-
公开(公告)号：CN116033437A
公开(公告)日：2023-04-28
申请号：CN202211574546.9
申请日：2022-12-08
Applicant: 国网湖北省电力有限公司信息通信公司 , 武汉大学 , 国网湖北送变电工程有限公司
Inventor： 梁源 , 董亮 , 李想 , 刘昕 , 柯旺松 , 李德识 , 朱兆宇 , 黄超 , 郭岳 , 庄严 , 戴俊峰 , 廖荣涛 , 袁慧 , 贺亮 , 王婕 , 李磊 , 罗弦 , 姚渭菁 , 王晟玮 , 陈铈 , 魏晓燕 , 王逸兮 , 孟浩华 , 周蕾
Abstract: 本申请涉及一种通信服务覆盖率最大的网络部署方法，包括多无人机协同飞行部署规划，具体步骤如下：通过分析视距和非视距的通信链路特征建立悬停‑飞行轨迹模型，计算无人机数量及部署时隙数；搜索单个时隙里M个无人机连通的最优悬停位置，保证该时隙里多无人机在连通情况下用户覆盖率最大化；将多无人机协同飞行轨迹规划算法扩展到K个时隙，求出每个无人机的K个部署点，得到多无人机的移动部署轨迹；结合多无人机的移动部署轨迹和无人机基站飞行规则获得多无人机应急通信服务协同飞行轨迹。本申请在提高无人机基站用户覆盖率的同时，可显著减小多无人机区域覆盖部署的移动时延，并减少了无人机资源配置数量。
-
公开(公告)号：CN111988329A
公开(公告)日：2020-11-24
申请号：CN202010881361.7
申请日：2020-08-27
Applicant: 国网湖北省电力有限公司 , 国网湖北省电力有限公司信息通信公司 , 南京南瑞信息通信科技有限公司
Abstract: 本发明提供了一种基于深度学习的网络入侵检测方法，该方法将每条流量数据中的特征视为在时间轴上顺序排列的若干个一维特征，并作为A-1D-CNN模型的输入。特别地，由于事先无法获知最佳超参数，在构建A-1D-CNN模型时，利用PSO对每个卷积层的卷积核数量进行优化，自适应地获得最优网络超参数；实现了端到端的深层特征学习和类型识别，避免了人为选择特征带来的不足，提高了模型对不同任务的自适应能力。
-
公开(公告)号：CN110995475A
公开(公告)日：2020-04-10
申请号：CN201911141903.0
申请日：2019-11-20
Applicant: 国网湖北省电力有限公司信息通信公司
Abstract: 本发明涉及一种基于迁移学习的电力通信网故障检测方法，结合卷积神经网络和迁移学习，利用实际网络拓扑结构和实验网络局部网络拓扑的关联性，将已训练的多个局部网络模型的特征相互集成，通过少量实际网络故障样本进行迁移参数学习，得到实际网络故障诊断模型，从而实现一个可用、准确而全面的智能化电力通信网故障检测技术，扩大了故障诊断技术的适用性。本发明则创新地结合卷积神经网络和迁移学习这两种方法的优势，充分利用故障告警数据之间的特征相关性，以及不同网络拓扑的网络节点关联度等特征的相似性，对实际网络中的故障数据进行准确而全面的智能化检测。
-
公开(公告)号：CN117856956A
公开(公告)日：2024-04-09
申请号：CN202311851930.3
申请日：2023-12-29
Applicant: 国网湖北省电力有限公司信息通信公司 , 武汉大学 , 北京中电飞华通信有限公司
Inventor： 陈家璘 , 周正 , 胡钰林 , 金波 , 孟浩华 , 郑蕾 , 蒋承轩 , 王婕 , 孙志峰 , 袁慧 , 郭峰 , 齐放 , 刘郑 , 邱爽 , 冯浩 , 徐宁 , 王红卫 , 曾铮 , 王逸兮 , 李想 , 王晟玮 , 李磊
IPC: H04J3/06
