-
公开(公告)号：CN118759375A
公开(公告)日：2024-10-11
申请号：CN202410915659.3
申请日：2024-07-09
Applicant: 福建师范大学 , 福建师范大学协和学院
IPC: G01R31/367
Abstract: 本发明公开一种锂电池荷电状态估计方法，获取锂电池在不同工况下的电池数据集预处理后分为多个源域数据和一个目标域数据，并构建多个由双向LSTM和注意力机制组成的联合网络结构对电池数据集进行预训练阶段和迁移阶段处理得到锂电池荷电状态估计结果在预训练阶段，源域数据分别输入到由双向长短期记忆网络和自注意力机制组成的特征提取器中，得到每个源域的特征值。在迁移阶段，通过多空间特征对齐和最小化估计差异，生成目标域最终的SOC估计值。本发明在不同温度下，不同材料电池下，环境温度变化下的迁移场景中，SOC的估计效果均优于其他传统方法，能够实现准确、可靠的SOC估计。
-
公开(公告)号：CN118153735A
公开(公告)日：2024-06-07
申请号：CN202410134950.7
申请日：2024-01-31
Applicant: 福建师范大学 , 福建师范大学协和学院
IPC: G06Q10/04 , G06Q50/06 , G06N3/006 , G06Q10/0637
Abstract: 本发明公开面向多目标优化的充电站选址定容方法，获取路网数据并提取路网结构信息，基于路网结构信息分析确定充电站候选点得到候选充电站集合；获取电动汽车的分布位置数据以及充电需求信息，以生成充电需求分布；在充电站建站数量和容量限制基础上，结合充电需求分布图和候选充电站集合生成充电站选址定容方案。综合优化降低充电站建设运维成本和电动汽车用户成本，寻优求解生成最佳的选址定容方案，为用户提供高质量的充电服务。本发明在降低充电站建设运维成本和电动汽车用户成本，提升充电站利用率等方面均有良好的表现，能够有效缓解充电压力，性能更优、稳定性更强对充电站的规划更加合理，对充电站选址定容综合优化效果良好。
-
公开(公告)号：CN118264563A
公开(公告)日：2024-06-28
申请号：CN202410138212.X
申请日：2024-01-31
Applicant: 福建师范大学 , 福建师范大学协和学院
IPC: H04L41/0895 , H04L67/1004 , H04L67/1034 , H04L67/1095 , G06Q10/0633 , G06Q10/0631
Abstract: 本发明公开了一种面向代价和可靠性多目标优化的工作流应用调度方法，针对多云环境下同时考虑任务执行故障和截止日期约束下的工作流应用调度问题，提出面向代价和可靠性的多目标快速非支配排序调度策略，目的是在满足工作流截止日期的前提下，降低任务执行代价的同时提高系统执行的可靠性。本发明考虑受资源节点故障、网络拥塞等环境因素造成的任务执行失败问题，利用韦布尔分布对任务执行可靠性进行分析，并复制执行危险率较高的任务，将其分配至执行代价最低的服务实例上。通过考虑硬件故障、网络波动等干扰因素下的仿真实验结果表明，该调度策略在降低执行代价，提高执行可靠性方面具有良好的表现。
-
公开(公告)号：CN117825992A
公开(公告)日：2024-04-05
申请号：CN202410009389.X
申请日：2024-01-02
Applicant: 福建师范大学 , 福建师范大学协和学院
IPC: G01R31/387 , G01R31/385 , G01R31/367 , G06F18/214 , G06F18/213 , G06F18/23 , G06N3/04 , G06N3/096
Abstract: 本发明涉及一种锂离子电池电荷状态估计方法，至少包括如下步骤：S1、预处理采集的锂离子电池特征数据；定义源域和目标域，将除目标之电池外的电池定义为源域；将源域电池和目标电池的特征进行聚类，共分成两类，与目标电池同属一类的电池作为预训练数据集；S2、根据源域与目标域之间的相似性选择匹配的源域进行预训练；S3、构建神经网络提取电池的双向时序特征并基于注意力机制处理提取的特征，捕捉时序中的重要信信息；S4、使用MMD方法进行领域自适应，减小源域和目标域的分布差异；S5、通过领域自适应减小域之间的分布，差异优化网络参数，得到锂离子电池的电荷状态估计。
-
公开(公告)号：CN117826000A
公开(公告)日：2024-04-05
申请号：CN202410002455.0
申请日：2024-01-02
Applicant: 福建师范大学 , 福建师范大学协和学院
IPC: G01R31/392 , G06F30/27 , G06N3/0442 , G06N3/084 , G06N3/096 , G01R31/367 , G06F119/04
