一种分级保密的RFID资产管理标签

    公开(公告)号:CN109460809A

    公开(公告)日:2019-03-12

    申请号:CN201810923938.9

    申请日:2018-08-14

    IPC分类号: G06K19/077

    摘要: 本发明为一种分级保密的RFID资产管理标签,包括标签本体和移动提示机构,所述的标签本体包括PCB板、具有QT功能的射频芯片、超高频天线、盖板、标签图层,所述PCB板正面设置有射频芯片及超高频天线,射频芯片与超高频天线焊接连接,PCB板背面覆盖有金属铜膜,PCB板、盖板、标签图层由下而上堆叠并通过滴塑封装,所述移动提示机构包括外壳和提示条,提示条分别与标签本体和外壳连接,所述标签本体设于外壳内,所述标签本体通过胶粘剂固定在资产物体表面。本发明的优点是:能保护资产管理标签,提供标签移动提示功能;能够对信息进行分级保密;外壳放置凹槽底面为凸透镜,便于获取标签表面信息及观察移动提示机构提示条状态。

    一种基于满足链路约束的拓扑聚集度虚拟网络映射方法

    公开(公告)号:CN114553712A

    公开(公告)日:2022-05-27

    申请号:CN202111301307.1

    申请日:2021-11-04

    摘要: 本发明公开了一种基于满足链路约束的拓扑聚集度虚拟网络映射方法。为了实现在满足电力骨干通信网业务路径需求的基础上,既要减少了资源消耗,又要降低了链路映射代价的目标;本发明采用如下步骤:S1:建立虚拟网络映射模型,将虚拟网络请求部署到物理网络并为其分配资源,并将虚拟网络映射分解为节点映射和链路映射;S2:定义长期网络收益函数;S3:建立基于链路约束的拓扑聚集度模型,并给基于广度优先搜索的虚拟节点进行排名;S4:对于每一个虚拟网络资源VNR,进行虚拟网络节点排名,并计算出满足节点请求的聚集度最大的节点,完成节点映射和对应的链路映射。优点是降低了链路映射代价,节约了物理资源。

    一种分级保密的RFID资产管理标签

    公开(公告)号:CN109460809B

    公开(公告)日:2022-04-01

    申请号:CN201810923938.9

    申请日:2018-08-14

    IPC分类号: G06K19/077

    摘要: 本发明为一种分级保密的RFID资产管理标签,包括标签本体和移动提示机构,所述的标签本体包括PCB板、具有QT功能的射频芯片、超高频天线、盖板、标签图层,所述PCB板正面设置有射频芯片及超高频天线,射频芯片与超高频天线焊接连接,PCB板背面覆盖有金属铜膜,PCB板、盖板、标签图层由下而上堆叠并通过滴塑封装,所述移动提示机构包括外壳和提示条,提示条分别与标签本体和外壳连接,所述标签本体设于外壳内,所述标签本体通过胶粘剂固定在资产物体表面。本发明的优点是:能保护资产管理标签,提供标签移动提示功能;能够对信息进行分级保密;外壳放置凹槽底面为凸透镜,便于获取标签表面信息及观察移动提示机构提示条状态。

    一种基于AHP-RST的电力通信骨干数据网络安全综合评估方法

    公开(公告)号:CN114548637A

    公开(公告)日:2022-05-27

    申请号:CN202111300026.4

    申请日:2021-11-04

    IPC分类号: G06Q10/06 G06F17/16 G06Q50/06

    摘要: 本发明公开了一种基于AHP‑RST的电力通信骨干数据网络安全综合评估方法。为了克服现有网络安全评估方法的评估指标不够细致、较为片面且缺少定量测度,评价内容较为主观等问题;本发明采用层次分析法AHP和粗糙集RST对指标层和准则层的各个指标的权重分别进行计算,求出最优组合权重,再将模糊关系矩阵与网络安全指标的权重相结合,从而计算出总的模糊评价结果,最后根据最大隶属度原则和电力通信骨干数据网络安全等级评语集,将模糊综合评估结果转化为与之对应的状态等级。优点是利于对电力通信网进行风险管理和控制,能够有效地处理可能存在因素不确定性及过于依赖主观经验的问题,从而对电力通信骨干网络数据安全运行状态进行主客观结合的综合评价。

    一种基于深度强化学习的集群空调负荷差异化调控方法

    公开(公告)号:CN114623569B

    公开(公告)日:2023-09-29

    申请号:CN202111301293.3

    申请日:2021-11-04

    IPC分类号: F24F11/62

    摘要: 本发明提出了一种基于深度强化学习的集群空调负荷差异化调控方法。包括:构建空调负荷基础模型,基于LSTM神经网络预测用户用能需求,模拟单个用户行为特性;根据用户行为模拟,引入用能行为相似度来量化用户差异化用能需求的切合程度;建立差异化用能需求的集群空调负荷调控模型;利用基于DDQN的集群空调负荷差异化调控算法优化控制策略。本发明通过建立负荷调控模型、搭建神经网络与深度学习网络,切实考虑与量化用户差异用能需求,设计了基于DDQN的差异化负荷调控优化方法,解决了既降低用户用能成本又满足各用户的差异化舒适需求的问题,并有效降低了峰谷差。为节约能源、需求侧管理的精细化以及制定用户个性化用能策略方面提供了一种可行的方法。

    一种基于深度强化学习的集群空调负荷差异化调控方法

    公开(公告)号:CN114623569A

    公开(公告)日:2022-06-14

    申请号:CN202111301293.3

    申请日:2021-11-04

    IPC分类号: F24F11/62

    摘要: 本发明提出了一种基于深度强化学习的集群空调负荷差异化调控方法。包括:构建空调负荷基础模型,基于LSTM神经网络预测用户用能需求,模拟单个用户行为特性;根据用户行为模拟,引入用能行为相似度来量化用户差异化用能需求的切合程度;建立差异化用能需求的集群空调负荷调控模型;利用基于DDQN的集群空调负荷差异化调控算法优化控制策略。本发明通过建立负荷调控模型、搭建神经网络与深度学习网络,切实考虑与量化用户差异用能需求,设计了基于DDQN的差异化负荷调控优化方法,解决了既降低用户用能成本又满足各用户的差异化舒适需求的问题,并有效降低了峰谷差。为节约能源、需求侧管理的精细化以及制定用户个性化用能策略方面提供了一种可行的方法。