计及多主体利益的电动汽车分层优化调控方法

    公开(公告)号:CN119809224A

    公开(公告)日:2025-04-11

    申请号:CN202411868772.7

    申请日:2024-12-18

    Abstract: 本申请涉及一种计及多主体利益的电动汽车分层优化调控方法。所述方法包括:首先,基于电网运营商构建面向电力调峰辅助服务的市场出清模型,基于电动汽车聚合商构建计及竞价成功率的调控投标模型,基于用户构建计及激励价格的充电响应模型;之后,基于所述市场出清模型、调控投标模型和充电响应模型构建电网运营商、电动汽车聚合商以及用户的三层调控架构的调控模型;最后,基于所述三层调控架构对所述调控模型进行预测求解,得到参考功率,并基于参考功率和实际功率共同构建目标函数,并进行偏差矫正,当所述目标函数最小时,电动汽车优化调控完成。实现电网侧电力调峰,减低了电网运营的成本,使电动汽车聚合商利益最大化,满足了用户充电需求。

    一种基于订单数据的电动汽车充电负荷预测方法

    公开(公告)号:CN119204310A

    公开(公告)日:2024-12-27

    申请号:CN202411256933.7

    申请日:2024-09-09

    Abstract: 本发明公开了一种基于订单数据的电动汽车充电负荷预测方法,包括以下步骤:S1:基于订单数据对电动汽车进行行为分析,获得不同环境下的起始充电时间概率分布、电动汽车初始充电荷电状态、充电功率等级概率分布以及电动汽车充电时长;S2:根据步骤S1的行为分析结果,利用蒙特卡洛方法随机模拟获得电动汽车的日行驶里程数、初始充电时间和初始电池SOC;S3:根据步骤S2的随机模拟结果,基于充电负荷计算公式,预测获得物理层面的充电负荷。本发明能够基于订单数据从物理角度对电动汽车充电负荷进行预测分析,并进一步从经济层面上分析电价与充电负荷的作用关系和预测在经济刺激下的电动汽车充电负荷变化,从而提升负荷预测的准确性和泛化性。

    一种基于对抗剪枝和知识蒸馏的后门防御方法

    公开(公告)号:CN119940471A

    公开(公告)日:2025-05-06

    申请号:CN202510018839.6

    申请日:2025-01-07

    Applicant: 郑州大学

    Abstract: 本发明公开了一种基于对抗剪枝和知识蒸馏的后门防御方法,包括:S1、在神经网络进行模型训练前,为所有神经元引入掩码并初始化掩码值,并给模型加入对抗扰动;S2、将防御数据集输入模型进行训练,通过掩码值是否高于设定的门槛值来判断该神经元是否被剪枝;S3、选取剪枝过好得到的最好的网络用于后续的蒸馏操作,若未能得到较好性能的模型则返回步骤S2,将剪枝后的网络作为教师网络,未进行任何处理的模型作为学生网络;S4、将学生模型中间层注意力与教师网络的中间注意力层进行加权对齐;S5、通过观察模型的精度和攻击成功率的降低来评估模型的防御效果是否达标,否则返回步骤S4,继续训练。本发明通过结合对抗剪枝和知识蒸馏,实现了擦除后门模型的后门神经元,大大减少了攻击者的恶意行为,同时保持了模型的性能不受影响。该方法对深度学习领域的防御研究具有重要的理论价值和实践意义。

Patent Agency Ranking