-
公开(公告)号：CN117580105B
公开(公告)日：2024-04-19
申请号：CN202410053103.8
申请日：2024-01-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种面向电网巡检的无人机任务卸载优化方法，包括以下步骤：（1）基于BS的通信方式及各无人机的巡检模式，构建由MEC服务器和无人机组成的电网巡检系统模型；（2）基于巡检系统模型，计算第k个无人机在第i时隙用于执行巡检任务的飞行能耗；（3）计算各无人机在第i时隙的任务处理时延；（4）计算各无人机在第i时隙的能量消耗；（5）基于任务处理时延和能量消耗，以系统能耗和时延的加权和最小化为目标函数：（6）采用深度强化学习中的DDPG算法求解最优卸载策略,使无人机电网巡检系统能耗和时延加权和最小；本发明能够在实时变化的环境中自主地调整无人机的卸载比例，以适应不同任务需求和通信环境，实现高效的无人机电网巡检。
-
公开(公告)号：CN116667881B
公开(公告)日：2024-03-26
申请号：CN202310303669.7
申请日：2023-03-27
Applicant: 南京信息工程大学
IPC: H04B3/46 , G06F18/2321 , H04B3/54
Abstract: 本发明公开了一种基于快速密度聚类的电力通信网关键链路评估方法，包括以下步骤：(1)建立带权网络数据模型；根据地区的物理结构，统计网络带宽和距离，将距离和带宽的权值进行归一化整合，采用网络带宽和距离作为评价加权；(2)计算边介数和链路关键度；(3)将计算得到的数据输入到快速密度聚类算法中，分析计算得出各条链路的重要性结果；本发明更加精确的对电力通信网的关键链路进行评估，减轻电力行业检修维护电网链路的压力，明确关键链路，最大程度上的减少检修维护以及人工的开支；此外，在电力行业人员获得关键链路的基础上，可以给出针对这些链路的故障预防措施，降低电力系统的不稳定性，降低大规模停电的风险。
-
公开(公告)号：CN116667881A
公开(公告)日：2023-08-29
申请号：CN202310303669.7
申请日：2023-03-27
Applicant: 南京信息工程大学
IPC: H04B3/46 , G06F18/2321 , H04B3/54
Abstract: 本发明公开了一种基于快速密度聚类的电力通信网关键链路评估方法，包括以下步骤：(1)建立带权网络数据模型；根据地区的物理结构，统计网络带宽和距离，将距离和带宽的权值进行归一化整合，采用网络带宽和距离作为评价加权；(2)计算边介数和链路关键度；(3)将计算得到的数据输入到快速密度聚类算法中，分析计算得出各条链路的重要性结果；本发明更加精确的对电力通信网的关键链路进行评估，减轻电力行业检修维护电网链路的压力，明确关键链路，最大程度上的减少检修维护以及人工的开支；此外，在电力行业人员获得关键链路的基础上，可以给出针对这些链路的故障预防措施，降低电力系统的不稳定性，降低大规模停电的风险。
-
公开(公告)号：CN117580105A
公开(公告)日：2024-02-20
申请号：CN202410053103.8
申请日：2024-01-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种面向电网巡检的无人机任务卸载优化方法，包括以下步骤：（1）基于BS的通信方式及各无人机的巡检模式，构建由MEC服务器和无人机组成的电网巡检系统模型；（2）基于巡检系统模型，计算第k个无人机在第i时隙用于执行巡检任务的飞行能耗；（3）计算各无人机在第i时隙的任务处理时延；（4）计算各无人机在第i时隙的能量消耗；（5）基于任务处理时延和能量消耗，以系统能耗和时延的加权和最小化为目标函数：（6）采用深度强化学习中的DDPG算法求解最优卸载策略,使无人机电网巡检系统能耗和时延加权和最小；本发明能够在实时变化的环境中自主地调整无人机的卸载比例，以适应不同任务需求和通信环境，实现高效的无人机电网巡检。
-
公开(公告)号：CN115983448A
公开(公告)日：2023-04-18
申请号：CN202211609240.2
申请日：2022-12-14
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于时空图神经网络的多能源负荷预测方法，包括如下步骤：选出日历特征，并获取综合能源系统中对应时间的电、热、冷负荷、气象特征数据；对各特征数据进行异常数据检测、线性插值、归一化处理，得到时间序列数据集；使用灰色关联度分析方法选择与电、热、冷负荷相关性较强的气象、日历特征，得到多能源负荷预测数据集；将多能源负荷预测数据集分为训练集、验证集和测试集，利用训练集和验证集中的数据对时空图神经网络进行训练，得到最优负荷预测模型；将测试集中的数据输入最优负荷预测模型，得到电、热、冷负荷预测结果。本发明利用时空图神经网络使多能源负荷预测模型的通用性更强，预测性能更高。
-
Patent Agency Ranking
公开(公告)号：CN117556369A
