-
公开(公告)号：CN118093198A
公开(公告)日：2024-05-28
申请号：CN202410396419.7
申请日：2024-04-02
申请人： 华北电力大学
摘要： 本发明涉及一种基于互利小波神经网络的高频信息采集边缘计算方法，该方法针对低压配用电信息高频采集场景，综合考虑终端数据采集量、边缘服务器计算资源、本地计算资源、终端电量、终端传输功率等指标，通过小波神经网络进行端边计算决策，并采用互利博弈的方法在边缘服务器选择时选取对全局偏好值提升最大的终端进行边缘服务器选择策略更新，在解决边端数据计算决策的同时合理分配边缘服务器计算资源，适配低压配用电系统高频采集数据处理需求。与现有技术相比，本发明可以有效提高终端本地计算资源以及边缘服务器计算资源的利用率以及数据处理效率。
-
公开(公告)号：CN117978479A
公开(公告)日：2024-05-03
申请号：CN202410086554.1
申请日：2024-01-22
申请人： 华北电力大学
摘要： 本发明涉及一种基于节点动态分组迁移的传算协同共识机制，该机制针对区块链技术中的共识机制过程，首先通过传算协同技术将共识计算任务分割成多个子任务交由给不同的节点进行处理；其次利用基于传输计算指标耦合的区块链节点分组方法将传输与计算时延较低的若干个节点分为一个共识小组，仅在组内进行共识过程，以此降低共识过程中的通信与计算资源消耗；再次，基于信任度评估的恶意节点判别方法对节点的信任度进行评估，以此查找可能存在的干扰共识过程的恶意节点；最后，提出一种基于节点信任度衰落的周期性共识迭代轮次数更新方法，该方法可以根据当前组内各节点的信任度大小与上一个迭代内的公式轮次数对下个迭代内共识轮次数进行动态调整。
-
公开(公告)号：CN118316889A
公开(公告)日：2024-07-09
申请号：CN202410433538.5
申请日：2024-04-11
申请人： 华北电力大学
摘要： 本发明涉及一种电力线通信OFDM上下行非对称带宽和子载波分配方法，该方法引入遗传算法中的变异操作对传统蚁群算法进行改进，按照仿生学原理，模仿自然界中的蚂蚁觅食分泌信息素浓度从而搜索最短觅食路径的行为对节点间的上下行带宽分配方案进行寻优，通过搜索信息素浓度最大值所对应的带宽分配个体确定对应的最优上下行带宽分配方案，同时对除信息素浓度最大值所对应的带宽分配个体以外的带宽分配个体进行随机变异，在保留精英带宽分配个体的同时防止上下行带宽分配方案求解陷入局部最优，从而优化上下行非对称带宽分配。此外，该方案通过构建自组织映射神经网络输出子载波与节点间带宽集合的映射关系，基于通信业务的重要度与子载波性能状态的需求匹配契合度进行子载波自组织映射分配，提高子载波分配效率，并根据子载波映射结果更新神经网络映射学习权重，提高子载波映射准确率，实现上下行非对称子载波的高效分配，提高电力线通信系统的频谱利用率和数据传输速率。
-
公开(公告)号：CN118051722A
公开(公告)日：2024-05-17
申请号：CN202410086580.4
申请日：2024-01-22
申请人： 华北电力大学
IPC分类号： G06F18/10 , G06F18/22 , G06F18/2136 , G06F18/21 , G06N3/0442 , H02J13/00
摘要： 本发明涉及一种多尺度特征分解可重构电力线噪声分析方法，该方法针对电力线噪声分析领域，在采集电力线混合噪声数据之后，基于高斯随机矩阵进行噪声数据压缩，提取其有效噪声特征信息，并通过最小二乘法比对获取电力线噪声数据库和压缩噪声特征数据的相似度结果，之后通过构建聚合LSTM小波循环神经网络优化输出电力线噪声特征预测结果，提高电力线噪声特性的预测准确度。此外，通过对噪声特征数据进行多尺度特征分解，采用残差法迭代求解噪声待重构信号的估计值和真实值的最佳逼近稀疏解，重构出电力线原始噪声信号。与现有技术相比，本发明能够有效提取复杂环境下电力线噪声数据的有效特征信息，最大程度地还原电力线噪声原始信号，实现电力线噪声特性的高精度预测分析。
-
公开(公告)号：CN117934251A
公开(公告)日：2024-04-26
申请号：CN202410171360.1
申请日：2024-02-07
申请人： 华北电力大学 , 国网四川省电力公司信息通信公司
摘要： 本发明公开了一种支持无外部连接的园区网关时间同步自保持方法和系统，包括：历史频率矫正数据预处理，以便输入到神经网络模型中；构建适用于支持无外部连接的园区网关时间同步自保持的神经网络模型；神经网络模型包括：输入层、隐藏层和输出层；将历史频率校正数据作为神经网络的输入，在无外部连接情况下利用神经网络预测园区通信网关晶振时钟频率，并且在BP神经网络反向传播过程中使用扩展卡尔曼滤波器校正更新后的神经网络权重，以加速神经网络训练过程和拟合精度，提升园区通信网关时间同步精度，实现无外部连接情况下支持无外部连接的园区网关时间同步自保持。
