-
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。
-
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：CN112183387A
公开(公告)日：2021-01-05
申请号：CN202011057921.3
申请日：2020-09-30
Applicant: 上海电力大学
Abstract: 本发明公开了结合证据折扣的深度超级学习机(deep super learner,DSL)的局部放电模式识别方法，主要包括以下步骤：(S1)信号采集：通过传感器收集局部放电信号；(S2)数据预处理：对原始信号进行去噪等处理；(S3)深度超级学习机初级诊断局部放电信号，构造出多个证据体的基本概率分配(basic probability assignment,BPA)；(S4)证据折扣：对步骤(S3)构造出的各个证据体的BPA进行证据折扣；(S5)构建新特征：将步骤(S4)折扣后的证据附加到原始特征数据中，并作为新的特征向量送入深度超级学习机进行下一次迭代；(S6)重复步骤(S3)‑(S5)，直到损失函数不再减小，得到最终的深度超级学习机输出的模式识别结果。与现有技术相比，本发明有着较高的识别准确度；对结果的可解释性强，具有广阔的市场前景和应用价值。
-
Patent Agency Ranking
公开(公告)号：CN114264981B
公开(公告)日：2024-04-26
申请号：CN202111337128.3
申请日：2021-11-12
Applicant: 上海电力大学
IPC: G01R31/62
Abstract: 本发明涉及一种基于云边融合的区域电网电力变压器健康状态评估系统，其特征在于，包括数据采集处理组件、通信模块、中心云服务器，数据采集处理组件包括多个云边采集处理器，用于获取、储存并处理电力变压器的评估数据；数据采集处理组件通过通信模块与中心云服务器进行数据交互；中心云服务器基于对待评估区域内的电力变压器的评估指标获取区域标准指标，获取评估指标超过或低于区域标准指标预设阈值的电力变压器作为待调节变压器，调节所述待调节变压器的负荷。与现有技术相比，本发明能进一步提升评估的可靠性、准确性及电力变压器的节能增效。
-
公开(公告)号：CN113076985A
公开(公告)日：2021-07-06
申请号：CN202110333601.4
申请日：2021-03-29
Applicant: 上海电力大学
Abstract: 本发明涉及一种电力用户负荷识别方法、装置及计算机可读介质，其中，电力用户负荷识别方法包括步骤1：提取若干稳态周期的电压电流数据并进行标准化处理，分解出电流序列的无功成分构造二维图像；步骤2：构建基于预训练网络inception_v3的迁移学习模型，利用预处理后的数据对模型进行训练，自动学习图像中的信息；步骤3：利用训练完成的模型对新采集的主表电压电流数据进行负荷识别，获取用电设备的能耗信息。与现有技术相比，本发明具有识别速度快、准确率高等优点。
-
公开(公告)号：CN116320419A
公开(公告)日：2023-06-23
申请号：CN202310125890.8
申请日：2023-02-16
Applicant: 上海电力大学
IPC: H04N19/124 , H04N19/154 , H04N19/44 , H04N19/91
Abstract: 本发明涉及一种基于特征通道相似度的端到端图像压缩方法，包括以下步骤：S1、将待压缩图像输入主编码器，得到第一潜在表示；S2、将第一潜在表示输入去冗余模块；S3、依次经过超先验编码器解码器，得到潜在表示概率模型的第一中间参数；S4、输入条件上下文模型，得到第二中间参数；S5、将第一中间参数和第二中间参数进行拼接，得到高斯分布的均值和标准差；S6、根据概率密度函数对第一潜在表示进行编码和解码；S7、得到去冗余前的完整潜在表示；S8、输入主解码器，得到重建的图像；S9、基于损失函数进行优化。与现有技术相比，本发明具有码流长度低、重建图像质量高等优点。
-
公开(公告)号：CN116154236A
公开(公告)日：2023-05-23
申请号：CN202211622587.0
申请日：2022-12-16
Applicant: 上海电力大学
IPC: H01M8/04992 , H01M8/04298 , H01M8/0438 , H01M8/04537 , H01M8/04858 , H01M8/04746 , H01M8/04701
Abstract: 本发明涉及一种固体氧化物燃料电池供气系统协调控制方法，其中包括离线训练：设置两个智能体，分别为氢气智能体和空气智能体，所述氢气智能体和空气智能体分别用于控制进入固体氧化物燃料电池的氢气流速和空气流速，之后采用集中学习、分散执行的方式对智能体进行训练；还包括在线应用：根据训练完成的协调控制策略模型，氢气智能体检测固体氧化物燃料电池的氢气流量与输出电压，空气智能体通过调整空压机电机电压来控制氧气流量。与现有技术相比，本发明首次将分布式深度强化学习的内容应用于固体氧化物燃料电池供气系统的能量管理领域，将人工智能技术与传统气体流量控制技术相结合提高固体氧化物燃料电池供气系统的效率。
-
公开(公告)号：CN113382357B
公开(公告)日：2022-10-18
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。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.035 seconds)
