公开(公告)号：CN114841419B

公开(公告)日：2024-09-10

申请号：CN202210414963.0

申请日：2022-04-20

Applicant: 大连理工大学

Inventor： 王鹏飞 ,  魏宗正 ,  叶绯叶 ,  车超 ,  周成杰 ,  张强

IPC: H02J3/00 ,  G06Q10/04 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/092

Abstract: 本发明提供了一种基于Transformer与LSTM混合模型的智能风电功率预测方法，属于深度学习技术领域。本发明对风电场数据进行短期或超短期预测，针对风电场数据的随机性、波动性和尖峰性，设计了Transformer与LSTM混合模型。该混合模型能够高效率地训练出精度优良的模型，加快新能源领域的数字化转型，能够取得更为优异的训练效果，在训练过程能够充分利用过去宝贵的经验。本发明结合Transformer与LSTM模型的优点，既能够准确地预测数据，又能够高效地训练数据，为深度学习技术在风电场领域的应用提供了理论依据和实践经验。

公开(公告)号：CN114757427A

公开(公告)日：2022-07-15

申请号：CN202210428891.5

申请日：2022-04-22

Applicant: 大连理工大学

Inventor： 王鹏飞 ,  叶绯叶 ,  魏宗正 ,  车超 ,  周成杰 ,  张强

IPC: G06Q10/04 ,  G06Q50/06 ,  H02J3/00 ,  G06N3/04 ,  G06N3/08 ,  G06F30/27 ,  G06F113/06 ,  G06F119/06

Abstract: 本发明属于数据科学技术领域，涉及自回归修正的LSTM智能风电场超短期功率预测方法。本发明根据最近时刻的实际功率对未来4小时(16个时刻点)功率趋势进行预测，并使用该预测值修正利用LSTM预测的短期功率，实现历史功率数据与气象数据的特征结合，提高超短期预测中在风速快速变化或其他因素影响的功率剧烈抖动时的预测准确率，同时加快超短期预测的速度。本发明实现了自回归修正的LSTM智能风电场超短期功率预测方法，结合深度学习、自回归预测等技术，最终为风电场在风电功率超短期的精准预测领域提供了理论依据与实践经验。

公开(公告)号：CN117473323A

公开(公告)日：2024-01-30

申请号：CN202311523063.0

申请日：2023-11-16

Applicant: 大连理工大学

Inventor： 张强 ,  周成杰 ,  车超 ,  张鹏 ,  孙海朝

IPC: G06F18/214 ,  G06F18/24 ,  G06F40/30 ,  G06Q10/10 ,  G06Q50/26 ,  G06N3/094 ,  G06N3/084

Abstract: 本发明涉及自然语言处理技术领域，具体涉及基于对比学习和对抗训练的海关商品规范申报审核方法。本发明针对BERT训练和推断过程不一致的问题，以及没有考虑到的表达退化问题，提出了CLAT‑ELECTRA模型。通过ELECTRA改善BERT训练和推断过程的不一致，并通过两种不同的方法从不同的角度缓解表达退化问题，使模型生成高质量的申报文本语义信息，从而进行分类，提高了海关商品规范申报审查效率。

公开(公告)号：CN114742279A

公开(公告)日：2022-07-12

申请号：CN202210270144.3

申请日：2022-03-18

Applicant: 大连理工大学

Inventor： 张强 ,  周成杰 ,  车超 ,  王鹏飞

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08 ,  H02J3/00

Abstract: 本发明公开了一种基于双向时间线的长距离风力发电功率预测方法，具体包括：首先对风电场气象数据、设备监测数据、风电机组基础数据进行数据归一化、数据清洗、数据补充和数据筛选等数据预处理操作。将处理后的数据按照时间排序，送入到计算模型中。然后构建双向Transformer模型，通过高维特征计算以及自注意力机制对输入特征进行权重配比与特征抽取，实现部分数据借助模型抽象为对输出功率预测的重要特征。本发明不仅可以模拟气象变化对风力发电机的单向影响，又能通过确定的未来时间点的目标输出功率，反向削减误差，最终实现了更为准确的预测风力发电的输出功率，在不降低预测效率的情况下，提高长距离风力发电功率预测准确性。

