-
公开(公告)号：CN119293224A
公开(公告)日：2025-01-10
申请号：CN202411323188.3
申请日：2024-09-23
Applicant: 国网宁夏电力有限公司电力科学研究院 , 昆明理工大学
IPC: G06F16/335 , G06F16/36 , G06F16/332 , G06N3/0442
Abstract: 本申请涉及能源知识图谱技术领域，尤其涉及一种综合能源知识推荐方法及装置，方法包括：获取用户提问中的能源信息关键词，并得到所述能源信息关键词的向量表示；将所述能源信息关键词的向量按时间顺序形成时间序列向量；根据所述时间序列向量，预测得到用户的兴趣关键词；在综合能源知识图谱中确定与所述兴趣关键词相似的节点，并确定推荐内容。本申请通过基于综合能源知识图谱的推荐方法，实现了快速精准的对用户进行个性化的推荐，能够最大限度的保留用户和综合能源信息的结构，进而精准地进行预测和推荐。
-
公开(公告)号：CN119582169A
公开(公告)日：2025-03-07
申请号：CN202411641950.2
申请日：2024-11-18
Applicant: 国网宁夏电力有限公司电力科学研究院 , 昆明理工大学
IPC: H02J3/00 , H02J3/38 , G06F18/27 , G06F18/213 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06F123/02
Abstract: 本发明公开了一种基于BiLSTM‑TPA‑MTCN的新能源发电功率预测方法，该方法涉及电力系统多特征融合的风力和光伏发电功率预测技术领域。本发明收集风力发电系统和光伏发电系统的历史数据，对历史数据进行预处理以获得历史整理数据，利用BiLSTM构建发电功率预测模型，使用TPA、MTCN联合对发电功率预测模型进行优化，利用优化后的发电功率预测模型进行发电功率预测，该模型能够在面对复杂的时空数据时，提供更加准确的风电和光伏发电功率预测结果，该方法不仅在短期预测中具有优势，同时也为长期预测和电网调度优化提供了有力支持，具有较大的应用潜力和市场前景。
-
公开(公告)号：CN115017654A
公开(公告)日：2022-09-06
申请号：CN202210016545.6
申请日：2022-01-07
Applicant: 昆明理工大学
IPC: G06F30/18 , G06F30/27 , G06F111/04
Abstract: 本发明涉及城市轨道交通技术领域，具体地说，涉及一种用于测量和最小化城市轨道交通网络脆弱性的方法，其包括以下步骤：(1)构造城轨网络和定义乘客可接受的出行路径；(2)评估城轨网络服务性能；(3)评估脆弱性；(4)通过最佳顺序在车站增设折返轨道以最小化城轨网络的脆弱性。本发明能较佳地测量和最小化城轨网络脆弱性，其可通过软件编程简易实现。
-
公开(公告)号：CN119180372A
公开(公告)日：2024-12-24
申请号：CN202411256460.0
申请日：2024-09-09
Applicant: 昆明理工大学
IPC: G06Q10/04 , G06Q50/40 , G06F18/15 , G06F18/213 , G06F18/25 , G06F18/2433 , G06F18/214 , G06F18/21 , G06F18/22 , G06F18/27 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开了轨道交通客流OD预测方法及其系统，轨道OD客流准确的预测依赖于其客流的时空关系，精准的时间，空间关系挖掘可以提高模型对于下一时刻的OD客流预测精度。因此采用iTransformer中的时序变量嵌入和自注意力机制获得轨道OD客流的空间分布，同时对于时间关系的挖掘利用时域卷积网络进行特征提取，并将空间关系特征和时间关系特征进行融合，由全连接层进行进一步的内部特征学习，并做出预测，采用反归一化获得易于理解的表达，提升城市轨道交通中OD客流预测的准确性。
-
公开(公告)号：CN119048317A
公开(公告)日：2024-11-29
申请号：CN202411199596.2
申请日：2024-08-29
Applicant: 昆明理工大学
IPC: G06Q50/40 , G06F18/25 , G06N3/042 , G06N3/0442 , G06F18/213 , G06N3/045 , G06N3/08
Abstract: 本发明实施例公开了一种基于时空图注意力神经网络的城市轨道交通OD预测方法，包括：基于城市轨道交通网络的空间特征数据集和时序特征数据集对时空图注意力神经网络模型进行模型训练；将城市轨道交通网络的客流OD时序数据作为原始OD序列，输入训练好的时空图注意力神经网络模型中基于多头注意力机制进行特征提取，得到客流OD时序数据的空间特征OD序列和时间特征OD序列；使用双向门控循环单元模型对原始OD序列、空间特征OD序列和时间特征OD序列进行融合并预测得到城市轨道交通网络的客流OD预测结果。可以在城市轨道交通中，提升客流OD序列预测性能。
-
Patent Agency Ranking
公开(公告)号：CN112848958B
