-
公开(公告)号：CN120106582A
公开(公告)日：2025-06-06
申请号：CN202510559941.7
申请日：2025-04-30
Applicant: 南京邮电大学
IPC: G06Q10/0635 , G06Q50/06 , G06F17/18 , G06F17/17
Abstract: 本发明一种配电网系统静态风险评估方法及设备，属于电力系统技术领域。方法包括：对配电网系统中的不确定性输入变量进行标准化处理，得到标准输入变量；对配电网系统输出进行多项式混沌展开，对多项式混沌展开的基函数进行稀疏化处理，对标准输入变量进行数值积分计算多项式混沌展开系数，将获得的多项式混沌展开式作为配电网系统输出的高维代理模型；基于高维代理模型对配电网系统进行静态风险评估。本发明通过对多项式基函数进行稀疏化处理，控制基函数维度，再通过数值积分计算多项式系数，实现在相同精度要求下，显著提升了整体计算效率，满足对新型智能配电网系统的静态风险进行实时性评估的需求。
-
公开(公告)号：CN115834022B
公开(公告)日：2025-05-16
申请号：CN202211683221.4
申请日：2022-12-27
Applicant: 南京邮电大学
IPC: H04L9/00 , H02J13/00 , H02J3/38 , H02J3/06 , H02J3/24 , H02J3/00 , H04L9/30 , G06Q10/0631 , G06Q50/06 , G06F21/60 , G06F21/62
Abstract: 本发明公开了一种基于加密策略的孤岛微电网隐私保护分布式经济调度方法，构建了微电网发电机组间密文交互的保密交互协议和隐私保护一致性算法，属于微电网经济调度领域。本发明微电网中的每个发电机组通过保密交互协议获取自身信息和通信网络中与其相邻的其它发电机组信息之间的信息加权差，从而更新隐私保护一致性算法，在满足电力系统功率平衡的前提下实现总发电成本最优化。并且本发明在保证经济调度任务有效完成的基础上，实现各发电机组间信息的密文传输，避免了隐私泄露，保障电力系统的安全与稳定运行。
-
公开(公告)号：CN119315886B
公开(公告)日：2025-04-29
申请号：CN202411875059.5
申请日：2024-12-19
Applicant: 南京邮电大学
IPC: H02P21/14 , H02P25/022
Abstract: 本发明公开一种多场景耦合下永磁同步电机的有限时间量化控制方法及系统，其中方法包括：提供具有量化输入的永磁同步电机模型；进行坐标变换；设计自适应律对模糊逻辑系统的最优逼近权重进行估计；引入自适应动态增益；设计永磁同步电机模型中与定子电阻相关参数的自适应律；根据永磁同步电机的跟踪误差模型，模糊逻辑系统逼近权重的自适应律，自适应动态增益，以及与定子电阻相关参数的自适应律对控制器进行迭代设计。本发明在自适应律中引入动态增益实现有限时间任意精度控制，从而避免了构造复杂性能函数与坐标变换，并解决了潜在峰化现象。对输入信号进行量化，引入正切函数实现隐式控制器解耦，使得网络控制更容易实现。
-
公开(公告)号：CN119154521B
公开(公告)日：2025-03-18
申请号：CN202411671298.9
申请日：2024-11-21
Applicant: 南京邮电大学
Abstract: 本发明公开一种多样化通信问题下虚拟电厂调频信息物理一体化设计方法，包括：搭建虚拟电厂参与频率调节的控制架构；基于此，提出一种云边协同下针对丢包的虚拟电厂功率调度和通信资源分配的联合设计方案，其中在物理层，提出考虑丢包的虚拟电厂功率调度，在信息层，设计通信资源分配策略，以消除丢包影响，从而确定精确的功率调度；进一步，提出一种边端协同下预防网络攻击的高可靠信息传输方法，其中在物理层，实施动态功率控制，在信息层，采用数字签密算法，以改善系统信息传输抵御网络攻击，从而确保精确的动态控制。本发明能够有效减少多样化通信问题对虚拟电厂调频业务的影响，保证频率调节业务的实时性与准确性。
-
公开(公告)号：CN119538324A
公开(公告)日：2025-02-28
申请号：CN202510090866.4
申请日：2025-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种数据驱动的分布式电源发电功率不确定性聚合量化方法，该方法包括收集配电网中各区域内各个分布式电源发电功率的区间预测值；在云端构建分布式电源发电功率全局不确定性聚合量化模型，并初始化模型参数；云端将全局不确定性聚合量化模型参数发送至管辖配电网不同区域的边缘计算设备；各边缘计算设备利用区域内各个分布式电源发电功率的区间预测值构建本地不确定性聚合量化模型训练数据库，并利用该数据库对边缘设备的本地不确定性聚合量化模型进行训练；训练完成后各边缘计算设备将本地模型参数上传至云端进行更新等。本发明可以在充分提取数据的时空特征，在不泄露区域内用户隐私的前提下提高了不确定性聚合的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114580110B
