-
公开(公告)号：CN111428772B
公开(公告)日：2022-08-23
申请号：CN202010195167.3
申请日：2020-03-19
Applicant: 南京邮电大学
IPC: G06V10/764 , G06K9/62 , G06V10/82 , G06N3/04
Abstract: 本发明提出了一种基于k‑近邻自适应投票的光伏系统深度异常检测方法，该方法包括获取光伏发电系统中积累的光伏阵列内部一维时序数据，利用滑动窗口定长切分原始数据，通过快速傅里叶变换将其转换为二维频域数据图像，结合切片时间对外部数据分类，给定标签构造数据集；在数据集上利用深度神经网络训练分类模型，抽取隐式特征作为异常检测输入。将输入数据进行数据转换并抽取隐层编码特征，在本地隐层编码特征集合中利用二重k‑近邻基于距离度量第一次选择投票点，通过投票点到第二次k‑近邻点集合之间的距离差自适应得到决定是否异常的投票权重，使得该方法在鲁棒，提高了检测准确率。该方法无需对比下一时刻的真实数据，提高了实时检测效率。
-
公开(公告)号：CN109410056A
公开(公告)日：2019-03-01
申请号：CN201811176692.X
申请日：2018-10-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种电动汽车充电系统实现去中心化安全交易的方法，该方法中的电动汽车和充电站在所建立的智能合约中完成交易，电动汽车发出充电交易请求时，电动汽车公布公开信息，并对电动汽车中的汽车身份验证信息进行加密，之后通过充电站的安全校验和智能合约中的二次安全校验模块进行安全验证，完成充电请求交易服务。通过在智能合约中对入网的加密后的电动汽车进行安全化验证，实现电动汽车有序充电的去中心化、匿名发布充电请求的交易方法，保护电动汽车位置信息等敏感数据不被泄露，保证了交易能够安全高效地进行。
-
公开(公告)号：CN111428772A
公开(公告)日：2020-07-17
申请号：CN202010195167.3
申请日：2020-03-19
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于k-近邻自适应投票的光伏系统深度异常检测方法，该方法包括获取光伏发电系统中积累的光伏阵列内部一维时序数据，利用滑动窗口定长切分原始数据，通过快速傅里叶变换将其转换为二维频域数据图像，结合切片时间对外部数据分类，给定标签构造数据集；在数据集上利用深度神经网络训练分类模型，抽取隐式特征作为异常检测输入。将输入数据进行数据转换并抽取隐层编码特征，在本地隐层编码特征集合中利用二重k-近邻基于距离度量第一次选择投票点，通过投票点到第二次k-近邻点集合之间的距离差自适应得到决定是否异常的投票权重，使得该方法在鲁棒，提高了检测准确率。该方法无需对比下一时刻的真实数据，提高了实时检测效率。
-
-
Search Results
3
records
(took 0.016 seconds)
