基于改进RBF神经网络的智能电网短期负荷预测方法

    公开(公告)号:CN106600059B

    公开(公告)日:2020-07-24

    申请号:CN201611148874.7

    申请日:2016-12-13

    Abstract: 本发明公开一种基于改进RBF神经网络的智能电网短期负荷预测方法,涉及智能电网技术领域,用于确定基函数中心,提升智能电网负荷预测精度。该预测方法包括:网络初始化;S2、计算基函数中心ci;S3、根据基函数中心ci,计算方差ζi;S4、根据基函数中心ci以及方差ζi,计算隐含层的输出Ri;S5、根据隐含层的输出Ri,计算输出层的输出;S6、根据均方误差和函数计算预测误差E;S7、对神经网络中隐含层神经元与输出层神经元的连接权重进行更新;S8、对预测误差E进行判断,若预测误差E在预期内,则迭代计算结束;反之,返回步骤S4,重新迭代计算预测误差E。本发明用于对电网负荷进行预测。

    一种基于移动边缘计算的资源优化方法及其系统

    公开(公告)号:CN116192635A

    公开(公告)日:2023-05-30

    申请号:CN202310124613.5

    申请日:2023-02-16

    Abstract: 本申请公开了一种基于移动边缘计算的资源优化方法及其系统,基于移动边缘计算的资源优化方法具体包括以下步骤:进行智能工厂的无线电地图的仿真;进行自动导引运输车的初始轨迹以及各用户位置的设置,产生初始轨迹对应的信道状态信息;根据仿真的智能工厂的无线电地图,以及自动导引运输车的初始轨迹进行自动导引运输车运动轨迹的优化,产生优化后的堆积对应的信道状态信息;进行神经网络模型的搭建,利用信道状态信息产生卸载决策;进行资源分配获取最佳卸载动作;根据获取的最佳卸载动作进行卸载策略的更新,获取最优卸载策略。本申请完成了AGV的轨迹优化,同时能在智能工厂中结合无线电地图去对AGV进行轨迹设计,有效提高了系统整体的计算率。

    一种移动边缘计算系统的部署、控制方法及其系统

    公开(公告)号:CN114666803B

    公开(公告)日:2024-02-23

    申请号:CN202210199452.1

    申请日:2022-03-01

    Abstract: 本申请公开了一种移动边缘计算系统的部署、控制方法及其系统,其中一种移动边缘计算系统的部署、控制方法,具体包括以下步骤:初始化状态信息;获取用户最佳的信号检测结果;获取最佳发射波束;获取最佳反射相位;获取最佳无人机功率分配和计算资源分配结果;获取并输出最佳无人机飞行轨迹;判断是否收敛到预设精度或迭代次数达到最大迭代次数;若收敛到预设精度或迭代次数达到最大迭代次数,输出最佳结果。本申请提出的一种移动边缘计算系统中无人机和智能反射面联合设计方法,可以实现对移动边缘计算系统中无人机和智能反射面联合设计的目的。

    一种考虑终端能力的网络缓存方法

    公开(公告)号:CN105187515B

    公开(公告)日:2018-04-03

    申请号:CN201510506388.7

    申请日:2015-08-18

    Abstract: 本发明提出了一种考虑终端能力的网络缓存方法,包括:Step1,根据节点之间交互信息确认邻居节点信息;Step2,节点计算自身剩余电池电量信息;Step3,网络管理节点获取全网的拓扑信息以及节点的电池电量信息;Step4,网络管理节点计算每个节点的缓存概率;Step5,网络管理节点通知网络中节点的缓存概率。

    一种无线传感网络占空比自适应调整方法

    公开(公告)号:CN104955107B

    公开(公告)日:2017-02-22

    申请号:CN201510227130.3

    申请日:2015-05-06

    CPC classification number: Y02D70/00

    Abstract: 本发明提出了一种无线传感网络占空比自适应调整方法。首先,针对自适应占空比调整方法中,线性调整占空比无法实现占空比与流量快速最佳匹配的问题,本发明将采用基于强化学习的预测方法,直接预测得出与节点流量相匹配的最佳占空比。其次,为了尽量减少簇头节点和普通节点间的通信,本发明将强化学习方法用于普通节点,由普通节点直接根据自身的流量情况预测得出下一周期的最佳占空比。

Patent Agency Ranking