-
公开(公告)号：CN118413673A
公开(公告)日：2024-07-30
申请号：CN202410473001.1
申请日：2024-04-19
Applicant: 上海电力大学
IPC: H04N19/124 , H04N19/625 , G06T9/00
Abstract: 本发明涉及一种基于码率和准确率优化的图像特征压缩方法和装置，方法包括：在边缘端，提取卷积神经网络的中间卷积层特征；根据特征重要性对卷积层输出特征的特征通道进行分区；按顺序对各特征通道进行平铺，得到特征图；对特征图作离散余弦变换；对特征图按照重要性分区结果进行分块均匀量化；对特征图作算术编码得到比特流，并计算出码率；将比特流作算术解码、反量化和反离散余弦变换，恢复出能输入剩余的卷积神经网络的特征向量；通过卷积神经网络的输出端得到分类准确率，从而建立码率和准确率损失模型，获取最优的量化参数进行数据压缩。与现有技术相比，本发明能够根据场景的码率需求，选择最优的量化参数，并进一步的压缩特征数据量。
-
公开(公告)号：CN110739684A
公开(公告)日：2020-01-31
申请号：CN201910977028.3
申请日：2019-10-15
Applicant: 上海电力大学
Abstract: 本发明涉及一种基于多时间尺度的多交直流混合微电网优化调度方法，分别对微电网进行日前调度与日内调度，尽可能减少由于可再生能源出力具有波动性、间歇性特点带来的不确定性功率波动影响。此外，光伏发电设备与大量的直流负荷需要通过换流设备与大电网连接，不仅会产生大量谐波的污染，也大大增加了换流的损耗，建设交直流混合微电网能够很好地解决这些问题。在此基础上，考虑到微电网的数量正在稳步增长，将地理位置较为接近的若干个微电网形成互联系统，能够进一步增强微电网应对可再生能源出力波动影响的能力，提高可再生能源的渗透率与供电可靠性。这将有助于推动分布式能源与智能电网的有序发展。
-
公开(公告)号：CN118283266A
公开(公告)日：2024-07-02
申请号：CN202410522495.8
申请日：2024-04-28
Applicant: 上海电力大学
IPC: H04N19/146 , H04N19/52 , H04N19/587 , H04N19/91
Abstract: 本发明涉及一种基于特征残差预测的端到端可变码率图像编码方法，包括以下步骤：获取待编码图像，输入编码网络中分别在网络的中间层和末端提取出两组尺度不同的特征，通过残差预测模块对两组特征进行处理，去除重复信息，保留不重复的残差信息，将残差信息和其中一组特征输入上下文模块中对数据的分布进行估计，得到熵估计参数，从而得到二进制文件进行传输；通过解码器接收到二进制文件后进行解码，得到量化后的特征和残差信息，根据码率要求选取量化后的特征或者结合量化后的残差信息进行图像重建。与现有技术相比，本发明增加了特征中的细节信息、降低了特征间的冗余信息，实现可变码率，能有效提高图像质量。
-
公开(公告)号：CN114040372B
公开(公告)日：2024-01-23
申请号：CN202111352658.5
申请日：2021-11-16
Applicant: 上海电力大学
Abstract: 本发明涉及一种基于中继节点的蓝牙Mesh网络远程抄表系统，该系统包括：采集节点：固定在对应的电表上并与电表对应接口连接，用以采集用户用电数据，包括第一电源模块和第一蓝牙模块；汇聚节点：安装在室外且信号好的位置处，包括第三电源模块、第三蓝牙模块以及与主站通信的4G模块；中继节点：用于对在汇聚节点第三蓝牙模块无线电范围之外的采集节点数据进行转发，保证每个采集节点与汇聚节点间至少有一条通信链路，包括第二电源模块和第二蓝牙模块；各节点通过第一蓝牙模块、第二蓝牙模块和第三蓝牙模块组建Mesh网络。与现有技术相比，本发明具有降低网络资费、适用范围广、适用于无线数据传输环境恶劣环境、通用性好等优点。
-
公开(公告)号：CN113382357A
公开(公告)日：2021-09-10
申请号：CN202110725755.8
申请日：2021-06-29
Applicant: 上海电力大学
Abstract: 本发明涉及一种改进PDR与RSSI融合的蓝牙室内定位方法，包括以下步骤：1)构建RSSI定位灰度图集作为CNN定位模型的训练集，采用训练好的CNN定位模型进行RSSI定位，获得初始RSSI定位结果；2)根据惯性测量单元IMU采集行人的行走数据构建IMU数据集，采用PDR算法进行定位，获得初始PDR定位结果；3)采用基于停留时长的PDR修正算法对初始PDR定位结果进行修正；4)采用EKF滤波器将修正后的PDR定位结果与RSSI定位结果进行融合，得到最终的定位结果。与现有技术相比，本发明改善了PDR误差累积问题，提高了定位精度，具有更强的的系统稳定性，及普适性，能够为室内人员提供较为准确的定位结果。
-
Patent Agency Ranking
公开(公告)号：CN113283289A