Abstract: 本申请涉及一种基于卡尔曼滤波的时间敏感网络端到端时序同步方法，包括以下步骤：建立对应时钟模型；建立主从时钟端到端同步流程，主时钟向从时钟发送两个主时钟本地时间戳和时钟工作频率，从时钟记录两个本地时间戳以消除链路时延分量；从时钟基于获得的主时钟工作状态信息，计算状态转移矩阵、观测矩阵，初始化误差向量与误差协方差矩阵，建立基于卡尔曼滤波的时钟同步方程；从时钟经过卡尔曼滤波方程迭代更新得到当前时钟同步周期内主时钟工作状态预测值，调整从时钟时序值与时钟工作频率。本申请针对同步网络时钟频率偏移因素优化设计同步算法，计算复杂度较低，具有良好应用价值。
-
公开(公告)号：CN111988176A
公开(公告)日：2020-11-24
申请号：CN202010841481.4
申请日：2020-08-20
Applicant: 国网湖北省电力有限公司信息通信公司
Abstract: 本发明公开了一种基于仿真拓扑结构的故障定位系统可视化方法，包括：网络信息的管理，对导入的设备数据、链路数据、告警数据进行清洗和结构化存储。网络可视化及信息展示，提取网络拓扑信息进行可视化布局，过滤告警数据对可视化网络进行标注。故障定位分析，调用故障定位算法对网络参数进行分析，将结果标注在可视化网络中。系统分离利用了网络拓扑信息，实现了设备管理、网络管理、链路管理、可视化布局等任务，设计了一种电力通信网络拓扑图的可视化构建方法。在此基础上，结合了一种网络故障定位算法，实现了对故障定位过程的可视化。本发明故障定位系统的可视化方法，具有灵活度高、交互性强、可拓展、入门难度低等优势。
-
Patent Agency Ranking
公开(公告)号：CN117935405A
公开(公告)日：2024-04-26
申请号：CN202311663985.1
申请日：2023-12-06
Applicant: 湖北思极科技有限公司 , 国网湖北省电力有限公司信息通信公司
IPC: G07C9/00
Abstract: 一种智能电锁开关管理系统、方法、设备及存储介质，包括移动端模块、定位分析模块、开锁操作记录模块、用户管理模块、中心端模块、工作票记录模块、数据库模块、自动决策支持模块、电锁终端；本设计在应用中，通过对操作人员的实时定位分析并与工作票任务进行匹配，基于锁使用数据形成对人员表现或合规性分析，形成对智能电锁的统一管理，解决了现有技术存在的日常巡检、维护等工作需要大量的人为干预，设备的运行效率和安全可靠性较低，并且维护成本较高的问题。本发明不仅管理效率较高，且维护成本较低。
-
公开(公告)号：CN117880898A
公开(公告)日：2024-04-12
申请号：CN202311858623.8
申请日：2023-12-30
Applicant: 国网湖北省电力有限公司信息通信公司 , 武汉大学 , 北京中电飞华通信有限公司
Inventor： 金波 , 陈家璘 , 陈琪美 , 周正 , 胡莉娜 , 袁慧 , 杨洋 , 周德坤 , 孟浩华 , 徐宁 , 张泉 , 贺易 , 郑蕾 , 吴耿 , 肖冬玲 , 邹澄澄 , 詹鹏 , 周智睿 , 邱学晶 , 王逸兮 , 李磊 , 王晟玮
IPC: H04W28/26 , H04L41/0893 , H04L41/0895 , H04L41/14 , H04L67/12
Abstract: 一种面向5G电力物联网络的动态切片和资源分配方法，包括以下步骤：步骤1：在电力物联网络中针对不同服务需求搭建网络切片架构；步骤2：根据步骤1搭建的网络切片架构，配置满足不同服务需求的端到端网络切片，通过集中式SDN控制器对不同网络切片间的资源配置和流量路由做出联合决策，最大限度降低总网络成本；步骤3：根据步骤1搭建的的网络切片架构和步骤2针对不同网络切片间的资源分配，在考虑终端用户的需求下通过本地SDN控制器实现网络切片内部资源的合理分配。与现有的通信技术相比，本发明提高了资源的利用率；同时在定制优化方案中综合考虑多种性能指标，实现更全面的网络性能优化。
