公开(公告)号：CN113050486A

公开(公告)日：2021-06-29

申请号：CN202110271215.7

申请日：2021-03-12

Applicant: 南京工程学院

Inventor： 杨会军 ,  郭丽红 ,  曾文浩 ,  程啟华 ,  何锡点 ,  盛云龙 ,  金晶 ,  张仟凤 ,  肖睿诗

IPC: G05B19/042

Abstract: 本发明公开了一种基于工控机的电力系统边缘计算及数据分发装置，其特征在于，包括核心工控模块以及分别与其连接的输入/输出模块、数据获取模块、数据处理模块、状态监测模块和数据分发模块。本发明基于工控机的电力系统边缘计算及数据分发装置利用智能电表获取电力负荷数据，通过边缘计算处理，获取用户用电信息，并将处理后的数据分发至电力数据云端，以实现对电力负荷大数据集的构建，为电力系统的运行和维护提供可靠的参考数据，具有安全性高、经济投入小、实用性强等优点。

公开(公告)号：CN111313987A

公开(公告)日：2020-06-19

申请号：CN202010092956.4

申请日：2020-02-14

Applicant: 南京工程学院

Inventor： 余雨 ,  刘婷婷 ,  毛其林 ,  曾文浩 ,  朱大伟 ,  包永强 ,  朱昊 ,  刘传清 ,  陈静

IPC: H04B17/30 ,  H04B17/391 ,  H04L12/28 ,  H04L29/08 ,  G06N3/08

Abstract: 本发明公开了一种适于智能家居的基于神经网络的路径损耗预测方法，包括：(1)模拟智能家居的多种场景，对实际环境中发送和接收天线之间的信道进行测量，(2)计算实测信道的路径损耗，(3)利用实测所得路径损耗对基于神经网络的路径损耗模型进行训练和参数提取，(4)使用本发明中的路径损耗模型和提取出的模型参数预测智能家居场景下的路径损耗特性。本发明能够精确地估计多种较短距离智能家居场景下的路径损耗特性，考虑了高度因素和不同环境，且具有较好的扩展性和通用性，对智能家居中通信系统的设计和部署有重要的实际价值。

公开(公告)号：CN114866168B

公开(公告)日：2024-04-12

申请号：CN202210463903.8

申请日：2022-04-29

Applicant: 南京工程学院

Inventor： 余雨 ,  何孙晶 ,  刘婷婷 ,  曾文浩 ,  杨洁 ,  包永强 ,  朱昊 ,  赵千倩

IPC: H04B17/309 ,  H04B17/318 ,  H04B17/373 ,  H04B17/391

Abstract: 本发明提供一种工业物联网环境中路径损耗预测方法和系统，其中方法包括获取信号发送功率、信号接收功功率、信号发送频率以及信号发送点与信号接收点的距离；构建实际路径损耗模型；拟合实际路径损耗模型的参数；计算频率路径损耗修正项；计算传播条件路径损耗修正项；计算金属机器遮挡路径损耗修正项；根据频率路径损耗修正项、传播条件路径损耗修正项和金属机器遮挡路径损耗修正项，构建路径损耗预测模型。本发明考虑工业物联网场景多频段、不同传播条件和金属机器遮挡的特点，能够精确地估计工业物联网场景下的路径损耗特性。解决现有的路径损耗预测方法可扩展性较差且难以适用于工业物联网场景的问题。

公开(公告)号：CN116341616B

公开(公告)日：2023-10-17

申请号：CN202211412348.2

申请日：2022-11-11

Applicant: 南京工程学院

Inventor： 曾文浩 ,  韩哲哲 ,  谢跃 ,  包永强 ,  梁瑞宇 ,  唐闺臣 ,  王青云

IPC: G06Q50/06 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于矩阵重构二维卷积网络的电力负载信息获取方法，首先采集电器的总用电功率并作为输入序列y，再在输入序列y中加入余弦位置编码并得到编码序列ye，接着对编码序列ye进行滑窗截取并得到序列重构矩阵M，随后对输入序列y进行单位延时并得到延时序列y1，再求得动态检测序列yd，然后对序列重构矩阵M进行奇异值分解并得到分解重构子矩阵Mi，再对动态检测序列yd进行滑窗截取并得到动态检测重构矩阵Md；本发明通过采用将序列延时重构为矩阵的方法，能够充分利用序列的时序特性，并能在压缩网络参数量和训练时间的前提下增加网络层数，提升了负荷监测的精度，适合被广泛推广和使用。

公开(公告)号：CN114745299A

公开(公告)日：2022-07-12

申请号：CN202210259630.5

申请日：2022-03-16

Applicant: 南京工程学院

Inventor： 曾文浩 ,  谢跃 ,  汪涛 ,  包永强 ,  梁瑞宇 ,  唐闺臣 ,  王青云

IPC: H04L43/08 ,  H04L43/04 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了基于序列延时重构CSP卷积神经网络的非侵入式负荷监测方法，首先利用阵列信号处理的特性对数据集中的2xL长度时序序列通过序列延时重构为LxLx2维度的矩阵M，再针对矩阵M的特点利用CSP网络特性针对性的构建卷积神经网络，接着使用重构的矩阵M数据及CSP卷积神经网络进行训练并得到最优的网络参数，再在监测端布置网络并加载相应参数，再对输入数据进行分解，得到负荷电器的工作状态；本发明实现了在监测时考虑数据中的时序关系及状态变化，且在提升监测的精度的同时也保障了监测的效率，能够针对性的指导用户或企业合理和安全用电，并辅助电力供应部门完善电力调度工作，具有方法科学合理、适用性强和效果佳等优点。

公开(公告)号：CN113158134A

公开(公告)日：2021-07-23

申请号：CN202110372296.X

申请日：2021-04-07

Applicant: 国网江苏省电力有限公司信息通信分公司 ,  南京工程学院

Inventor： 王传君 ,  缪巍巍 ,  曾锃 ,  朱昊 ,  曾文浩 ,  李世豪 ,  张明轩 ,  张震 ,  张厦千 ,  张瑞 ,  滕昌志

IPC: G06F17/16 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明公开了非侵入式负荷辨识模型的构建方法、装置和存储介质，将负荷信号特征矩阵进行奇异值分解获得奇异值对角向量矩阵、左奇异值向量矩阵和右奇异值向量矩阵；保留所述奇异值对角向量矩阵中高于预设奇异值门限的奇异值；从左奇异值向量矩阵和右奇异值向量矩阵选取更新后的奇异值对角向量矩阵对应的左右奇异值向量，构建成新的左奇异值向量矩阵和新的右奇异值向量矩阵；确定新的左奇异值向量矩阵和新的右奇异值向量矩阵对应的克罗内克积并进行特征矩阵；将重构后的负荷信号特征矩阵输入到卷积神经网络模型进行训练。基于奇异值特征矩阵重构的方法对信号进行预处理，降低了数据的纬度，将数据特征进行重新分布，缩短训练时间，降低网络复杂度。