-
公开(公告)号：CN108731700A
公开(公告)日：2018-11-02
申请号：CN201810239808.3
申请日：2018-03-22
Applicant: 东南大学
Abstract: 本发明公开了一种视觉惯性里程计中的加权欧拉预积分方法，惯性测量单元的预积分在VIO处理流程中是很重要的数据预处理部分，提高预积分的精度对于后续的联合初始化、运动估计及优化具有重要意义。本发明方法首先在积分运动模型上使用加权欧拉预积分，然后将两关键帧间的IMU测量值通过迭代求和处理，得到两关键帧之间的运动约束，再通过公式处理进一步得到相对运动增量模型以及预积分测量模型。与传统的预积分方法相比，提出的方法能充分利用测量的角速度和加速度测量值，并且更真实地反映速度和角度的变化趋势。在视觉与惯性器件紧耦合的系统中，使用EuRoc MAV数据集，实验结果较理想，在定位精度上有显著的提升，RMSE提高约40％。
-
公开(公告)号：CN119784113A
公开(公告)日：2025-04-08
申请号：CN202510280236.3
申请日：2025-03-11
Applicant: 东南大学
IPC: G06Q10/0631 , G06Q40/06 , G06F17/10 , G06F17/16 , G06Q50/06
Abstract: 本发明公开了一种基于改进大M法的输电网扩展规划方法及系统，方法包括：以总成本最小，构建输电网源‑网协同规划模型的目标函数；基于输电网源‑网协同规划模型的目标函数，构建输电网源‑网协同规划模型的约束条件；采用Benders分解算法，将输电网源‑网协同规划模型分解为投资规划主问题和运行子问题；在运行子问题中，通过直流潮流转移因子矩阵，为每个大M约束整定大M取值范围；求解得到输电网扩展规划方案。本发明针对输电网扩展规划建模过程中大M法取值困难的问题，对其中约束条件的大M取值范围进行整定，有效缩小了输电网扩展规划问题的可行解空间，显著提升了模型求解的准确率和效率。
-
公开(公告)号：CN119448209A
公开(公告)日：2025-02-14
申请号：CN202411407576.X
申请日：2024-10-10
Applicant: 东南大学
IPC: H02J3/00 , H02J3/46 , G06Q10/04 , G06Q50/06 , G06F18/2113 , G06F18/213 , G06N3/0455 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于多元特征时频同步分析和注意力机制的光伏出力预测方法，包括如下步骤：获取目标光伏站出力数据和气象数据，采用分时段MIC相关性分析法提取出力最相关天气特征；采用MVMD多元变分模态分解对出力时序结合相关气象特征进行时频同步分析，得到频率对齐的多元本征模态；构建基于Huber损失函数和改进注意力机制的Informer网络模型；根据相应出力IMF模态分量及其相关气象模态分量，对Informer网络模型进行训练和预测，获取到不同出力IMF模态分量预测结果；将不同出力IMF模态分量预测结果进行叠加得到光伏出力预测结果。本发明将MVMD与Informer网络模型相结合，可提高光伏出力预测的准确性。
-
公开(公告)号：CN119378736A
公开(公告)日：2025-01-28
申请号：CN202411407572.1
申请日：2024-10-10
Applicant: 东南大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/2113 , G06F18/213 , G06F18/23213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , H02J3/00 , H02J3/38 , G06F123/02
Abstract: 本发明公开了一种基于多元扰动特征提取和辅助任务学习的光伏出力预测方法，包括如下步骤：获取目标光伏站位置信息、面板数据、出力数据和气象数据；采用VMD变分模态分解对历史光伏出力进行分解，得到出力扰动IMFs模态和类晴空IMF模态；对表征出力扰动的IMFs模态进行K‑means聚类，构建功率变化特征簇；对不同功率变化特征簇结合天气因素进行Spearman相关性分析；根据不同功率变化特征簇及其相关气象结合作为辅助任务训练数据输入到引入共享特征及跨任务注意力机制的CNN‑GRU混合预测模型进行训练，得到最终的光伏出力预测结果。本发明方法能够提高光伏出力预测的整体精度，鲁棒性高，能为光伏站运营管理提供数据支撑。
-
公开(公告)号：CN118627675A
公开(公告)日：2024-09-10
申请号：CN202410748225.9
申请日：2024-06-11
Applicant: 东南大学
IPC: G06Q10/04 , G06Q10/083 , G06Q10/0631 , G06F16/901 , G06F17/10 , G06N3/048 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种用于跨城市物流需求预测的多粒度图学习系统，提出了一种新颖的多粒度图学习框架，通过学习动态用户图中的不变表示来进行跨城市物流需求预测。该框架包含两个阶段。在适应阶段，通过学习专门针对种子用户的不变表示，确保在不同城市之间用户表示的一致性。此外，通过将动态边信息(如物流行为)整合到静态边中，丰富用户嵌入。另采用可微分池化将对齐用户的嵌入聚合到区域中。在预测阶段，设计了基于元学习的多城市知识转移，利用目标城市的时空信息微调模型参数，实现城市自适应知识共享，并进一步预测物流揽件量和派件量需求。
