-
公开(公告)号：CN118657050A
公开(公告)日：2024-09-17
申请号：CN202410737073.2
申请日：2024-06-07
Applicant: 中国电力科学研究院有限公司 , 浙江大学 , 国网安徽省电力有限公司
IPC: G06F30/27 , G06N3/0442 , G01R31/08 , G01R31/52 , G06F113/04
Abstract: 本发明公开了一种基于LSTM的极限相位差预测方法、装置及介质。方法包括：对指定电网的电网仿真模型中线路设置三相短路故障，收集多种故障类型下的运行样本数据，运行样数据包括：电网两侧角度差以及电量样本数据；采用二分法根据电网两侧角度差、预先设置的初始故障持续时间下限值和初始故障持续时间上限值，确定多种故障类型的临界失稳时间；根据临界失稳时间确定多个故障类型的极限相位差；将多种故障类型的电量样本数据作为预先构建的训练模型的输入数据，将多种故障类型下的极限相位差作为输出进行模型训练，生成极限相位差预测模型；将采集的待预测故障的待预测电量数据输入至极限相位差预测模型中，输出待预测故障的极限相位差预测值。
-
公开(公告)号：CN117134370A
公开(公告)日：2023-11-28
申请号：CN202310953182.3
申请日：2023-07-31
Applicant: 中国电力科学研究院有限公司 , 国网安徽省电力有限公司 , 国家电网有限公司 , 浙江大学
Abstract: 本发明公开了一种用于抑制跨区联络线功率波动的方法及系统，属于电网安全稳定运行技术领域。本发明方法，包括：针对跨区联络线进行模拟仿真，获取所述跨区联络线无扰动和/或大扰动下的功率波动曲线；确定用于控制跨区联络线的控制器的控制结构，基于所述的功率波动曲线，调整所述控制器控制结构的控制参数；确定调整后的控制器的幅频和/或相频特性，根据所述幅频和/或相频特性的验证控制效果，对所述跨区联络线所在场站进行调控。本发明的实施能够防止联络线功率波动超过稳定极限，以消除系统安全稳定隐患。
-
公开(公告)号：CN116979598A
公开(公告)日：2023-10-31
申请号：CN202310783997.1
申请日：2023-06-29
Applicant: 中国电力科学研究院有限公司 , 浙江大学
IPC: H02J3/38 , H02J13/00 , G06F30/367 , G06F30/373
Abstract: 本发明公开了一种电力系统戴维南等值阻抗估计方法及装置。其中，方法包括：监测电力系统并网点系统侧的有功功率波动；在有功功率波动超过预设的百分比值的情况下，采集并网点交流母线电压和交流系统流入电流，根据预设的基于机理方法的等值阻抗估计公式，计算第一戴维南等值阻抗；在有功功率波动不超过百分比值的情况下，采集并网点的扰动电气量，输入至预先训练的全连接神经网络阻抗模型，输出第二戴维南等值阻抗。
-
公开(公告)号：CN118737415B
公开(公告)日：2024-11-05
申请号：CN202411220191.2
申请日：2024-09-02
Applicant: 浙江大学
IPC: G16H40/20 , G06N3/042 , G06N3/084 , G06F18/213 , G06F18/22
Abstract: 本发明公开了一种基于层次图注意力机制的画像匹配和推荐方法和装置，根据预处理后的患者数据和预处理后的护工数据，通过挖掘患者、护工各维度特征的层次关系，引入层次注意力网络，聚合各维度特征的信息，实现患者、护工的画像嵌入，引入图注意力机制，对层次处理后的患者数据和层次处理后的护工数据分别进行增强，得到增强后的患者特征向量和增强后的护工特征向量；并引入多层感知机，计算得到预测评分矩阵；通过反向传播进行更新，得到最优模型；根据最优模型，得到为患者与护工的双向匹配给出决策的预测评分矩阵。本发明不仅可以大大提高真实场景下将患者分配给护工或将护工推荐给患者的效率，同时保证整个系统优异的性能和高精准的表现。
-
公开(公告)号：CN117009757A
公开(公告)日：2023-11-07
申请号：CN202310724749.X
申请日：2023-06-19
Applicant: 浙江大学
IPC: G06F18/20 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了基于CDoubleGAN的电网时序数据生成模型系统。本发明中，创新性地采用了编解码器加上双GAN的结构，使得模型的训练更加稳定，模型的效果更好；通过使用AR‑FNN代替RNN解决Lipschitz连续性问题，从而可以使用Wassersteindistance对目标函数进行稳定优化；采用了编解码器加上双GAN的结构，使得模型的训练更加稳定，模型的效果更好；之前的模型大多采用RNN模块用来处理时序数据，但是RNN模型本身训练不稳定，本方案使用AR‑FNN代替RNN解决Lipschitz连续性问题，从而可以使用Wassersteindistance对目标函数进行稳定优化，这样训练更稳定，模型效果好。
-
Patent Agency Ranking
公开(公告)号：CN118568241B
公开(公告)日：2024-11-05
申请号：CN202411038205.9
