公开(公告)号：CN115983448A

公开(公告)日：2023-04-18

申请号：CN202211609240.2

申请日：2022-12-14

Applicant: 南京信息工程大学

Inventor： 庄伟 ,  樊继利 ,  江文 ,  李之恒 ,  申义贤 ,  邢发男 ,  纪兆辉 ,  储勖

IPC: G06Q10/04 ,  H02J3/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明提供了一种基于时空图神经网络的多能源负荷预测方法，包括如下步骤：选出日历特征，并获取综合能源系统中对应时间的电、热、冷负荷、气象特征数据；对各特征数据进行异常数据检测、线性插值、归一化处理，得到时间序列数据集；使用灰色关联度分析方法选择与电、热、冷负荷相关性较强的气象、日历特征，得到多能源负荷预测数据集；将多能源负荷预测数据集分为训练集、验证集和测试集，利用训练集和验证集中的数据对时空图神经网络进行训练，得到最优负荷预测模型；将测试集中的数据输入最优负荷预测模型，得到电、热、冷负荷预测结果。本发明利用时空图神经网络使多能源负荷预测模型的通用性更强，预测性能更高。

公开(公告)号：CN115983448B

公开(公告)日：2023-09-12

申请号：CN202211609240.2

申请日：2022-12-14

Applicant: 南京信息工程大学

Inventor： 庄伟 ,  樊继利 ,  江文 ,  李之恒 ,  申义贤 ,  邢发男 ,  纪兆辉 ,  储勖

IPC: G06Q10/04 ,  H02J3/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明提供了一种基于时空图神经网络的多能源负荷预测方法，包括如下步骤：选出日历特征，并获取综合能源系统中对应时间的电、热、冷负荷、气象特征数据；对各特征数据进行异常数据检测、线性插值、归一化处理，得到时间序列数据集；使用灰色关联度分析方法选择与电、热、冷负荷相关性较强的气象、日历特征，得到多能源负荷预测数据集；将多能源负荷预测数据集分为训练集、验证集和测试集，利用训练集和验证集中的数据对时空图神经网络进行训练，得到最优负荷预测模型；将测试集中的数据输入最优负荷预测模型，得到电、热、冷负荷预测结果。本发明利用时空图神经网络使多能源负荷预测模型的通用性更强，预测性能更高。

公开(公告)号：CN112953663A

公开(公告)日：2021-06-11

申请号：CN202110266620.X

申请日：2021-03-11

Applicant: 南京信息工程大学

Inventor： 庄伟 ,  申义贤 ,  李露 ,  储勖 ,  张运闳

IPC: H04B17/309 ,  G08B13/22 ,  G06K9/62

Abstract: 本发明公开了一种基于OFDM子载波经验分析的被动式室内入侵检测方法，通过部署Wi‑Fi通信设备，获取训练时序数据，对训练时序数据依次进行异常值滤除操作、小波变换滤波操作、标准化处理、链路选择、数据窗口化处理和特征提取，得到训练特征数据，采用所述训练特征数据训练初始检测器，得到入侵检测器，通过Wi‑Fi通信设备采集待测时序数据，获取待测时序数据的特征数据，得到待测特征数据，将待测特征数据输入入侵检测器进行入侵检测，以提升相应入侵检测方案的灵活性，使该入侵检测方案能够适用于各类新环境，无需手动校准或者在新环境中进行重新训练，具有较高的检测准确性。