-
公开(公告)号：CN115409278A
公开(公告)日：2022-11-29
申请号：CN202211121889.X
申请日：2022-09-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于贝叶斯网络和模糊聚类分析的居民负荷用电时段预测方法，所述方法包括：建立具有表征外部环境因素、用户历史用电数据和负荷在各时段使用状态对应关系的贝叶斯网络模型；获取影响居民负荷使用的外部环境因素以及负荷历史用电数据，外部环境因素包括环境温度和日期信息，将相关数据进行离散化处理；获取负荷不同时段开启状态的先验概率及条件概率，通过贝叶斯公式计算各时段开启状态的后验概率，得到负荷用电状态概率矩阵，即负荷在各时段使用的可能性大小；采用偏大型半梯度隶属度函数对负荷各个时段用电概率的隶属度进行模糊评估；采用模糊聚类分析方法确定负荷用电时间范围。
-
公开(公告)号：CN115392963A
公开(公告)日：2022-11-25
申请号：CN202211005074.5
申请日：2022-08-22
Applicant: 南京邮电大学
Abstract: 本发明公开了一种日前批发电价波动传导下居民动态零售价格优化方法，包括：获取电力市场环境下居民社区能源运营架构，建立日前批发电价波动传导下居民动态零售价格模型；采用需求价格弹性矩阵，建立基于动态零售价格的居民多能负荷响应模型；根据社区能源和多能负荷资源，在满足居民多能负荷需求的前提下以运营商利润最大化为目标，建立计及综合需求响应的居民动态零售价格优化模型，求解得到日前批发电价波动传导下居民动态零售价格、社区运营商日前时长购电策略和社区能源中心设备优化运行策略。本发明能够平衡居民群体和社区运营商的市场关系，在保证双方收益不受损的同时尽可能提高双方参与售电市场的积极性，提升零售电价多样化水平。
-
公开(公告)号：CN115344825A
公开(公告)日：2022-11-15
申请号：CN202210959479.6
申请日：2022-08-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种考虑分时碳排放强度的居民用电碳排放量核算方法及装置，包括：应用模糊隶属函数方法，提出基于居民典型日负荷曲线的碳排放核算时段划分方法，并基于改进粒子群优化算法得出最优解的尖峰、峰、平和谷四个居民用电碳排放核算时段；计算居民用电碳排放核算时段对应的电网分时碳排放强度，形成电网侧分时碳排放强度矩阵；计算得出考虑分时碳排放强度的居民用电碳排放量。所提方法充分同时考虑了电网侧碳排放强度时变性和居民日负荷峰谷特征，更加符合居民用电碳排放量实际水平，能够对居民碳排放量进行有效且精准计算，在提升居民用电碳排放感知能力的同时高效支撑居民碳普惠机制建设。
-
公开(公告)号：CN115189990A
公开(公告)日：2022-10-14
申请号：CN202210745981.7
申请日：2022-06-29
Applicant: 南京邮电大学
IPC: H04L25/02 , H04B17/373 , G06N3/00
Abstract: 本发明公开了一种基于循环储蓄学习网络的OFDM时域信道预测方法及系统，属于无线通信自适应传输技术领域。其中，本发明通过时延抽头平均值强度比较的方法解决信道脉冲响应真实时延抽头的辨识问题；接着，对每一个辨识出的真实时延抽头建立循环储蓄学习网络的训练和预测模型；最后，将获得到的各个时延抽头的预测值通过傅里叶变换转换为频域信道状态信息。其中，为了提高信道预测器的泛化能力，本发明构造了动态统一收缩网络对循环储蓄学习网络的输出权重进行惩戒；本发明可以提供满意的预测性能，而且可以输出稀疏的输出权重，减小了对内存存储的要求。本发明为实现无线通信的自适应传输和自适应编码等提供了保障。
-
公开(公告)号：CN109949176B
公开(公告)日：2022-07-15
申请号：CN201910245861.9
申请日：2019-03-28
Applicant: 南京邮电大学
IPC: G06Q50/00 , G06F16/901
Abstract: 本发明公开了一种基于图嵌入的社交网络中异常用户检测方法，根据社交网络图中的用户节点和社区的归属关系值构建初始的用户节点嵌入模型，然后根据某个用户节点和其他用户节点建立目标函数，进而得到最终的用户节点嵌入模型，选取某个用户节点最终嵌入模型和其他用户节点之间的连接关系得到嵌入加权向量公式，根据嵌入加权向量公式采用数据归一化方法得到用户节点的异常水平公式，当用户节点异常水平大于最大阈值或者小于最小阈值定义为异常用户节点。本发明方法能够有效提升社交网络中异常用户节点检测的有效性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN114312411A
公开(公告)日：2022-04-12
申请号：CN202210048064.3
