-
公开(公告)号:CN113657678A
公开(公告)日:2021-11-16
申请号:CN202110970503.1
申请日:2021-08-23
申请人: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司 , 西南科技大学
摘要: 本发明公开了一种基于信息新鲜度的电网电力数据预测方法,选取电力数据样本,选用弹性BP神经网络对电力数据样本处理,在神经网络中进行训练,以获得预测负荷的神经网络模型;步骤一、电力数据的预处理;将所述电力数据样本进行处理、采样;步骤二、信息新鲜度计算;对步骤一的初分类的电力数据样本进行终分类,以获得输出预测阶段的输入的电力数据;步骤三、数据预测;将步骤二终分类的电力数据样本作为预测负荷的神经网络模型的输入量,获得不同数据新鲜度的负荷数据对待预测点的电力预测负荷值,选取误差最小的预测值最为最终的负荷预测值。该方法具有更高的预测准确度,可为电力系统中的发电和用电策略提供直接的数据支撑。
-
公开(公告)号:CN117354837A
公开(公告)日:2024-01-05
申请号:CN202311492299.2
申请日:2023-11-10
申请人: 西南科技大学 , 国网安徽省电力有限公司电力科学研究院 , 香港中文大学(深圳)未来智联网络研究院
IPC分类号: H04W24/02 , H04W72/044
摘要: 本发明涉及空中计算系统的参数联合优化方法、均方误差降低方法。所述空中计算系统包括带有多根天线的混合接入点和多个单天线无线设备。参数联合优化方法以最小化所述系统的均方误差为优化目标,设计关于混合接入点的接收波束W、单天线无线设备的发送功率{bk}的均方误差模型,并引入对混合接入点的发射能量波束S约束和无线设备的能量收集约束,根据所述模型设计空中计算误差关于W、{bk}、S的优化问题,然后将W固定得到优化的{bk};再将优化的{最优的bk}固定得到优化的W*、最优的{bk*W}。;本发明避免了然后再送入所述模型中进行迭代得到“双远近”问题,使得空中计算系统的误差最小化,保证了高效的空中计算性能。
-
公开(公告)号:CN116845884A
公开(公告)日:2023-10-03
申请号:CN202310954352.X
申请日:2023-07-28
申请人: 国网安徽省电力有限公司电力科学研究院 , 西南科技大学 , 成都产品质量检验研究院有限责任公司
IPC分类号: H02J3/00 , G06N3/0442 , G06N3/098 , G06Q50/06 , G06F21/62
摘要: 本发明公开了基于联邦学习的电力负荷预测方法及系统,涉及电力负荷分析技术领域,其技术方案要点是:依据设备选择率随机选取参与全局训练的终端设备;依据终端设备的用电量数据进行电力负荷预测模型的本地训练,得到本地训练网络参数;依据网络参数上传阈值判断是否将本地训练网络参数上传至服务器;将服务器所接收的本地训练网络参数聚合为全局参数;将全局参数下发至所选取的终端设备进行电力负荷预测模型的全局训练;通过训练完成的电力负荷预测模型进行电力负荷预测。本发明基于设备选择率随机选取参与全局训练的终端设备,以及基于网络参数上传阈值判断是否上传本地训练网络的网络参数,提高了FL预测模型的收敛速度。
-
公开(公告)号:CN117354837B
公开(公告)日:2024-04-05
申请号:CN202311492299.2
申请日:2023-11-10
申请人: 西南科技大学 , 国网安徽省电力有限公司电力科学研究院 , 香港中文大学(深圳)未来智联网络研究院
IPC分类号: H04W24/02 , H04W72/044
摘要: 本发明涉及空中计算系统的参数联合优化方法、均方误差降低方法。所述空中计算系统包括带有多根天线的混合接入点和多个单天线无线设备。参数联合优化方法以最小化所述系统的均方误差为优化目标,设计关于混合接入点的接收波束W、单天线无线设备的发送功率{bk}的均方误差模型,并引入对混合接入点的发射能量波束S约束和无线设备的能量收集约束,根据所述模型设计空中计算误差关于W、{bk}、S的优化问题,然后将W固定得到优化的{bk};再将优化的{bk}固定得到优化的W;然后再送入所述模型中进行迭代得到最优的W*、最优的{bk*}。本发明避免了“双远近”问题,使得空中计算系统的误差最小化,保证了高效的空中计算性能。
-
公开(公告)号:CN116346860A
公开(公告)日:2023-06-27
申请号:CN202310380282.1
申请日:2023-04-11
申请人: 国网安徽省电力有限公司电力科学研究院 , 西南科技大学