-
Patent Agency Ranking
公开(公告)号：CN118380998A
公开(公告)日：2024-07-23
申请号：CN202410426988.1
申请日：2024-04-10
Applicant: 东南大学
Abstract: 本发明公开了一种储能容量配置方法，涉及储能配置优化技术领域，基于电网的电压稳定性，初步得到无功功率与电压Q‑V曲线；针对初步得到的无功功率与电压Q‑V曲线，利用连续潮流法求解出完整的无功功率与电压Q‑V曲线；根据完整的无功功率与电压Q‑V曲线，确定储能的最佳连接位置；根据储能的最佳连接位置构建储能容量配置模型，从而确定储能容量。考虑了系统不同负载母线的电压稳定性，将问题转化为使用连续潮流求解求取Q‑V曲线确定母线无功功率裕量从而确定储能连接位置。同时建立了考虑系统频率偏差最小以及经济性最优的储能容量配置模型。
-
公开(公告)号：CN114022901B
公开(公告)日：2024-07-16
申请号：CN202111298178.5
申请日：2021-11-04
Applicant: 东南大学
IPC: G06V40/10 , G06V10/762 , G06F18/24 , G06F18/2321 , G01S13/88
Abstract: 本发明公开了一种基于视觉和射频感知的跨模态ReID方法，对数据进行处理来消除时空上的不一致性对相似性计算的影响，具体包括以下步骤：步骤1：对视觉数据，建立3D网格，然后计算特征域；步骤2：对射频数据，首先进行聚类，然后进行步态周期的分析；步骤3：将处理好的视觉和射频数据进行步态周期的对齐；步骤4：评估相似性，评估结果按相似性降序排列。本发明解决了视觉和射频感知在数据形式，时间、空间上的不一致性，达到了90%以上的总体准确率。
-
公开(公告)号：CN114048783B
公开(公告)日：2024-04-16
申请号：CN202111365159.X
申请日：2021-11-17
Applicant: 东南大学
IPC: G06F18/25 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/045 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于移动群体感知的关于蜂窝信号地图的构建方法，以三维张量存储信号数据的时空特征，其张量的三个维度分别表示长、宽及时间维度。在构建信号地图时，首先进行MCS信号数据的潜在因子特征采集，然后提取其内部特征。接着进行缺失信号值预估，在潜在因子特征采集的基础上，利用贝叶斯概率张量分解来实现信号恢复，得到MCS数据的内部特征。最后，引入了一种新的基于学习的多视图特征融合模块，将外部特征嵌入到一个向量中，并将其与内部特征相结合，然后将其输入全连接层，获取信号特征并构建细粒度信号图。
-
公开(公告)号：CN114268529B
公开(公告)日：2023-12-22
申请号：CN202111566918.9
申请日：2021-12-20
Applicant: 东南大学
IPC: H04L27/26
Abstract: 本发明提供基于多维特征的LoRa并发传输解调方法，包括以下步骤：在物理层同时利用LoRa信号的频率特征和能量特征对并发传输的LoRa信号进行解调，可以不修改设备硬件，直接部署在LoRa接收端；通过计算不同symbol对应频率的能量金字塔 （Energy pyramid）来从冲突的LoRa传输中分离symbol，从而达到并发解调的目的，本发明接收端可从碰撞的数据包中恢复数据，无需重传数据包，节省了能耗。
-
公开(公告)号：CN116934380A
公开(公告)日：2023-10-24
申请号：CN202310894174.6
申请日：2023-07-20
Applicant: 东南大学
IPC: G06Q30/0202 , G06Q30/0203 , G06Q30/0204 , G06Q10/083 , G06F16/35 , G06F40/30 , G06F18/25 , G06F18/27 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种异常事件下的电商物资供需联合预测方法，首先，对数据进行预处理，构建多视图的图结构，生成需求、供应、异常时序样本及非序列的辅助特征；其次，设计多图自适应卷积网络模块MGACR并嵌入GRU中作为时空编码器，对序列进行编码，捕获时空关系；再次，使用异常门控注意力机制来捕获需求与供应之间的相互作用；然后，引入预训练Bert增强对文本异常数据的语义理解，并将其经过时空提升进行融合表征；最后，汇集上述步骤表征并做多步解码。本发明解决了需求与供应时空关系的复杂性、多源异构异常数据影响的多样性两点挑战，有利于电商平台在异常事件下针对性地对各区域提供物资物流双重保障，解决各区域物资供需不协调的问题。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.03 seconds)
