公开(公告)号：CN119025999B

公开(公告)日：2025-01-21

申请号：CN202411499459.0

申请日：2024-10-25

Applicant: 中南大学

Inventor： 吴帆 ,  杨纪琛 ,  周杰钰 ,  潘昊晔 ,  吕丰

IPC: G06F18/241 ,  G06N3/0455 ,  G06N3/088 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214

Abstract: 本发明公开了一种充电桩故障数据生成方法、设备、存储介质及产品，所述生成方法包括获取真实的充电桩故障数据；对所述充电桩故障数据进行分析，并根据分析结果选择每条故障数据的特征信息；对每条故障数据的特征信息进行编码，得到对应条故障数据的特征向量；根据充电桩故障数据的所有特征向量构建样本数据集；加载数据生成模型，利用所述样本数据集对所述数据生成模型进行无监督训练，得到目标生成模型；利用所述目标生成模型生成充电桩故障数据。本发明利用深度学习模型充分学习到不同类型数据的分布特点与故障数据之间的关系，提高了模型的训练效果，进而提高了生成数据的质量和准确性。

公开(公告)号：CN119052249B

公开(公告)日：2025-03-11

申请号：CN202411540735.3

申请日：2024-10-31

Applicant: 中南大学

Inventor： 吴帆 ,  潘昊晔 ,  周杰钰 ,  钱凯 ,  杨纪琛 ,  吕丰

IPC: H04L67/1008 ,  H04L67/1004

Abstract: 本申请公开了一种负载均衡调度方法和系统，通过获取第t个时隙内，多个服务器中的每一服务器的第一状态和第二状态；根据第一状态和第二状态对多个服务器进行聚类分组，得到多个服务器组，每一服务器组包括至少两个服务器；利用预先训练的任务调度模型根据每一服务器组内的至少两个服务器的第一状态，将多个服务器组划分为第一服务器组和多个第二服务器组；根据任务调度模型将多个第二服务器组中的待卸载任务卸载至第一服务器组中，并将卸载至第一服务器组的待卸载任务分配至第一服务器组中的至少两个服务器中，以达到精细化的任务调度策略和高效的均衡负载调度，实现边缘计算资源利用最大化。

公开(公告)号：CN119052249A

公开(公告)日：2024-11-29

申请号：CN202411540735.3

申请日：2024-10-31

Applicant: 中南大学

Inventor： 吴帆 ,  潘昊晔 ,  周杰钰 ,  钱凯 ,  杨纪琛 ,  吕丰

IPC: H04L67/1008 ,  H04L67/1004

Abstract: 本申请公开了一种负载均衡调度方法和系统，通过获取第t个时隙内，多个服务器中的每一服务器的第一状态和第二状态；根据第一状态和第二状态对多个服务器进行聚类分组，得到多个服务器组，每一服务器组包括至少两个服务器；利用预先训练的任务调度模型根据每一服务器组内的至少两个服务器的第一状态，将多个服务器组划分为第一服务器组和多个第二服务器组；根据任务调度模型将多个第二服务器组中的待卸载任务卸载至第一服务器组中，并将卸载至第一服务器组的待卸载任务分配至第一服务器组中的至少两个服务器中，以达到精细化的任务调度策略和高效的均衡负载调度，实现边缘计算资源利用最大化。

公开(公告)号：CN119025999A

公开(公告)日：2024-11-26

申请号：CN202411499459.0

申请日：2024-10-25

Applicant: 中南大学

Inventor： 吴帆 ,  杨纪琛 ,  周杰钰 ,  潘昊晔 ,  吕丰

IPC: G06F18/241 ,  G06N3/0455 ,  G06N3/088 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214

Abstract: 本发明公开了一种充电桩故障数据生成方法、设备、存储介质及产品，所述生成方法包括获取真实的充电桩故障数据；对所述充电桩故障数据进行分析，并根据分析结果选择每条故障数据的特征信息；对每条故障数据的特征信息进行编码，得到对应条故障数据的特征向量；根据充电桩故障数据的所有特征向量构建样本数据集；加载数据生成模型，利用所述样本数据集对所述数据生成模型进行无监督训练，得到目标生成模型；利用所述目标生成模型生成充电桩故障数据。本发明利用深度学习模型充分学习到不同类型数据的分布特点与故障数据之间的关系，提高了模型的训练效果，进而提高了生成数据的质量和准确性。