-
公开(公告)号：CN115441459B
公开(公告)日：2025-05-16
申请号：CN202211268357.9
申请日：2022-10-17
Applicant: 东南大学
Abstract: 本发明公开一种基于负荷准线的电力系统安全约束机组组合决策方法，属于电力系统优化调度领域；电力系统运行框架为双层结构，上层计算出的用户准线，下层建立负荷聚合商优化考虑灵活负载聚合的不确定性，参考用户准线，计算负荷聚合期望和偏差，并优化负荷聚合商的收益；所述方法包括步骤：S1获取全网参数，得到系统中固定负荷，预测新能源出力数据；S2在上层架构计算出CDL曲线；S3将CDL线形传入下层，LA以此线形为调节目标，结合自身响应特性，计算出真实运行负荷曲线；S4将真实运行负荷曲线上传到新一轮迭代中的上层架构，重复上述步骤循环迭代，若计算出的负荷准线及真实负荷不再变化，就停止迭代；S5对LA响应后的效果进行评估，确定响应激励。
-
公开(公告)号：CN115441459A
公开(公告)日：2022-12-06
申请号：CN202211268357.9
申请日：2022-10-17
Applicant: 东南大学
Abstract: 本发明公开一种基于负荷准线的电力系统安全约束机组组合决策方法，属于电力系统优化调度领域；电力系统运行框架为双层结构，上层计算出的用户准线，下层建立负荷聚合商优化考虑灵活负载聚合的不确定性，参考用户准线，计算负荷聚合期望和偏差，并优化负荷聚合商的收益；所述方法包括步骤：S1获取全网参数，得到系统中固定负荷，预测新能源出力数据；S2在上层架构计算出CDL曲线；S3将CDL线形传入下层，LA以此线形为调节目标，结合自身响应特性，计算出真实运行负荷曲线；S4将真实运行负荷曲线上传到新一轮迭代中的上层架构，重复上述步骤循环迭代，若计算出的负荷准线及真实负荷不再变化，就停止迭代；S5对LA响应后的效果进行评估，确定响应激励。
-
Patent Agency Ranking
公开(公告)号：CN119624158A
公开(公告)日：2025-03-14
申请号：CN202411432117.7
申请日：2024-10-14
Applicant: 中国电力科学研究院有限公司 , 东南大学 , 国网山西省电力公司 , 国家电网有限公司
Inventor： 胡晨旭 , 孙玥 , 王蓓蓓 , 李立新 , 李劲松 , 崔晖 , 丁强 , 常江 , 张瑞雯 , 李博 , 李哲 , 黄国栋 , 韩彬 , 张书妍 , 张加力 , 董昱 , 王德林 , 罗治强 , 关立 , 穆永铮 , 武力 , 王扬 , 张志 , 崔达 , 王雅楠 , 邹鹏 , 张超 , 程雪婷 , 陈丹阳 , 崔校瑞 , 孟庆萌 , 李媛媛 , 杨占勇 , 盛灿辉 , 许丹 , 蔡帜 , 胡晓静 , 徐胜男 , 袁沐琛 , 陆怡 , 李凌昊 , 苏明玉 , 张弛
IPC: G06Q10/0637 , G06Q10/067 , G06Q50/06 , G06N5/04
Abstract: 本发明公开一种针对省间现货市场的市场力缓解量化评估方法及相关装置，方法包括基于省间中长期市场出清规则、省间现货市场出清规则以及发电商市场竞价规律，分别建立省间中长期市场出清模型、省间现货出清模型以及发电商竞价模型；建立竞价博弈模型，将发电商竞价模型的目标函数作为竞价博弈模型的目标函数，将省间中长期市场出清模型和省间现货出清模型转化为竞价博弈模型的约束条件；根据竞价博弈模型建立策略行为评估模型；对策略行为评估模型进行求解，计算得到各场景下市场力综合评估结果。本发明根据市场实际运行情况，考虑技术出力约束条件，量化计算得到各场景下市场力综合评估结果，在电力市场中评估市场力行为，减少电力市场效率损失。
-
公开(公告)号：CN110299921B
公开(公告)日：2023-01-17
申请号：CN201910500984.2
申请日：2019-06-11
Applicant: 东南大学