-
公开(公告)号：CN118316479A
公开(公告)日：2024-07-09
申请号：CN202410433387.3
申请日：2024-04-11
申请人： 华北电力大学
摘要： 本发明涉及一种基于信息能量多域耦合评估的电力线载波分簇组网方法，该方法针对电力线载波通信分簇组网领域，在构建包括信息域指标、能量域指标以及业务域指标在内的节点多维价值评估体系后进行簇头选举多维价值评估，并在分簇过程中基于改进螺旋进化粒子群算法更新簇节点适应度函数，通过引入对数螺旋进化形态参数使各分簇粒子脱离直线移动策略的束缚，使分簇粒子逐渐螺旋收敛至局部最优位置和全局最优位置，实现准确有效的簇头选举，并在簇头选举完成之后通过计算各簇头节点的信息域、能量域以及业务域的综合指标价值评分进行簇头间通信组网，各簇头对通信半径内的簇头进行多重指标打分并选择簇头节点综合价值评分最高的簇头建立连接，从而实现电力线载波通信的多跳中继组网，有效提高电力线载波通信组网效率和通信质量。
-
公开(公告)号：CN117997379A
公开(公告)日：2024-05-07
申请号：CN202410084067.1
申请日：2024-01-19
申请人： 华北电力大学
IPC分类号： H04B3/30 , H04B3/54 , H04B17/391 , H04B17/345 , H04B7/0413 , G06F18/241 , G06F18/23213 , G06N3/0442 , G06N3/045 , G06N3/084
摘要： 本发明涉及一种基于差异化选择的多输入多输出电力线载波噪声建模方法，该方法针对包括低压台区等在内的多输入多输出电力线通信应用场景，首先，采用动态聚类算法对实际电力线载波噪声进行分类，该算法通过在欧式距离中引入权重值，并根据电力线载波噪声特性进行动态调整，加大数据的不同属性间的区分程度；其次，采用多尺度排列熵方法，根据不同噪声类型自适应调整尺度因子s，计算所有噪声的复杂度；最终，构建分别构建适应背景噪声与脉冲噪声2个LSTM与2个WNN模型，适配不同类型与复杂度的电力线载波噪声，实现电力线载波噪声差异化精准建模。与现有技术相比，本发明能够实现对不同电力线载波噪声的高效、精准分类与差异化高精度建模。
-
公开(公告)号：CN117314070A
公开(公告)日：2023-12-29
申请号：CN202311218811.4
申请日：2023-09-20
申请人： 华北电力大学
IPC分类号： G06Q10/0631 , G06Q30/0207 , G06Q50/06 , G06Q50/30 , G06N3/008 , G06N3/092
摘要： 本发明涉及一种基于非对称一致性学习的电动汽车参与需求响应方法，属于电力系统技术领域。其中，固定签约电动汽车固定需求响应系统实现固定签约电动汽车的非对称一致性优化，并由固定需求响应模块补足需求响应缺额并输出固定签约电动汽车调度成本，辅助灵活签约电动汽车需求响应优化；灵活签约电动汽车自主需求响应系统通过环境信息采集模块、智能体网络模块得到灵活签约电动汽车自主需求响应的功率，由自主需求响应模块执行需求响应并将结果输出，固定签约电动汽车根据需求响应缺额进行补足，同时，局部奖励模块、贡献占比分析模块、奖励聚合模块、柔性损失函数模块根据各模块结果计算柔性损失函数，传送至智能体网络模块进行学习优化。
-
公开(公告)号：CN115272981A
公开(公告)日：2022-11-01
申请号：CN202211169176.0
申请日：2022-09-26
申请人： 山东大学 , 华北电力大学(保定) , 智洋创新科技股份有限公司 , 南瑞集团有限公司 , 国网浙江省电力有限公司温州供电公司 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G06V20/52 , G06N3/04 , G06N3/08 , G06N5/02 , G06N5/04 , G06V10/774 , G06V10/778 , G06V10/82 , G07C1/20
摘要： 本发明涉及输电线路巡检技术领域，具体涉及一种云边共学习输电巡检方法与系统，包括云计算中心与边缘计算终端共同完成图像分析；云计算中心和边缘计算终端分别部署对应的图像处理模型；在边缘计算终端进行一次推理后过滤掉大部分不包含有效目标的图像，仅对少部分包含有效目标的图像进行收集与回流，满足了对推理时效性的要求，并显著降低了数据传输成本；回流至云计算中心的图像在此进行二次推理，通过大模型预训练和基于知识蒸馏的模型压缩技术，同时确保了云端与边端对图像处理的精度要求；回流至云端的数据将还作为增量数据集，定期在云端对模型进行增量训练，以提高模型的精度；云端模型也将定期压缩同步至边端，保证云边模型效能一致。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.036 秒)