Abstract: 本发明涉及一种锂离子电池健康状态估计方法，至少包括如下步骤：S1、获取锂离子锂电池数据，从电池数据中提取特征作为锂离子电池健康因子；S2、构建神经网络,并使用源域电池容量进行预训练；S3、应用柔性动态时间归整评估源域和目标域之间的距离与分布差异；S4、通过动态权重平均来实时地改变不同任务在不同训练时期的损失权重；S5、通过损失值的反向传播优化网络参数,得到锂电池的健康状态估计；S6、构建完整模型，通过平均绝对误差和均方根误差作为评价指标，输出估计结果。本发明能够更有效地进行知识转移，更有效地捕捉和学习时间序列之间的共同特征,实现对锂电池SOH的精确可靠估计。
-
Patent Agency Ranking
-
公开(公告)号：CN113435097B
公开(公告)日：2023-05-23
申请号：CN202110724886.4
申请日：2021-06-29
Applicant: 福建师范大学
Abstract: 本发明涉及一种应用于多目标工作流调度的方法，其保留了工作流调度约束优化问题的最佳粒子集合，并且在进化过程中能够提供更多的搜索方向、提供更多的子代进化的可能性，利用动态权重来调整搜索进程中的侧重方向，并且在在快速优化的情况下，利用反向学习的正弦余弦算法来进行粒子更新，采用以上技术方案，将多目标工作流调度问题分解和反向种群的正弦余弦优化来提升工作流调度问题的准确性，本发明能够在测试函数维度较高，较为复杂的情况下，快速准确找到最小值，避免陷入局部优化的困境。
-
公开(公告)号：CN113726894B
公开(公告)日：2023-05-05
申请号：CN202111019147.1
申请日：2021-09-01
Applicant: 福建师范大学
IPC: H04L67/1001 , H04L67/12 , G06F9/445 , G06N3/04 , G06N3/092
Abstract: 本发明公开一种基于深度强化学习的多车应用计算卸载方法及终端，基于多个智能网联汽车、多个路边单位以及与所述多个智能网联汽车对应的多个DNN应用构建车辆边缘计算网络；根据所述车辆边缘计算网络确定计算卸载问题，并根据所述计算卸载问题建立马尔科夫决策过程模型；基于所述马尔科夫决策过程模型使用SA‑MADDPG算法确定卸载策略，并执行所述卸载策略，马尔科夫决策过程模型能够准确地描述多车计算卸载的过程，结合模拟退火的多智能体深度确定性策略梯度算法能够避免陷入局部最优解，加快收敛速度，有效地适应动态的多车环境，以此确定出最优的卸载策略，从而降低卸载失败率。
-
公开(公告)号：CN113726894A
公开(公告)日：2021-11-30
申请号：CN202111019147.1
申请日：2021-09-01
Applicant: 福建师范大学
Abstract: 本发明公开一种基于深度强化学习的多车应用计算卸载方法及终端，基于多个智能网联汽车、多个路边单位以及与所述多个智能网联汽车对应的多个DNN应用构建车辆边缘计算网络；根据所述车辆边缘计算网络确定计算卸载问题，并根据所述计算卸载问题建立马尔科夫决策过程模型；基于所述马尔科夫决策过程模型使用SA‑MADDPG算法确定卸载策略，并执行所述卸载策略，马尔科夫决策过程模型能够准确地描述多车计算卸载的过程，结合模拟退火的多智能体深度确定性策略梯度算法能够避免陷入局部最优解，加快收敛速度，有效地适应动态的多车环境，以此确定出最优的卸载策略，从而降低卸载失败率。
-
公开(公告)号：CN108204687A
公开(公告)日：2018-06-26
申请号：CN201711489162.6
申请日：2017-12-29
Applicant: 福建师范大学
IPC: F24S50/00
CPC classification number: Y02E10/40
Abstract: 本发明涉及一种太阳能热水工程控制系统，其包括定温进水管、进冷水管、太阳能集热板、产热水箱、供热水箱、用户供水管、主辅助加热设备、次辅助加热设备、热水工程控制器、企业集控与管理中心；定温进水管和进冷水管分别连接太阳能集热板和产热水箱的入水口，定温进水管上设有定温进水泵，进冷水管上设有进冷水控制阀，所述太阳能集热板的出水口与产热水箱的入水口之间设有集热板出水管连接，产热水箱的出水口与太阳能集热板的入水口之间设有集热板温差循环管连接，集热板温差循环管上设有温差循环泵，供热水箱与产热水箱连通，供热水箱与用户端之间设有用户供水管和回水管；所述主辅助加热设备和次辅助加热设备均分别与产热水箱和供热水箱连接。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.027 seconds)
