专利交易市场

本发明公开了一种基于机器学习和量子化学计算的相变吸收剂筛选方法，包括：获取关于活化剂的物化性质数据，搜集目标气体的吸收性能的所有性能指标，输入到计算机中，选择XGBoost算法来构建机器学习模块，把SHAP值作为输出模块，利用SHAP方法对模型进行解释；机器学习过程可以计算每个输入性质的SHAP值，SHAP值有正有负，正值为正贡献，负值为负贡献，其绝对值反映某一吸收性能的贡献程度特征，绝对值越大，说明贡献程度越高。通过上述输出结果，建立性质与性能的评价系统。基于此，可以快速定位影响某一CO2吸收性能最大的性质，并利用正负性准确判断性质模块和性能模块的关系，从而在后期工作中高效筛选出目标相变吸收剂，实现新型相变吸收剂的开发。

基于边界区域重要性采样与核向量机的暂态安全评估方法，包括以下步骤：步骤一：获得系统运行样本，构建暂态安全指标，建立相应的样本数据库；步骤二：对样本数据库进行采样，以高效的生成离线训练样本集，并进行归一化以减轻机器计算负担；步骤三：构建电力系统暂态安全评估模型，并利用训练样本集对模型进行离线训练；步骤四：基于电力系统实时运行数据，利用持续更新的暂态安全评估模型完成对电力系统实时暂态安全状态的评估，得到最终暂态稳定评估结果。本发明的目的是为了提供一种有利于提高训练过程的速度和评估过程精度的方法，并且在电力系统暂态安全评估领域具有较强的适用性，可以避免大停电事故。

本发明公开了一种基于半监督式机器学习的低压故障电弧感知方法，对一个分析周期内的检测信号，经过小波包分解后在故障电弧特征频段对应节点重构小波系数，通过绝对值求和得到对应频段上的特征值，基于安全式半监督支持向机对特征值进行状态分类，判断低压用电系统内故障电弧发生的情况，在感知到故障电弧发生的条件下，结合对检测信号进行短时傅里叶变换及特定频段分量累加而得到的特征值，辨识故障电弧的类型。本发明能够在有限样本标签训练条件下，减少分类模型计算量，获得相对较高的故障电弧感知准确率，同时通过增加对串联、并联故障电弧的精准判断，从而能够最大限度地优化灭弧措施、提升系统运行维护效率。