-
公开(公告)号：CN114243701B
公开(公告)日：2025-01-28
申请号：CN202210102969.4
申请日：2022-01-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种主网灾后维修派遣方法及系统，基于风险感知模型、BPR路阻模型、维修队路径规划模型、直流潮流模型以及元件状态更新模型建立输电网灾后维修队派遣模型；采集电网灾后受灾元件节点，将受灾元件节点输入输电网灾后维修队派遣模型，以系统缺供电量和用户心理感知损失和最小为目标函数，采用遗传算法对输电网灾后维修队派遣模型进行求解得到维修派遣方案，本发明将心理感知效应带来的隐性价值引入到目标函数中，在保证高效完成恢复任务的同时综合考虑各停电地区公众的心理预期时间和各地区公众的性格特征，在缺供电量相差不多的情况下优先恢复容忍度低的区域负荷，进而提高停电用户对于电网灾后处置方案的满意度，有利于提高电网自身的服务水平；心理的风险感知建模为电力系统分析用户的心理效应提供了模型基础。
-
公开(公告)号：CN115409370A
公开(公告)日：2022-11-29
申请号：CN202211043084.8
申请日：2022-08-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种隐私安全的楼宇集群能耗协同预测方法及系统，提出的多楼宇能耗预测模型分布式优化方法突破了现有中心化的迁移学习框架，为解决楼宇负荷建模过程中的小样本问题提供一个可行的途径；能够在隐私保护的前提下，实现多个楼宇间能耗预测模型的知识共享，有效解决部分楼宇面临的运行数据匮乏问题，针对不同楼宇用能模式的数据异质性现象，建立了基于动态聚类的联邦学习框架，将用能模式相近的楼宇划分为同一个聚类，并在不泄露用户用能信息的前提下进行聚类内和聚类间楼宇集群的知识共享，实现楼宇集群中联邦聚类模型选择性、导向性的协同优化。
-
公开(公告)号：CN114239206B
公开(公告)日：2024-10-25
申请号：CN202111604993.X
申请日：2021-12-24
Applicant: 西安交通大学 , 国网江西省电力有限公司
IPC: G06F30/18 , G06F30/27 , G06F111/02 , G06F113/04
Abstract: 本发明公开了基于强化学习的灾后电‑路协同修复方法、系统与设备，通过配电网与城市交通网络的网络拓扑、故障信息以及维修站位置和维修队位置，构建时序马尔可夫决策网络，根据电‑路联合系统当前所处状态以及可采取的动作集合，以蒙特卡洛树搜索方法根据时序马尔可夫决策网络对维修队的修复对象进行选择，形成以电‑路联合系统的状态为样本、以当前状态下的最佳修复对象为样本标签的数据集，构建以电‑路联合系统的状态为输入、以电‑路联合系统的下一步的修复对象为输出的快速决策网络，本发明考虑了电‑路联合系统修复计划存在的矛盾性与协同性，构建的强化学习算法有助于提高两者的协同修复效率，增强电‑路联合系统对自然灾害的抵御能力。
-
公开(公告)号：CN116111585A
公开(公告)日：2023-05-12
申请号：CN202310072327.9
申请日：2023-01-17
Applicant: 西安交通大学
IPC: H02J3/00 , H02J3/48 , H02J3/50 , H02J3/14 , G06F30/20 , G06F113/04 , G06F119/02
Abstract: 本发明公开了一种考虑开关不确定性的配电网恢复方法及装置，基于线性化Distflow模型和旅行商模型提出的三层鲁棒灾后恢复模型，在灾后恢复的过程中考虑了元件和远动开关的故障，计及分布式发电机重新调度和网络重构技术，解决了故障类型不确定情况下的维修人员调度难题，求得的配电网恢复方案适用于全部可能出现的故障场景，降低了故障信息不完整情况下配电网可能遭受的最大负荷损失，此外，建立的模型只需要配电网运行商依据历史数据预测各种类型故障发生的最大数量，降低了所需信息的要求，有效削减需要添加的场景减轻计算负担，可以在短时间内找到全局最优解，提高配电网灾后恢复的效率，为故障信息不完整情况下的配电网恢复提供了高效的工具。
-
公开(公告)号：CN119539259A
公开(公告)日：2025-02-28
申请号：CN202411593154.6
申请日：2024-11-08
Applicant: 西安交通大学
IPC: G06Q10/063 , G06Q10/067 , G06Q50/06 , G06Q50/26 , H02J3/28 , G06N3/0442 , G06N3/084 , G06N3/045 , G06N5/048
Abstract: 本发明属于燃料电池技术领域，涉及一种考虑用户响应意愿的电动汽车集群可调容量评估方法，包括：1、建立电动汽车EV个体的统一储能模型；2、建立电动汽车EV集群的广义储能GES资源通用聚合模型；3、基于双向量子长短期记忆神经网络预测电动汽车EV集群聚合模型参数集得到理论需求响应潜力；4、基于TSK模糊系统量化用户侧需求响应意愿得到需求响应意愿系数；5、结合数据和模型驱动的结果得出实际需求响应潜力；本发明考虑电动汽车的异质性对个体进行统一储能建模，并将其集群封装为广义储能资源通用聚合模型，从而在不影响模型精度的情况下以一组较少的参数精确表征电动汽车集群的理论需求响应潜力，同时考虑用户响应意愿得到实际需求响应潜力。
