-
公开(公告)号：CN110380217B
公开(公告)日：2021-02-02
申请号：CN201910680912.0
申请日：2019-07-26
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于人工表面等离子激元（Spoof Surface Plasmon Polaritons,SSPPs）的高增益端射天线，包含了介质基片、上层金属贴片和下层金属贴片；所述的上层金属贴片位于介质基片的上表面，包括微带传输线、渐变形过渡槽、SSPPs传输线、偶极子的一部分以及引向器；所述的下层金属贴片位于介质基片的下表面，包括接地面、渐变形过渡槽、SSPPs传输线以及偶极子的一部分。该结构采用人工表面等离子体激元波导传输能量，在终端利用偶极子实现辐射，并且在天线的末端引入八木天线的引向器，利用接地面代替八木天线的反射器，从而提高增益。本发明优化了传统的偶极子端射天线，设计结构简单，工作带宽增大，减小了天线间的互耦，大幅度提高了天线增益。
-
公开(公告)号：CN109830800A
公开(公告)日：2019-05-31
申请号：CN201910072294.1
申请日：2019-01-25
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于人工磁导体的双频SIW缝隙天线，该双频SIW缝隙天线包括天线介质基板以及分别设置在天线介质基板上表面的顶层金属层和下表面的底层金属层，在天线介质基板的下面还设置有周期性的人工磁导体结构，人工磁导体结构由上至下依次为上表面、介质层和下表面，所述上表面为具有圆环和十字交叉缝隙的第一顶层金属层，下表面为第一底层金属层。本发明首先引入人工磁导体结构，目的是为了让缝隙天线下半部分的场反射到上半部分，利用人工磁导体结构同相反射特性的周期性，实现对双频SIW缝隙天线的双频谐振点性能的改善，减小副瓣带来的损耗，提高天线的方向性和增益，改善了天线的回波损耗。
-
公开(公告)号：CN119577328A
公开(公告)日：2025-03-07
申请号：CN202411625308.5
申请日：2024-11-14
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: G06F18/10 , G06F18/2433 , G06N3/0442 , G06N3/084 , G06Q50/06 , H02J3/00
Abstract: 一种基于CNN‑LSTM的高压用户用电数据预测方法，以高压用户用电数据为研究对象，使用LOF方法对高压用户的历史电力消费数据进行清理，去除不合理的离群数据，减低了离群数据对预测模型的性能的影响。通过数据分类与特征工程，将原始数据转换为更具代表性的特征集，便于模型学习。通过数据归一化降低数据的波动性，从而提高模型训练的稳定性和收敛速度。然后构建CNN‑LSTM混合模型，即在长短期记忆网络LSTM的基础上加入卷积神经网络CNN。该混合模型由CNN和LSTM两部分组成，CNN用于提取数据的局部特征，LSTM用于捕捉时间序列的依赖关系，进而进行较为精确的电力消费预测。完成模型的构建与训练后，本发明还通过均方误差和图形化方法对模型的预测结果进行有效直观评估。
-
公开(公告)号：CN119577598A
公开(公告)日：2025-03-07
申请号：CN202411625315.5
申请日：2024-11-14
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: G06F18/243 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/0985 , G06Q50/06 , H02J3/00
Abstract: 基于注意力机制的CNN‑XGBoost的电力负荷预测方法，获取相关历史负荷数据和特征数据，并进行数据相关性分析，在此基础上利用CNN在特征提取上的优势，使用CNN构造特征提取模块，并针对传统的卷积神经网络无法区分提取出来的特征是否对预测有效的问题，引入Attention(注意力机制)，赋予特征不同的权重，区分对输出贡献程度不同的特征，对提取出的特征进行有意识的侧重，发掘提取出的特征与标签的关系，再结合XGBoost算法，将提取的特征输入XGBoost结构中进行短期负荷预测，本方法能够综合CNN算法在特征提取方面的优势和XGBoost算法针对非线性负荷预测精度高，预测收敛速度快的优点，提高全网用电短期负荷预测的准确率和稳定性。
-
公开(公告)号：CN110444865B
公开(公告)日：2021-10-29
申请号：CN201910719957.4
申请日：2019-08-06
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于人工表面等离子激元（Spoof Surface Plasmon Polaritons,SSPPs）的对数周期天线，包含了介质基片和上层金属片：所述的上层金属贴片位于介质基片的上表面，包括共面波导结构、SSPPs传输线以及天线振子。该结构采用共面波导馈电，通过SSPPs波导传输能量，利用对数周期天线的天线振子将能量辐射出去，形成高增益的行波天线。由于SSPPs是单导体结构，而传统的对数周期偶极子天线是双导体结构，将二者结合，使得对数周期偶极子天线的对称振子均在同一面上，形成单导体结构。这种新型的基于人工表面等离子激元的对数周期天线，结构更加简单，减少了传输损耗，在集成单导体天线中具有巨大的潜力。