公开(公告)日：2023-08-08
申请号：CN202011637631.6
申请日：2020-12-31
Applicant: 昆明理工大学
Abstract: 本申请适用于电动车技术领域，提出了一种充电模式识别方法、装置，其中，方法包括：步骤一：获取电动车的充电电流数据；步骤二：根据充电电流数据，生成充电电流曲线，根据充电电流曲线形状和现有的充电模式建立充电电流特征；步骤三：建立特征模版；步骤四：结合一阶差分等数理统计方法建立充电电流特征识别算法，得到充电电流特征序列；步骤五：将充电电流特征序列输入预先建立好的分类规则，得到充电模式识别结果。本申请建立了充电电流特征和充电电流特征识别算法，通过对充电电流特征序列分类实现了对电动车充电过程的识别和监控，发现充电过程中存在的潜在问题和用户不恰当的充电行为，减少和预防电动车的充电安全隐患。
-
公开(公告)号：CN112848958A
公开(公告)日：2021-05-28
申请号：CN202011637631.6
申请日：2020-12-31
Applicant: 昆明理工大学
Abstract: 本申请适用于电动车技术领域，提出了一种充电模式识别方法、装置，其中，方法包括：步骤一：获取电动车的充电电流数据；步骤二：根据充电电流数据，生成充电电流曲线，根据充电电流曲线形状和现有的充电模式建立充电电流特征；步骤三：建立特征模版；步骤四：结合一阶差分等数理统计方法建立充电电流特征识别算法，得到充电电流特征序列；步骤五：将充电电流特征序列输入预先建立好的分类规则，得到充电模式识别结果。本申请建立了充电电流特征和充电电流特征识别算法，通过对充电电流特征序列分类实现了对电动车充电过程的识别和监控，发现充电过程中存在的潜在问题和用户不恰当的充电行为，减少和预防电动车的充电安全隐患。
-
公开(公告)号：CN115759369A
公开(公告)日：2023-03-07
申请号：CN202211374224.X
申请日：2022-11-03
Applicant: 昆明理工大学
IPC: G06Q10/04 , G06Q50/26 , G06N20/10 , G06N3/0499 , G06N3/048 , G06N3/0464 , G06F18/2115 , G06F18/27
Abstract: 本发明涉及轨道交通技术领域，具体地说，涉及一种城市轨道交通网络出行时间可靠性预测方法，其包括以下步骤：一、针对具有足够AFC数据记录的车站OD对，通过缓冲时间指数计算车站OD对的出行时间可靠性；二、明确影响出行时间可靠性的车站OD特征，提取多个特征，并采用无重复双因素方差分析，以确定不同出行时间可靠性水平下这些车站OD特征是否存在统计学上的显著差异；三、采用顺序向前选择法从车站OD特征中选择针对不同运营时段的最佳输入特征，避免特征冗余，从而加速预测并提高预测准确度；四、应用支持向量回归、多层感知器回归和深度残差网络三种机器学习模型预测早、晚高峰、平峰时段网络的出行时间可靠性，确定不同运营时段的最佳预测模型。本发明能较好地预测不同运营时段城市轨道交通网络的出行时间可靠性。
-
公开(公告)号：CN115017654B
公开(公告)日：2023-01-24
申请号：CN202210016545.6
申请日：2022-01-07
Applicant: 昆明理工大学
IPC: G06F30/18 , G06F30/27 , G06F111/04
Abstract: 本发明涉及城市轨道交通技术领域，具体地说，涉及一种用于测量和最小化城市轨道交通网络脆弱性的方法，其包括以下步骤：(1)构造城轨网络和定义乘客可接受的出行路径；(2)评估城轨网络服务性能；(3)评估脆弱性；(4)通过最佳顺序在车站增设折返轨道以最小化城轨网络的脆弱性。本发明能较佳地测量和最小化城轨网络脆弱性，其可通过软件编程简易实现。
-
公开(公告)号：CN115759369B
公开(公告)日：2025-01-17
申请号：CN202211374224.X
申请日：2022-11-03
Applicant: 昆明理工大学
IPC: G06Q10/04 , G06Q50/40 , G06N20/10 , G06N3/0499 , G06N3/048 , G06N3/0464 , G06F18/2115 , G06F18/27
Abstract: 本发明涉及轨道交通技术领域，具体地说，涉及一种城市轨道交通网络出行时间可靠性预测方法，其包括以下步骤：一、针对具有足够AFC数据记录的车站OD对，通过缓冲时间指数计算车站OD对的出行时间可靠性；二、明确影响出行时间可靠性的车站OD特征，提取多个特征，并采用无重复双因素方差分析，以确定不同出行时间可靠性水平下这些车站OD特征是否存在统计学上的显著差异；三、采用顺序向前选择法从车站OD特征中选择针对不同运营时段的最佳输入特征，避免特征冗余，从而加速预测并提高预测准确度；四、应用支持向量回归、多层感知器回归和深度残差网络三种机器学习模型预测早、晚高峰、平峰时段网络的出行时间可靠性，确定不同运营时段的最佳预测模型。本发明能较好地预测不同运营时段城市轨道交通网络的出行时间可靠性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.046 seconds)