申请日：2022-01-17
Applicant: 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 南京邮电大学 , 江苏省电力试验研究院有限公司
IPC: B60L53/31 , B60L53/302 , B65H75/38 , B65H75/44
Abstract: 本发明公开了一种高安全可靠的电动汽车充电桩及其操作方法，其结构包括操作箱、显示窗、充电头、散热板，操作箱上设有显示窗，显示窗与操作箱相连接，充电头安装在操作箱上，操作箱与充电头活动卡合，散热板安装在操作箱上，操作箱与散热板相连接，本发明的组装电缆嵌合在接触器的组装结构上，收线辊在转动收线过程中，调节块在调节道上来回滑动，从而牵动嵌合在接触器组装结构上组装电缆来回滑动，实现组装电缆的位移，不断改变组装电缆缠绕在收线辊上的位置，以实现电缆的均匀缠绕，防止收线辊在收线时，因组装电缆集中缠绕在收线辊的某一端，而导致收线辊的组装电缆缠绕分布不均匀。
-
公开(公告)号：CN113705615A
公开(公告)日：2021-11-26
申请号：CN202110861799.3
申请日：2021-07-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于神经网络的电动汽车充电过程多级设备故障诊断方法及系统，所述方法包括以下步骤，获取统计历史故障数据；分析历史故障数据，运用故障树分析法，构建电动汽车充电过程多级设备故障树；根据故障树，获取故障征兆集、故障原因集；运用模糊数学诊断法，分析故障征兆集、故障原因集模糊相关性；构建电动汽车充电过程神经网络故障诊断模型；将实际故障数据输入神经网络故障诊断模型，获得故障诊断结果。本发明可提高电动汽车充电过程中故障诊断的精度，确保电动车充电安全。
-
公开(公告)号：CN113627650A
公开(公告)日：2021-11-09
申请号：CN202110780012.0
申请日：2021-07-09
Applicant: 南京邮电大学 , 国网江苏省电力有限公司电力科学研究院 , 国电南瑞科技股份有限公司
Abstract: 本发明公开了一种城市电动汽车保有量预测方法，所述方法包括下述步骤：获取模型初始信息；基于模型初始信息构建预测末年的保有量预测迭代矩阵模型，计算预测末年的城市电动汽车预测量；获取预测年限，判断该预测年限是否为预测末年：若是，则输出城市电动汽车预测量；若不是，则更新预测末年的下一年为新的预测末年，重新构建保有量预测迭代矩阵模型，计算城市电动汽车预测量后，再次判断所述预测年限是否为预测末年。本发明可预测私人电动汽车的保有量发展情况，为充电设施布局提供数据支撑，具有较强的通用性和实用性，对于预测私家电动车保有量及指导充电服务设施布局具有重要意义。
-
公开(公告)号：CN108399435B
公开(公告)日：2020-09-25
申请号：CN201810237226.1
申请日：2018-03-21
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于动静特征的视频分类方法，解决视频分类准确度不够高的问题。本发明首先对视频中的动态特征和静态特征进行处理，利用Cholesky变换对这些信息融合后，使用GRU神经网络完成视频的分类；接着通过DT算法捕获每个视频帧的动态特征，再通过DBSCAN聚类算法将每个视频帧隔离，在每个视频片段的每个帧里构建运动框并连接每个视频片段相邻帧之间的运动框，完成动态特征的捕获和跟踪；然后通过HoG和BoW方法将动态特征生成动态信息直方图与通过CNN神经网络生成的静态信息直方图利用Cholesky变换相融合；最后利用GRU神经网络实现视频的分类。本发明通过对动态和静态信息的分开处理，能够提升视频分类的准确性，具有良好的实施性和鲁棒性。
-
公开(公告)号：CN110175575A
公开(公告)日：2019-08-27
申请号：CN201910454096.1
申请日：2019-05-29
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于新型高分辨率网络架构进行单人姿态估计的方法。该发明首先用检测器对输入的包含单个行人的图像进行检测，去除不精确的检测框，其次通过数据增强来扩充数据集；然后在实例化网络结构中通过并行多分辨率子网保持高分辨率特征图，而不需要恢复分辨率，在并行子网中引入交换单元，使每个子网重复地从其他并行子网接收信息，提高对单人姿态估计的准确率；由于在大多数的复杂场景中，会出现关键点被遮挡的现象，所以提出使用一个关键点掩蔽的数据增强方案，通过这个方案可以很有效地微调训好的卷积神经网络，通过相邻的匹配强大地定位被遮挡的关键点，提升对遮挡问题的准确率，从而得到更优的模型。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.032 seconds)
