-
公开(公告)号：CN117973645B
公开(公告)日：2024-07-05
申请号：CN202410389632.5
申请日：2024-04-02
Applicant: 华东交通大学
IPC: G06Q10/04 , G06Q50/06 , G06V10/40 , G06V10/82 , G06V10/20 , G06N3/0499 , G06N3/0464
Abstract: 本发明公开了一种光伏功率预测方法，该方法通过获取实时的地基云图数据，采用时间卷积网络从地基云图数据中提取云图特征，然后使用变分模态分解算法将历史光伏功率分解成多组不同特征的模态分量，通过将模态分量和云图特征组合，构成模型重构输入特征数据，最后将模型重构输入特征数据输入至改进的基于Pyraformer模型的预测网络中，得到光伏功率预测结果，本发明能够充分利用实时的云图特征信息、以及云图特征信息与光伏功率之间的关系，提升了光伏功率预测的准确度，本发明的预测网络在金字塔注意力模块和前馈神经网络之间加入i‑Pyra模块，能够更好的捕获特征信息，增强了云图特征区域提取能力，进一步了提升光伏功率预测的准确度。
-
公开(公告)号：CN117973645A
公开(公告)日：2024-05-03
申请号：CN202410389632.5
申请日：2024-04-02
Applicant: 华东交通大学
IPC: G06Q10/04 , G06Q50/06 , G06V10/40 , G06V10/82 , G06V10/20 , G06N3/0499 , G06N3/0464
Abstract: 本发明公开了一种光伏功率预测方法，该方法通过获取实时的地基云图数据，采用时间卷积网络从地基云图数据中提取云图特征，然后使用变分模态分解算法将历史光伏功率分解成多组不同特征的模态分量，通过将模态分量和云图特征组合，构成模型重构输入特征数据，最后将模型重构输入特征数据输入至改进的基于Pyraformer模型的预测网络中，得到光伏功率预测结果，本发明能够充分利用实时的云图特征信息、以及云图特征信息与光伏功率之间的关系，提升了光伏功率预测的准确度，本发明的预测网络在金字塔注意力模块和前馈神经网络之间加入i‑Pyra模块，能够更好的捕获特征信息，增强了云图特征区域提取能力，进一步了提升光伏功率预测的准确度。
-
公开(公告)号：CN117915405B
公开(公告)日：2024-05-31
申请号：CN202410302408.8
申请日：2024-03-18
Applicant: 华东交通大学
IPC: H04W28/08 , H04W28/084 , H04W4/40
Abstract: 本发明公开了一种分布式多无人机协同任务卸载方法，包括：步骤S1，根据无人机巡检任务到达的时变特性和独立边缘节点的计算负载，建立分布式多无人机协同系统模型，分布式多无人机协同系统模型包括任务模型、计算卸载模型和通信模型；步骤S2，基于任务模型和计算卸载模型构建以最小化系统时延为目标的卸载决策问题，并将该卸载决策问题转化为马尔可夫决策过程，然后通过多智能体深度确定性策略梯度算法对马尔可夫决策过程进行求解，获得当前时隙多无人机间的任务协同全局最优卸载策略。本发明能够充分利用边缘节点的计算资源，进行合理的任务卸载和资源分配。
-
公开(公告)号：CN117915405A
公开(公告)日：2024-04-19
申请号：CN202410302408.8
申请日：2024-03-18
Applicant: 华东交通大学
IPC: H04W28/08 , H04W28/084 , H04W4/40
Abstract: 本发明公开了一种分布式多无人机协同任务卸载方法，包括：步骤S1，根据无人机巡检任务到达的时变特性和独立边缘节点的计算负载，建立分布式多无人机协同系统模型，分布式多无人机协同系统模型包括任务模型、计算卸载模型和通信模型；步骤S2，基于任务模型和计算卸载模型构建以最小化系统时延为目标的卸载决策问题，并将该卸载决策问题转化为马尔可夫决策过程，然后通过多智能体深度确定性策略梯度算法对马尔可夫决策过程进行求解，获得当前时隙多无人机间的任务协同全局最优卸载策略。本发明能够充分利用边缘节点的计算资源，进行合理的任务卸载和资源分配。
-
-
-
Search Results
4
records
(took 0.022 seconds)