公开(公告)日：2024-02-13
申请号：CN202410046231.X
申请日：2024-01-12
Applicant: 南京信息工程大学
IPC: G06F18/2433 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种动态生成的残差图卷积神经网络的窃电检测方法，包括以下步骤：（1）收集电力系统中用户电力消费原始数据；（2）对原始数据进行缺失补充、异常值处理并划分训练集、验证集和测试集；（3）将预处理后的一维电力负荷曲线变换为二维电力负荷特征矩阵，以输入图卷积神经网络；（4）通过训练获得最佳参数以获得最能代表数据关系的邻接矩阵A；（5）将特征矩阵X和邻接矩阵A送入残差图卷积神经网络中提取潜在特征，通过池化层与全连接层得到最终分类；本发明通过动态学习用户用电周期之间的深层时间依赖关系、周期模式和潜在特征，提升了窃电检测领域的精度。所采用的数据补充方法有效缓解了现实世界中的数据不平衡问题。
-
公开(公告)号：CN115983448B
公开(公告)日：2023-09-12
申请号：CN202211609240.2
申请日：2022-12-14
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于时空图神经网络的多能源负荷预测方法，包括如下步骤：选出日历特征，并获取综合能源系统中对应时间的电、热、冷负荷、气象特征数据；对各特征数据进行异常数据检测、线性插值、归一化处理，得到时间序列数据集；使用灰色关联度分析方法选择与电、热、冷负荷相关性较强的气象、日历特征，得到多能源负荷预测数据集；将多能源负荷预测数据集分为训练集、验证集和测试集，利用训练集和验证集中的数据对时空图神经网络进行训练，得到最优负荷预测模型；将测试集中的数据输入最优负荷预测模型，得到电、热、冷负荷预测结果。本发明利用时空图神经网络使多能源负荷预测模型的通用性更强，预测性能更高。
-
公开(公告)号：CN117556369B
公开(公告)日：2024-04-19
申请号：CN202410046231.X
申请日：2024-01-12
Applicant: 南京信息工程大学
IPC: G06F18/2433 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种动态生成的残差图卷积神经网络的窃电检测方法，包括以下步骤：（1）收集电力系统中用户电力消费原始数据；（2）对原始数据进行缺失补充、异常值处理并划分训练集、验证集和测试集；（3）将预处理后的一维电力负荷曲线变换为二维电力负荷特征矩阵，以输入图卷积神经网络；（4）通过训练获得最佳参数以获得最能代表数据关系的邻接矩阵A；（5）将特征矩阵X和邻接矩阵A送入残差图卷积神经网络中提取潜在特征，通过池化层与全连接层得到最终分类；本发明通过动态学习用户用电周期之间的深层时间依赖关系、周期模式和潜在特征，提升了窃电检测领域的精度。所采用的数据补充方法有效缓解了现实世界中的数据不平衡问题。
-
公开(公告)号：CN116080407B
公开(公告)日：2023-07-28
申请号：CN202211555066.8
申请日：2022-12-06
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于无线能量传输的无人机能耗优化方法与系统，涉及移动边缘计算领域。该基于无线能量传输的无人机能耗优化方法，基于WPT能量发射器与无人机之间的通信方式构建应急救援系统模型；基于应急救援系统模型，计算无人机收集到的无线能量以及无人机飞行的能量消耗；计算无人机在本地计算模式下的能量消耗以及无人机剩余能量，无人机在本地计算模式下的能量消耗包括飞行能耗和计算能耗；计算无人机在卸载计算模式下的能量消耗以及无人机剩余能量，无人机在卸载计算模式下的能量消耗包括飞行能耗和通信能耗。本发明在确保完成应急救援任务的同时，使无人机能够充分利用收集到的无线能量，提高无人机剩余能量，延长无人机工作时间。
-
公开(公告)号：CN116172531B
公开(公告)日：2023-07-21
申请号：CN202310451221.X
申请日：2023-04-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于小波散射变换的血压变化趋势估计方法，该方法包括采集受试者的动脉血压信号和PPG信号并进行预处理；将预处理后的PPG信号和动脉血压信号分段，提取收缩压和舒张压数值，保留信号质量好的PPG信号段并进行小波散射，获得小波散射系数；获取小波散射系数差值、收缩压和舒张压变化量，并建立训练集和测试集；构建基于非因果时间卷积网络的血压回归模型；对血压回归模型进行训练；对训练好的血压回归模型进行验证。本发明解决了现有基于脉搏波的深度学习血压估计技术需要大量数据来训练模型、泛化能力有限，应用到不同环境和不同人群中时需要针对新用户额外采集数据进行模型微调和校准的问题。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.023 seconds)
