未来的电力负荷；S3、采集实时用电信息并输入训练好的用电负荷预测模型，基于用电负荷预测模型的预测结果判断是否出现用电异常；若判断出现用电异常，将该预测结果作为用电异常数据；S4、基于用电异常数据判断是否出现用电变化；若判断出现用电变化，基于用电异常数据确认用电负荷变化点。本发明的优点：能够准确预测用电负荷的变化点，为电力系统的优化管理提供重要支持。
-
公开(公告)号：CN117150407A
公开(公告)日：2023-12-01
申请号：CN202311134141.8
申请日：2023-09-04
IPC: G06F18/2433 , G06F18/213 , G06F18/22 , G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明涉及一种工业碳排放数据的异常检测方法，包括以下内容对工业碳排放数据进行预处理，获得碳排放的时间序列T；采用矩阵轮廓技术对时间序列T进行特征提取，获得时间序列T的特征序列；根据所述特征序列建立预测模型，在所述预测模型输入测试集获得测试集的预测特征序列；将特征序列与预测特征序列进行对比，计算预测误差值，将误差值高于阈值的数据作为异常数据点。本发明通过设置阈值来实现工业碳排放数据的异常检测，检测的精确度较高。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.025 seconds)