公开(公告)日：2021-08-20
申请号：CN202110392409.2
申请日：2021-04-13
Applicant: 上海电力大学
Abstract: 本发明涉及一种基于CEEMD‑MFE与t‑SNE的局部放电模式识别方法。针对局部放电信号非线性、非平稳的特点，采用互补集合经验模态分解(CEEMD)对局部放电信号进行分解，根据相关系数原则对各模态分量进行筛选，选取最优模态分量，利用多尺度模糊熵(MFE)对筛选出的模态分量进行特征提取，并利用t‑分布随机邻域嵌入算法(t‑SNE)对特征向量进行维数约简，剔除冗余不相关特征，最后将提取出的局部放电特征数据集输入到自编码网络当中进行分类识别。本发明为局部放电提供一种模式识别的优化方法，该方法不仅计算简单、抗噪性好，识别率高，还具有在非线性提取高维特征进行降维方面有显著优势。
-
公开(公告)号：CN110472778A
公开(公告)日：2019-11-19
申请号：CN201910690227.6
申请日：2019-07-29
Applicant: 上海电力大学
Abstract: 本发明涉及一种基于Blending集成学习的短期负荷预测方法，包括步骤：1、数据预处理；2、将数据分为训练集、验证集、测试集；3、搭建两层Blending模型，第一层模型选择学习能力、预测性能优秀的多个不同模型作为初学习器，第二层选择XGBoost模型作为次学习器，并再将训练集、验证集以HOLD-OUT方法分成两部分，第一部分数据集作为第一层模型的训练数据，将训练好的优秀模型分别预测第二部分数据集和步骤2中的测试集；4、将步骤3中预测的输出作为一个新的数据集，来训练XGBoost模型；5、调整XGBoost模型超参数，使其达到最好的效果得到预测结果。与现有技术相比，本发明具有更好的泛化能力，比单一模型具有更好的自适应能力及更高的精度。
-
公开(公告)号：CN110739684B
公开(公告)日：2023-04-07
申请号：CN201910977028.3
申请日：2019-10-15
Applicant: 上海电力大学
IPC: H02J3/00 , H02J3/46 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及一种基于多时间尺度的多交直流混合微电网优化调度方法，分别对微电网进行日前调度与日内调度，尽可能减少由于可再生能源出力具有波动性、间歇性特点带来的不确定性功率波动影响。此外，光伏发电设备与大量的直流负荷需要通过换流设备与大电网连接，不仅会产生大量谐波的污染，也大大增加了换流的损耗，建设交直流混合微电网能够很好地解决这些问题。在此基础上，考虑到微电网的数量正在稳步增长，将地理位置较为接近的若干个微电网形成互联系统，能够进一步增强微电网应对可再生能源出力波动影响的能力，提高可再生能源的渗透率与供电可靠性。这将有助于推动分布式能源与智能电网的有序发展。
-
公开(公告)号：CN113283129A
公开(公告)日：2021-08-20
申请号：CN202110392410.5
申请日：2021-04-13
Applicant: 上海电力大学
IPC: G06F30/23 , G06F30/373 , G01R31/12
Abstract: 本发明涉及一种基于时频域分析变压器局部放电信号接收器位置设计方法，包括：首先依据变压器的内部结构，构建模型，进行自适应网格划分；然后设置放电源，在两两处置的三个方向上设置积分线，应用频域求解法，得到变压器箱体内部电磁场分布；根据频域结果分析，在变压器箱体上对可以放置信号接收端的位置进行第一步的选择，之后设置仿真时间，应用时域求解法，经预设时间后分析各个信号接收端得到的电磁波波形图；最后对比各个信号接收端对信号的灵敏度以及接收信号的幅值来对其位置进行第二步优化。本发明可以通过研究变压器内部放电源的电磁波传播路径，提高对变压器内局部放电源的定位精度，对现实中局部放电源监测系统具有一定的实际意义。
-
公开(公告)号：CN110543988A
公开(公告)日：2019-12-06
申请号：CN201910804739.0
申请日：2019-08-28
Applicant: 上海电力大学
Abstract: 本发明涉及一种基于XGBoost算法的光伏短期出力预测系统及方法，系统包括数据挖掘单元和二次深度挖掘单元，数据挖掘单元包括：数据预处理模块，用于对输入特征数据进行预处理；数据集划分模块，用于将数据预处理模块中预处理完成的输入特征数据划分为多个数据集；二次深度挖掘单元包括：预测模块，用于利用特征数据对预测模型进行模型训练，得到训练完成的预测模型；训练模块，用于利用训练完成的预测模型，进行光伏短期出力预测，输出包括光伏输出功率在内的预测结果；预测模型采用XGBoost算法，并采用CART树作为基学习器。与现有技术相比，本发明具有预测算法高效和预测结果精准等优点。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.098 seconds)