-
Patent Agency Ranking
公开(公告)号：CN118776042A
公开(公告)日：2024-10-15
申请号：CN202410952381.7
申请日：2024-07-16
Applicant: 西安交通大学
Abstract: 本发明属于空调技术领域，涉及一种面向用户舒适度需求的建筑暖通空调系统控制方法，包括：步骤1、用户偏好温度模型构建，通过采集建筑历史运行数据中影响用户温度偏好的因素及对应的室内温度，构建用户温度偏好模型；步骤2、基于PPO算法的建筑HVAC系统调控，基于用户温度偏好模型并利用预测信息预测用户偏好温度，在对偏好温度实时跟踪的同时对系统设备进行精细化调控；本发明通过采集用户的历史运行数据，利用非端到端的行为克隆方法提取用户在不同因素下的温度偏好，并将其作为目标温度，利用强化学习算法对系统进行调控，从而实现不违反用户热舒适度的前提下建筑暖通空调系统的高效节能运行，并为建筑与电网间的协同互动提供基础。
-
公开(公告)号：CN114239991A
公开(公告)日：2022-03-25
申请号：CN202111604996.3
申请日：2021-12-24
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于数据驱动的楼宇供热负荷预测方法、装置与设备，根据建筑结构、用户行为、环境天气构建特征集合，基于不同时间尺度的特征集合形成数据样本，提取数据样本中多个不同时间尺度的深层数据特征，建立基于输入样本与楼宇建筑供热功率的楼宇供热预测模型，采用离线训练和在线优化的神经网络训练框架，使用L1‑RDA在线学习方法对楼宇供热预测模型进行在线优化更新，利用实际供热功率的动态数据流对其进行实时更新，使得预测模型可以更好应对环境天气和用户行为的不确定性，增强了模型的鲁棒性和泛化能力，提高楼宇建筑供热短期预测的准确性，对深度挖掘楼宇的节能潜力、建设近零能耗的新型楼宇建筑具有重要意义。
-
公开(公告)号：CN114239206A
公开(公告)日：2022-03-25
申请号：CN202111604993.X
申请日：2021-12-24
Applicant: 西安交通大学 , 国网江西省电力有限公司
IPC: G06F30/18 , G06F30/27 , G06F111/02 , G06F113/04
Abstract: 本发明公开了基于强化学习的灾后电‑路协同修复方法、系统与设备，通过配电网与城市交通网络的网络拓扑、故障信息以及维修站位置和维修队位置，构建时序马尔可夫决策网络，根据电‑路联合系统当前所处状态以及可采取的动作集合，以蒙特卡洛树搜索方法根据时序马尔可夫决策网络对维修队的修复对象进行选择，形成以电‑路联合系统的状态为样本、以当前状态下的最佳修复对象为样本标签的数据集，构建以电‑路联合系统的状态为输入、以电‑路联合系统的下一步的修复对象为输出的快速决策网络，本发明考虑了电‑路联合系统修复计划存在的矛盾性与协同性，构建的强化学习算法有助于提高两者的协同修复效率，增强电‑路联合系统对自然灾害的抵御能力。
-
公开(公告)号：CN119029958A
公开(公告)日：2024-11-26
申请号：CN202411145332.9
申请日：2024-08-20
Applicant: 西安交通大学
Abstract: 本发明属于电氢耦合技术领域，涉及一种计及频率稳定性的电氢耦合系统灾后快速恢复方法，包括：步骤S1、建立灾后电氢耦合配电系统调度模型与恢复过程相关约束；步骤S2、设计两阶段灾后电氢耦合系统恢复算法，根据步骤S1提出的模型与约束，求解随维修过程变化的配电网拓扑过程，再根据模型结合维修过程约束与频率稳定性相关约束，求解出考虑频率稳定性的负荷冷加载策略及各类型设备调度策略；本发明将电解池和燃料电池的电功率表示为电堆温度和电堆电流的非线性函数，并通过在参考工作点附近选取切平面进行线性化处理，构造出考虑动态转换效率的能量转换线性约束，并通过限制氢燃料电池的出力范围，减小近似线性化带来的误差。
-
公开(公告)号：CN113961434A
公开(公告)日：2022-01-21
申请号：CN202111153349.5
申请日：2021-09-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种分布式区块链系统用户异常行为监测方法及系统，通过对用户的行为数据进行预处理与脱敏处理后，从预处理与脱敏处理后的行为数据中提取数据特征，然后将提取的数据特征在区块链的各个节点之间共享，形成完整的数据链，各节点同步该区块以获取处理后的特征数据，然后通过构建孤立树，将所有数据根据某个维度的数据特征分散至该孤立树中的多个分叉上，通过计算数据在由多个孤立树构建的孤立森林中的路径深度与平均路径深度，可以得到检测数据的异常值，有利于克服区块链高维大数据异常监测困难、准确率低的问题，并通过采用分布式算法提升计算效率，为区块链系统交易的安全性提供可靠保障。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.023 seconds)
