-
公开(公告)号：CN119476884B
公开(公告)日：2025-04-04
申请号：CN202510052521.X
申请日：2025-01-14
Applicant: 南京信息工程大学
IPC: G06Q10/0631 , G06Q50/06 , G06N3/006 , H02J3/00
Abstract: 本发明公开了一种基于改进蜣螂优化算法的虚拟电厂优化调度方法，包括：以虚拟电厂的运行经济成本和环境保护成本为目标，构建虚拟电厂混合环境经济多目标优化调度模型；根据发电主体的发电功率和储能系统的荷电状态设定多维动态约束条件；通过改进的蜣螂优化算法对虚拟电厂混合环境经济多目标优化调度模型进行优化求解，对蜣螂个体进行非支配排序后计算蜣螂个体的拥挤距离，根据拥挤距离调整蜣螂种群分布；根据迭代次数调整蜣螂个体的搜索半径和扰动强度；利用边界控制机制更新蜣螂个体；通过改进的蜣螂优化算法迭代筛选出最优电力调度方案；本发明利用改进的蜣螂优化算法提高调度效率，降低运行经济成本，增强对环境保护的支持。
-
公开(公告)号：CN118364364B
公开(公告)日：2024-08-27
申请号：CN202410790097.4
申请日：2024-06-19
Applicant: 南京信息工程大学
IPC: G06F18/241 , G06F18/214 , G06F18/15 , G06N3/0499 , G06N3/09 , G06Q50/06 , H02J3/00
Abstract: 本发明公开了一种基于复数神经网络的光伏发电预测方法及系统，包括：获取光伏发电历史数据和气象历史数据；根据光伏发电历史数据和气象历史数据计算皮尔逊相关系数和斯皮尔曼秩序相关系数；根据皮尔逊相关系数和斯皮尔曼秩序相关系数对气象历史数据进行筛选获得气象相关数据；通过孤立森林算法对所述气象相关数据进行校正获得训练样本；构建获得复数神经网络，利用训练样本对复数神经网络进行训练，实时获取气象数据和光伏发电数据并输入至训练后的复数神经网络，获得光伏发电预测功率；利用复数神经网络同时处理数据实部信息和虚部信息的优势，更加准确地捕捉信号的振幅、相位特征、周期性特征，从而能够更加精准的预测光伏发电功率。
-
公开(公告)号：CN117918862A
公开(公告)日：2024-04-26
申请号：CN202410330584.2
申请日：2024-03-22
Applicant: 南京信息工程大学
IPC: A61B5/369 , A61B5/372 , A61B5/00 , A61B5/31 , A61B5/16 , G06F18/241 , G06N3/0464 , G06N3/082
Abstract: 本发明旨在提供一种基于原始脑电信号的注意力评估方法、终端及介质，属于脑机接口技术领域，通过国际10‑20导联系统采集8个特定脑区的原始信号，去噪、滤波和伪影去除，并对检测到的坏道进行插值处理，生成初始可处理脑电信号，接着结合时域和频域特性，对预处理后的信号进行离散傅里叶变换以获取功率谱密度作为关键特征输入神经网络模型，通过优化参数训练至设定精度阈值，形成注意力评估分类模型，输出量化评估结果。此方法有效解决了传统评估主观性与不准确性的问题，实现了客观精准地评估个体注意力状态。同时提出了一种可执行此方法的电子终端及计算机程序存储介质。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN114186572B
公开(公告)日：2023-07-25
申请号：CN202111309924.6
申请日：2021-11-08
Applicant: 南京信息工程大学
IPC: G06K7/10
Abstract: 本发明公开了一种基于冲突时隙协调的未知标签识别方法及系统，能够提高系统的识别效率和稳定性，避免已知标签对未知标签的干扰，该方法包括：通过阅读器获取其识别范围内的标签信息，通过时隙帧匹配识别的结果得到每个时隙的状态；对于预期单一时隙的标签，若实际映射结果依旧是单一时隙，通过向标签发送命令进行抑制；对于预期空闲时隙的标签，若实际映射结果变为单一时隙，对标签进行识别；对于预期冲突时隙的标签，并进行第二次时隙帧匹配识别；若发生冲突的标签匹配的结果是唯一不同的值，进行标签识别；若发生冲突的标签匹配的结果有相同的值，设置为参与下一轮的识别；重复执行上述步骤，直至识别范围内的标签全部识别完毕。
-
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。
-
公开(公告)号：CN116172531A
公开(公告)日：2023-05-30
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；构建非因果时间卷积网络；对非因果时间卷积网络进行训练；对训练好的非因果时间卷积网络进行验证。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。
-
公开(公告)号：CN116080407A
公开(公告)日：2023-05-09
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：CN110807443B
公开(公告)日：2023-04-25
申请号：CN201911181098.4
申请日：2019-11-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于参数自适应HMM模型的体感网心电信号分段方法，包括以下步骤：(1)将ECG信号x(n)输入系统；(2)对x(n)进行R波检测，标记R波位置，并计算R‑R间隙,保存最大R‑R间隙值RRmax，保存最小R‑R间隙值RRmin；(3)设置ECG分组阶数N初始值为2；(4)设置分组间隙Δ＝(RRmax‑RRmin)/N；(5)对各ECG分组进行初始化，提取特征，训练参数后进行特征波段识别；(6)计算HMM模型识别参数灵敏度SE和正检率+P；(7)模型阶数N值优化，当不满足灵敏度SE阈值大于92％和正检率+P阈值大于95％时，设置N＝N+1，返回步骤(4)；当满足灵敏度SE阈值大于92％和正检率+P阈值大于95％时，输出HMM模型识别结果。该方法对心电信号进行识别并分段，使得对于心电信号时变特性响应加快、正检率+P阈值高达98％。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.039 seconds)