公开(公告)号：CN117540210A

公开(公告)日：2024-02-09

申请号：CN202311522977.5

申请日：2023-11-16

Applicant: 大连理工大学

Inventor： 张强 ,  周成杰 ,  车超 ,  冯闯 ,  赵天明

IPC: G06F18/214 ,  G06F18/24 ,  G06Q10/10 ,  G06Q50/26 ,  G06N3/0464

Abstract: 本发明涉及一种用于海关进出口商品规范申报的智能化自动识别方法，属于自然语言处理技术领域。本发明针对BERT模型中存在的表达退化的问题，创新地提出了GDB模型。通过联合词嵌入生成器和词嵌入判别器，对流形外空间进行正则化，缓解了预训练模型BERT中存在的表达退化的问题。联合卷积神经网络进一步提取文本特征，捕捉文本中的局部连续信息，使模型更深入地学习到规范申报文本中的潜在格式规律，提高了模型的分类能力，从而更加容易地筛选出不规范文本。

公开(公告)号：CN117454904A

公开(公告)日：2024-01-26

申请号：CN202311522911.6

申请日：2023-11-16

Applicant: 大连理工大学

Inventor： 张强 ,  周成杰 ,  车超 ,  吴安奇

IPC: G06F40/30 ,  G06Q40/10 ,  G06N3/094

Abstract: 本发明涉及自然语言处理技术领域，具体涉及一种基于对抗学习的海关进出口商品税率检测方法。使用基于对比学习和对抗训练的深度学习方法，解决了海关商品数据中语义不同导致的一词多义现象以及海关商品数据类别分布不均衡的问题，提高了海关商品税率预测准确性。

公开(公告)号：CN114757427B

公开(公告)日：2024-09-06

申请号：CN202210428891.5

申请日：2022-04-22

Applicant: 大连理工大学

Inventor： 王鹏飞 ,  叶绯叶 ,  魏宗正 ,  车超 ,  周成杰 ,  张强

IPC: H02J3/00 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/09 ,  G06N3/045

Abstract: 本发明属于数据科学技术领域，涉及自回归修正的LSTM智能风电场超短期功率预测方法。本发明根据最近时刻的实际功率对未来4小时(16个时刻点)功率趋势进行预测，并使用该预测值修正利用LSTM预测的短期功率，实现历史功率数据与气象数据的特征结合，提高超短期预测中在风速快速变化或其他因素影响的功率剧烈抖动时的预测准确率，同时加快超短期预测的速度。本发明实现了自回归修正的LSTM智能风电场超短期功率预测方法，结合深度学习、自回归预测等技术，最终为风电场在风电功率超短期的精准预测领域提供了理论依据与实践经验。

公开(公告)号：CN114841419A

公开(公告)日：2022-08-02

申请号：CN202210414963.0

申请日：2022-04-20

Applicant: 大连理工大学

Inventor： 王鹏飞 ,  魏宗正 ,  叶绯叶 ,  车超 ,  周成杰 ,  张强

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于Transformer与LSTM混合模型的智能风电功率预测方法，属于深度学习技术领域。本发明对风电场数据进行短期或超短期预测，针对风电场数据的随机性、波动性和尖峰性，设计了Transformer与LSTM混合模型。该混合模型能够高效率地训练出精度优良的模型，加快新能源领域的数字化转型，能够取得更为优异的训练效果，在训练过程能够充分利用过去宝贵的经验。本发明结合Transformer与LSTM模型的优点，既能够准确地预测数据，又能够高效地训练数据，为深度学习技术在风电场领域的应用提供了理论依据和实践经验。