公开(公告)日：2024-12-27
申请号：CN202210236815.4
申请日：2022-03-10
Applicant: 南京邮电大学
IPC: G06F30/17 , G06F30/20 , G06F111/08
Abstract: 一种基于序列扰动算子的圆形件排样方法，主要用于解决钣金材料圆形件排样问题。该方法以多个起点的方式执行一个搜索循环。在每次循环中，基于当前圆形件的个数，算法首先随机生成一个初始解，并对其进行局部优化；然后，执行动态阈值搜索方法，以优化数学优化模型；当动态阈值搜索方法获得一个合法解时，将圆形件个数加1，然后重新执行下一轮循环；当动态阈值搜索算法在已知的条件下未能找到合法解，则随机生成初始解，并进入下一轮循环。本发明在可接受的时间范围内可获得一个高质量的圆形件排样布局，让钣金材料的利用率尽可能的达到最大，减少了材料的浪费，从而产生一定的经济效益。
-
公开(公告)号：CN118972426A
公开(公告)日：2024-11-15
申请号：CN202411006002.1
申请日：2024-07-25
Applicant: 南京邮电大学
IPC: H04L67/125 , G06F17/11 , H04L67/10 , F24F11/47 , F24F11/64 , F24F11/54 , F24F140/50
Abstract: 本发明公开了一种异构变频空调集群的基于事件触发机制的分布式调控策略，构建了一个基于需求响应的多层控制架构，综合考虑了调度目标、用户感受、通信资源等因素。本发明设计了计算空调调度能力的策略并确定了基于调度能力的功率分配原则，避免了资源分配不均现象；制定了分布式控制协议，在达到调度目标功率的前提下实现用户舒适度共享，还确保室内温度不会超过用户容忍范围，引入事件触发机制，使调度能够在规定的时间内完成，有效减少了空调实际数量所带来的通信负担，提高了通信效率。
-
公开(公告)号：CN115017584B
公开(公告)日：2024-11-15
申请号：CN202210631141.8
申请日：2022-06-06
Applicant: 南京邮电大学
IPC: G06F30/13 , G06F30/27 , G06F119/02
Abstract: 本发明公开了一种基于进化深度强化学习的商业建筑HVAC控制方法及系统，包括：获取商业建筑HVAC控制模型；将HVAC控制模型设计为与风阀控制和区域供风速率控制相关的马尔可夫博弈问题；采用多智能体注意力进化深度强化学习算法并行求解马尔可夫博弈问题，得到多组多智能体群的最优控制策略；对不同种群的最优控制策略进行重组并将其作为规模更大的多智能体群的初始策略；重复求解规模更大的马尔可夫博弈问题直到种群规模与风阀数量与区域数量之和相等，最终得到HVAC系统的最优控制策略；将训练得到的HVAC最优控制策略部署到实际系统进行在线控制。相比现有方法，本发明可在维持高舒适性的同时显著降低能量成本。
-
公开(公告)号：CN114596438B
公开(公告)日：2024-11-12
申请号：CN202210237176.3
申请日：2022-03-10
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V10/762 , G06N3/126
Abstract: 一种求解基因芯片图像分割的Memetic方法，该方法主要由四个部分组成，它们分别是：种群初始化，即随机生成p个初始解并由此构成一个初始种群；用k‑means算法作为局部优化方法；一个用来产生后代解的交叉算子；一个基于种群多样性的种群更新方法。通过利用一种新的交叉算子和基于多样性的种群更新策略，本方法增强了全局搜索能力，克服了使用传统k‑means算法易陷入局部最优解的缺点，这在很大程度上提高了基因芯片图像分割结果的准确度和效率，有利于处理大规模的基因芯片图像分割。
-
公开(公告)号：CN114897266B
公开(公告)日：2024-11-08
申请号：CN202210662643.7
申请日：2022-06-13
Applicant: 南京邮电大学
Abstract: 本发明是一种基于深度强化学习的微电网能源系统的多目标安全优化方法，包括步骤1：建立多目标优化模型；步骤2：将多目标优化模型分解成一组标量子问题，通过粒子群优化算法基于边界交叉法的替换策略在其子种群中进行优化；步骤3：运用强化学习中深度确定性策略梯度算法对PBI中惩罚因子进行训练，将子问题周围解的浓度定义为状态，将惩罚因子θ值的变化定义为动作，再将状态经不同动作策略下得出的状态和反馈组成经验元组并形成深度强化学习中DDPG算法学习所需的经验池；步骤4：通过强化学习训练出神经网络中的相关权重，从而得出最优的惩罚因子，提高PBI算法的聚合效率，通过PSO算法优化子种群推动解逼近真实的帕累托前沿。
-
-
-
-
-
-
-
-
-
Search Results
710
records
(took 0.05 seconds)