-
Patent Agency Ranking
公开(公告)号：CN108539406B
公开(公告)日：2020-05-15
申请号：CN201810493922.9
申请日：2018-05-22
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于人工磁导体的微带天线，包括三角形微带天线和人工磁导体反射基板，三角形微带天线通过非金属绝缘柱支撑设置在人工磁导体反射基板中心位置上方0.1mm处；三角形微带天线包括从上至下依次排列的三角形辐射贴片、介质层和接地板，接地板与三角形辐射贴片的形状、尺寸一一对应，三角形辐射贴片的中心位置刻蚀有互补的谐振环结构、底边中点位置处设有共面波导馈电点，三角形辐射贴片的边缘除馈电点外均等间距设有贯通三角形微带天线的空气通孔；人工磁导体反射基板由呈3×3阵列排布的人工磁导体反射单元拼接构成，人工磁导体反射单元与所述介质层的的形状、尺寸一一对应；本发明结构简单、易于加工，具有小型化、高增益的特性。
-
公开(公告)号：CN110444865A
公开(公告)日：2019-11-12
申请号：CN201910719957.4
申请日：2019-08-06
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于人工表面等离子激元（Spoof Surface Plasmon Polaritons,SSPPs）的对数周期天线，包含了介质基片和上层金属片：所述的上层金属贴片位于介质基片的上表面，包括共面波导结构、SSPPs传输线以及天线振子。该结构采用共面波导馈电，通过SSPPs波导传输能量，利用对数周期天线的天线振子将能量辐射出去，形成高增益的行波天线。由于SSPPs是单导体结构，而传统的对数周期偶极子天线是双导体结构，将二者结合，使得对数周期偶自己天线的对阵振子均在同一面上，形成单导体结构。这种新型的基于人工表面等离子激元的对数周期天线，结构更加简单，减少了传输损耗，在集成单导体天线中具有巨大的潜力。
-
公开(公告)号：CN110380217A
公开(公告)日：2019-10-25
申请号：CN201910680912.0
申请日：2019-07-26
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于人工表面等离子激元（Spoof Surface Plasmon Polaritons,SSPPs）的高增益端射天线，包含了介质基片、上层金属贴片和下层金属贴片；所述的上层金属贴片位于介质基片的上表面，包括微带传输线、渐变形过渡槽、SSPPs传输线、偶极子的一部分以及引向器；所述的下层金属贴片位于介质基片的下表面，包括接地面、渐变形过渡槽、SSPPs传输线以及偶极子的一部分。该结构采用人工表面等离子体激元波导传输能量，在终端利用偶极子实现辐射，并且在天线的末端引入八木天线的引向器，利用接地面代替八木天线的反射器，从而提高增益。本发明优化了传统的偶极子端射天线，设计结构简单，工作带宽增大，减小了天线间的互耦，大幅度提高了天线增益。
-
公开(公告)号：CN109904617A
公开(公告)日：2019-06-18
申请号：CN201910072566.8
申请日：2019-01-25
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于加载寄生支路形成的高保传输线的频率扫描漏波天线，所述频率扫描漏波天线为单层结构，包括介质基片及顶层金属层；所述顶层金属层设置于介质基片的上表面，所述顶层金属层上设置有天线结构，所述天线结构包括高保传输线、CPW共面波导和寄生贴片，寄生贴片位于高保传输线的一侧；所述天线结构用共面波导馈电使电磁波在高保传输线上传输并在寄生贴片上发生辐射。本发明优化了传统的漏波天线，设计结构简单，工作带宽大，减小了天线间的互耦，提高了天线增益，同时，该结构使得天线自身更加紧凑，在没有明显的相互耦合的情况下，可以彼此紧密地制造。
-
公开(公告)号：CN119577565A
公开(公告)日：2025-03-07
申请号：CN202411625314.0
申请日：2024-11-14
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: G06F18/2411 , G06F18/214 , G06F18/2113 , G06F18/15 , G06N3/0442 , H02J3/00 , G06F123/02
Abstract: 一种基于融合模型的光伏发电预测方法，属于光伏能源领域。传统光伏预测方法仅基于大量数据进行模型训练，往往存在着与光伏定律不符的预测结果。同时，针对特征子集的筛选通常采用单一方法，但光伏数据具有季节性、不确定性等特点，单一方法无法很好地描述各个特征与发电量的关系。本发明在传统预测方法的基础上融合光伏领域知识及定律，建立光伏约束模型；采用过滤法及包装法结合的算法建立特征子集的筛选模型，最后融合LSTM算法模型进行光伏预测。因此，本发明能够高效地筛选出更具代表性，相关性更佳的特征子集，并对光伏预测结果进行物理约束，从而提高模型的效果和泛化能力，实现光伏发电的准确预测。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