申请日：2024-07-31
Applicant: 浙江大学
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06Q30/015 , G06N3/0455
Abstract: 本发明公开了一种基于预训练模型的用户对话和画像的意图预测方法。本方法包括：首先，结合训练数据构建意图分析模型以优化用户对话和画像意图的预测效果；然后，训练用户反馈分类模型，将用户反馈类别分为低反馈和高反馈；接着，当用户与智能销售客服对话过程中发生低反馈时，对用户意图进行预测，得到意图关键词；最后，通过意图关键词检索相应的案例和解决方案，反馈给智能销售客服，以更好地服务客户。本发明不仅能够提升用户的购买率，同时也能提高用户的满意度，并且对于传统的智能销售客服的智能化提升有重要意义。
-
公开(公告)号：CN118536783B
公开(公告)日：2024-11-01
申请号：CN202411009101.5
申请日：2024-07-26
Applicant: 浙江大学
IPC: G06Q10/0631 , G06Q10/083 , G06N3/0499 , G06N3/048 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习的物流机器人调度方法。本方法包括：首先，构建并训练深度状态价值网络DVN，通过对历史订单数据进行离线学习，采用时序差分法更新状态价值函数，并通过多物流机器人深度强化学习方法优化调度策略；然后，通过DVN和KM组合优化算法实现物流机器人与订单的实时匹配；最终，调度空闲物流机器人前往预期收益较高的区域等待下一轮调度。本发明通过构建深度状态价值网络DVN和采用组合优化方法，实现医院物流机器人对物流订单的高效调度。本发明在提升订单响应速度和减少订单等待时间方面有显著优势，并且适用于各类医院场景，能够有效提高物流调度效率，优化资源配置。
-
公开(公告)号：CN116541514A
公开(公告)日：2023-08-04
申请号：CN202310468487.5
申请日：2023-04-27
Applicant: 浙江大学
IPC: G06F16/34 , G06F16/36 , G06F40/295 , G06F16/31 , G06F40/30
Abstract: 本发明公开了一种融合用户交互与低冗余的知识图谱实体摘要生成方法，涉及知识图谱技术领域，其技术方案要点是：包括低冗余摘要算法和用户交互摘要算法；低冗余摘要算法将结构重要性高和语义冗余度低的三元组选入摘要中，将低冗余摘要算法的结果作为用户交互算法的输入参数，生成摘要作为交互算法的S0，即初始摘要；用户交互摘要算法采用“DeleteAndUpdate”模式，用户在交互前端根据S0选择自己不感兴趣的进行删除，后端接受后选择候选三元组数据集中最优的三元组反馈给用户，以更新摘要。具有降低用户反馈的轮次，减少用户不必要的交互行为，提升用户使用感受的效果。
-
公开(公告)号：CN118737415A
公开(公告)日：2024-10-01
申请号：CN202411220191.2
申请日：2024-09-02
Applicant: 浙江大学
IPC: G16H40/20 , G06N3/042 , G06N3/084 , G06F18/213 , G06F18/22
Abstract: 本发明公开了一种基于层次图注意力机制的画像匹配和推荐方法和装置，根据预处理后的患者数据和预处理后的护工数据，通过挖掘患者、护工各维度特征的层次关系，引入层次注意力网络，聚合各维度特征的信息，实现患者、护工的画像嵌入，引入图注意力机制，对层次处理后的患者数据和层次处理后的护工数据分别进行增强，得到增强后的患者特征向量和增强后的护工特征向量；并引入多层感知机，计算得到预测评分矩阵；通过反向传播进行更新，得到最优模型；根据最优模型，得到为患者与护工的双向匹配给出决策的预测评分矩阵。本发明不仅可以大大提高真实场景下将患者分配给护工或将护工推荐给患者的效率，同时保证整个系统优异的性能和高精准的表现。
-
公开(公告)号：CN118536783A
公开(公告)日：2024-08-23
申请号：CN202411009101.5
申请日：2024-07-26
Applicant: 浙江大学
IPC: G06Q10/0631 , G06Q10/083 , G06N3/0499 , G06N3/048 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习的物流机器人调度方法。本方法包括：首先，构建并训练深度状态价值网络DVN，通过对历史订单数据进行离线学习，采用时序差分法更新状态价值函数，并通过多物流机器人深度强化学习方法优化调度策略；然后，通过DVN和KM组合优化算法实现物流机器人与订单的实时匹配；最终，调度空闲物流机器人前往预期收益较高的区域等待下一轮调度。本发明通过构建深度状态价值网络DVN和采用组合优化方法，实现医院物流机器人对物流订单的高效调度。本发明在提升订单响应速度和减少订单等待时间方面有显著优势，并且适用于各类医院场景，能够有效提高物流调度效率，优化资源配置。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.04 seconds)