摘要: 本发明涉及车辆网信息传输技术领域,公开了一种基于深度强化学习的通感融合车联网信息传输增强方法,包括:S1、设计目标车辆相对于路边单元的克拉美‑罗下界作为感知约束;S2、获取所有目标车辆与路边单元之间的ISAC信号的和速率;S3、基于所述ISAC信号的和速率以及所述感知约束,建立关于路边单元的波束成形和发射功率相关的和速率最大模型;S4、将所述和速率最大模型基于深度强化学习方法进行求解,通过联合优化路边单元的波束成形和发射功率,得到最优的波束成形和发射功率,从而在保证感知性能的需求下提升车联网ISAC信号的传输速率。本发明在保证感知性能的需求下提升车联网信息传输速率。
-
公开(公告)号:CN113055078B
公开(公告)日:2022-02-08
申请号:CN202110267635.8
申请日:2021-03-12
申请人: 西南科技大学
摘要: 本发明提供了一种有效信息年龄确定方法、以及无人机飞行轨迹优化方法。所述确定方法包括:构建用户群组与无人机的无线通信系统模型,建立无人机与用户数据传输的通信信道以及有效信息年龄计算的模型,利用该模型确定无人机有效信息年龄。所述优化方法包括:构建用户群组与无人机的无线通信系统模型;建立无人机自主飞行到达每个数据接收位置的第一模型;建立无人机与地面用户数据传输的通信信道以及有效信息年龄计算的第二模型;基于第一模型和第二模型,确定无人机在最小化信息年龄前提下接收所有数据的飞行轨迹。本发明能够通过最小化地面用户接收信息年龄优化无人机飞行路径,降低无人机的能耗,借此提升无人机的数据采集效率和时效性。
-
公开(公告)号:CN114364007B
公开(公告)日:2023-05-19
申请号:CN202210023240.8
申请日:2022-01-10
摘要: 本发明公开了低轨道卫星与无人机蜂窝融合网络的子载波功率控制方法,涉及无线通信技术领域,其技术方案要点是:无人机网络采用不同的子载波集合;卫星用户与卫星基站之间的卫星网络采用不同的子载波集合;通过优化无人机网络的子载波功率以最大化速率优化问题来建立第一目标函数,并基于深度强化学习方法对第一目标函数求解,得到子载波功率控制策略;通过优化卫星网络的子载波功率以最大化速率优化问题来建立第二目标函数,并基于深度强化学习方法对第二目标函数求解,得到子载波功率控制策略。针对工作于低频段的蜂窝网络和工作于高频段的低轨道卫星双层通信网络,通过高低频组网消除网络间干扰,保证通信速率和降低资源配置实现复杂度。
-
-
公开(公告)号:CN113055078A
公开(公告)日:2021-06-29
申请号:CN202110267635.8
申请日:2021-03-12
申请人: 西南科技大学
摘要: 本发明提供了一种有效信息年龄确定方法、以及无人机飞行轨迹优化方法。所述确定方法包括:构建用户群组与无人机的无线通信系统模型,建立无人机与用户数据传输的通信信道以及有效信息年龄计算的模型,利用该模型确定无人机有效信息年龄。所述优化方法包括:构建用户群组与无人机的无线通信系统模型;建立无人机自主飞行到达每个数据接收位置的第一模型;建立无人机与地面用户数据传输的通信信道以及有效信息年龄计算的第二模型;基于第一模型和第二模型,确定无人机在最小化信息年龄前提下接收所有数据的飞行轨迹。本发明能够通过最小化地面用户接收信息年龄优化无人机飞行路径,降低无人机的能耗,借此提升无人机的数据采集效率和时效性。
-
公开(公告)号:CN116883516B
公开(公告)日:2023-11-24
申请号:CN202311146039.X
申请日:2023-09-07
申请人: 西南科技大学
摘要: 本发明提供了一种相机参数标定方法及装置,可以应用于机器视觉技术领域。该方法包括:从相机阵列包括的多个相机中确定目标相机;以位于隔离设备内的第一棋盘格靶标作为标定物,对目标相机进行折射测量参数标定,得到目标相机的初始折射测量参数;对于每个相机,基于目标相机的初始折射测量参数,确定第一棋盘格靶标包括的多个角点各自在相机中的光线距离误差;以及基于多个角点各自在多个相机中各自的光线距离误差,对目标相机的初始折射测量参数进行优化,得到目标相机的目标折射测量参数。(56)对比文件张晓强等.基于多层平面折射模型与多投影中心模型的光场相机水下标定《.光学学报》.2022,第42卷(第12期),第1-9页.王嘉盛等.基于神经网络的焊缝跟踪系统视觉标定方法《.现代电子技术》.2023,第46卷(第11期),第55-59页.Xiaoqiang Zhang等.Synthetic aperturephotography using a moving camera-IMUsystem《.Pattern Recognition》.2016,第175-188页.Xida Chen等.A Closed-Form Solution toSingle Underwater Camera CalibrationUsing Triple Wavelength Dispersion andIts Application to Single Camera 3DReconstruction《.IEEE TRANSACTIONS ONIMAGE PROCESSING》.2017,第26卷(第9期),第4553-4561页.
-
-
-
-
-
-
-
-
-