Abstract: 本发明公开了一种模型驱动的Turbo码深度学习译码方法，首先将Turbo码迭代译码结构展开为一个“平铺”式的结构，并且将每一次迭代用一个DNN译码单元替代，构成用于Turbo码译码的网络TurboNet；然后构建传统Max‑Log‑MAP算法的图形结构并将其参数化，得到一个基于Max‑Log‑MAP算法的深度神经网络，将其作为TurboNet译码单元中的子网络，从而替代传统译码结构中的SISO译码器及由SISO译码器的输出获得外信息的计算；对由M个DNN单元组成的TurboNet进行训练，获得模型参数；最后对TurboNet的输出值用sigmoid函数归一化，并对归一化的结果进行硬判决，得到对真实信息序列u的估计值实现对Turbo码的译码。本发明可以提高Max‑Log‑MAP算法的误码率性能，且和纯数据驱动的模型相比，参数个数减少了2个数量级，极大地降低了时延。
-
公开(公告)号：CN110299921A
公开(公告)日：2019-10-01
申请号：CN201910500984.2
申请日：2019-06-11
Applicant: 东南大学
Abstract: 本发明公开了一种模型驱动的Turbo码深度学习译码方法，首先将Turbo码迭代译码结构展开为一个“平铺”式的结构，并且将每一次迭代用一个DNN译码单元替代，构成用于Turbo码译码的网络TurboNet；然后构建传统Max-Log-MAP算法的图形结构并将其参数化，得到一个基于Max-Log-MAP算法的深度神经网络，将其作为TurboNet译码单元中的子网络，从而替代传统译码结构中的SISO译码器及由SISO译码器的输出获得外信息的计算；对由M个DNN单元组成的TurboNet进行训练，获得模型参数；最后对TurboNet的输出值用sigmoid函数归一化，并对归一化的结果进行硬判决，得到对真实信息序列u的估计值 实现对Turbo码的译码。本发明可以提高Max-Log-MAP算法的误码率性能，且和纯数据驱动的模型相比，参数个数减少了2个数量级，极大地降低了时延。
-
公开(公告)号：CN109831399A
公开(公告)日：2019-05-31
申请号：CN201910057264.3
申请日：2019-01-22
Applicant: 东南大学
Abstract: 本发明公开了一种人工智能辅助的OFDM接收机，包括：射频天线，用于采集实际信道环境中的射频信号；基于FPGA芯片的无线电模块，用于对射频天线采集的射频信号进行时钟同步和帧同步，并进行离散傅立叶变换FFT转至频域信号，通过高速以太网接口传输；多核通用处理器，用于对频域信号进行侦听，还原出频域信号；并将还原出的频域信号输入人工智能算法中根据实际信道环境训练出的神经网络，由神经网络输出发射数据流的估计，并将发射数据流的估计传输至计算机接收和显示。本发明引入人工智能算法取代传统接收机的信道估计、信号检测和解映射模块，降低了信道建模的难度，满足实时性要求，具有很强的灵活性和可扩展性。
-
公开(公告)号：CN206547097U
公开(公告)日：2017-10-10
申请号：CN201720227862.7
申请日：2017-03-09
Applicant: 东南大学
IPC: H04B10/50 , H04B10/516 , H04L27/26
Abstract: 本实用新型公开了一种基于多核通用服务器的无线通信下行链路发射机，包括多核通用服务器、10Gbps光纤传输模块、FPGA平台、上变频模块和天线阵列，多核通用服务器的输出信号通过10Gbps光纤传输模块发送给FPGA平台，FPGA平台对输入信号进行调制，调制后的信号通过上变频模块上变频到天线阵列；所述多核通用服务器用于信号预编码，FPGA平台用于信号调制，天线阵列用于信号发射。本实用新型提供的基于多核通用服务器的无线通信下行链路发射机，在多核通用服务器内完成预编码，降低了无线通信算法的开发门槛和开发成本，缩短了开发周期、便于调试等。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