-
公开(公告)号：CN116048910A
公开(公告)日：2023-05-02
申请号：CN202211574534.6
申请日：2022-12-08
Applicant: 国网湖北省电力有限公司信息通信公司 , 武汉大学 , 国网湖北送变电工程有限公司
Inventor： 庄严 , 董亮 , 郭岳 , 朱兆宇 , 李德识 , 胡耀东 , 柯旺松 , 李想 , 梁源 , 黄超 , 周正 , 廖荣涛 , 袁慧 , 贺亮 , 冯伟东 , 王婕 , 王逸兮 , 罗弦 , 姚渭菁 , 胡欢君 , 李磊 , 邱爽 , 朱国威 , 代荡荡 , 詹伟 , 周蕾
IPC: G06F11/30
Abstract: 本申请涉及一种数据中心设备运行数据双尺度预测方法，包括如下步骤：设读入数据中心设备运行所产生的时间序列数据；得到大尺度波动序列和小尺度波动序列；在大尺度波动序列中，为了降低计算复杂度，预测设备状态长期变化趋势，将大尺度波动序列中的各个时刻数据进行合并形成各个时段即大尺度设备运行状态序列，预测大尺度设备运行状态序列以时段为尺度；使用滑动窗口k近邻预测方法和预匹配方式进行大尺度预测；使用AR预测模型进行小尺度预测；基于大尺度预测值和小尺度预测值得到下一个时刻的设备运行数据。本申请降低计算复杂度，预测设备状态长期变化趋势，实现在保持预测性能的同时降低预测算法的开销。
-
公开(公告)号：CN111988329B
公开(公告)日：2022-04-19
申请号：CN202010881361.7
申请日：2020-08-27
Applicant: 国网湖北省电力有限公司 , 国网湖北省电力有限公司信息通信公司 , 南京南瑞信息通信科技有限公司
Abstract: 本发明提供了一种基于深度学习的网络入侵检测方法，该方法将每条流量数据中的特征视为在时间轴上顺序排列的若干个一维特征，并作为A‑1D‑CNN模型的输入。特别地，由于事先无法获知最佳超参数，在构建A‑1D‑CNN模型时，利用PSO对每个卷积层的卷积核数量进行优化，自适应地获得最优网络超参数；实现了端到端的深层特征学习和类型识别，避免了人为选择特征带来的不足，提高了模型对不同任务的自适应能力。
-
公开(公告)号：CN116048910B
公开(公告)日：2024-10-01
申请号：CN202211574534.6
申请日：2022-12-08
Applicant: 国网湖北省电力有限公司信息通信公司 , 武汉大学 , 国网湖北送变电工程有限公司
Inventor： 庄严 , 董亮 , 郭岳 , 朱兆宇 , 李德识 , 胡耀东 , 柯旺松 , 李想 , 梁源 , 黄超 , 周正 , 廖荣涛 , 袁慧 , 贺亮 , 冯伟东 , 王婕 , 王逸兮 , 罗弦 , 姚渭菁 , 胡欢君 , 李磊 , 邱爽 , 朱国威 , 代荡荡 , 詹伟 , 周蕾
IPC: G06F11/30
Abstract: 本申请涉及一种数据中心设备运行数据双尺度预测方法，包括如下步骤：设读入数据中心设备运行所产生的时间序列数据；得到大尺度波动序列和小尺度波动序列；在大尺度波动序列中，为了降低计算复杂度，预测设备状态长期变化趋势，将大尺度波动序列中的各个时刻数据进行合并形成各个时段即大尺度设备运行状态序列，预测大尺度设备运行状态序列以时段为尺度；使用滑动窗口k近邻预测方法和预匹配方式进行大尺度预测；使用AR预测模型进行小尺度预测；基于大尺度预测值和小尺度预测值得到下一个时刻的设备运行数据。本申请降低计算复杂度，预测设备状态长期变化趋势，实现在保持预测性能的同时降低预测算法的开销。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.081 seconds)
