-
公开(公告)号：CN110866592A
公开(公告)日：2020-03-06
申请号：CN201911032274.8
申请日：2019-10-28
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
Abstract: 本发明实施例公开了一种模型训练方法、装置、能效预测方法、装置和存储介质，其中，通过获取数据中心的历史能耗使用效率，以及获取对应的历史能耗使用效率相关数据，并构建时序训练集和时序测试集；再构建基于长短期记忆网络结构的循环神经网络模型，并根据时序训练集对循环神经网络模型进行训练，直至循环神经网络模型收敛；最后根据时序测试集对收敛的循环神经网络模型的进行校验，当校验通过时，将收敛的循环神经网络模型作为用于预测数据中心的能耗使用效率的能耗使用效率预测模型。相比于现有技术，本发明能够使得训练得到能耗使用效率预测模型的预测准确度较高，从而更准确的对数据中心的能耗使用效率进行预测。
-
公开(公告)号：CN110826784A
公开(公告)日：2020-02-21
申请号：CN201911032270.X
申请日：2019-10-28
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
Abstract: 本发明实施例公开了能源使用效率的预测方法、装置及存储介质和终端设备，应用于人工智能的信息处理技术领域。能源使用效率的预测装置会获取模块化数据中心在预置时间段内N个时刻的环境变量参数，并利用效率预测模型中的特征提取模块分别提取N个时刻的环境变量参数的特征信息，将N个时刻的特征信息进行关联得到综合特征信息，再由效率预测模型中的预测模块根据综合特征信息输出模块化数据中心的未来能源使用效率。上述效率预测模型是机器学习模型，该机器学习模型可以结合一段时间段内多次采集的环境变量参数，得到未来能源使用效率，可以较为准确地预测到未来能源使用效率，能很好地指导运维人员创建绿色化程度较高的模块化数据中心。
-
公开(公告)号：CN110781595A
公开(公告)日：2020-02-11
申请号：CN201911030217.6
申请日：2019-10-28
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
Abstract: 本发明实施例提供了一种能源使用效率PUE的预测方法、装置、终端及介质，其中，所述方法包括：获取数据中心的环境特征数据，所述环境特征数据为影响所述数据中心PUE预测的环境数据；利用PUE预测模型对所述环境特征数据进行PUE预测，得到预测PUE值；其中，所述PUE预测模型为根据所述数据中心的历史影响数据训练获得，所述历史影响数据包括PUE特征数据和真实PUE值。通过实施本发明，可以提高PUE预测准确度。
-
公开(公告)号：CN110428846A
公开(公告)日：2019-11-08
申请号：CN201910609734.2
申请日：2019-07-08
Applicant: 清华大学
IPC: G10L19/018 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于双向循环神经网络的网络语音流隐写分析方法及装置，其中，该方法包括：S1，获取网络语音流训练集样本和网络语音流测试集样本；S2，通过滑动窗口方法从网络语音流训练集样本中抽取网络语音载荷进行处理得到量化索引向量；S3，利用码字相关模型抽取量化索引向量中的码字相关向量；S4，通过特征分类模型对码字相关向量进行分类；S5，通过监督方法对步骤S2-S4进行迭代，生成隐写检测模型；S6，将网络语音流测试集样本输入隐写检测模型进行检测得到隐写概率，根据隐写概率判断网络语音流测试集样本是否隐写。该方法能够快速且高效的判断出原始语音流是否经过信息隐写。
-
公开(公告)号：CN109442771A
公开(公告)日：2019-03-08
申请号：CN201811208661.8
申请日：2018-10-17
Applicant: 清华大学
Abstract: 本发明公开了一种太阳能储热装置及光热发电系统，其中，该装置包括：储热组件用于存储太阳能集热器的载热流体；混合器与储热组件通过多个外输管道相连；多个温度检测装置分别设置于多个外输管道的入口，以检测载热流体的当前温度；多个开关组件的每个开关组件一一对应设置于外输管道上；控制器分别于多个温度检测装置和多个开关组件相连，以根据当前温度获取多个外输管道的每个外输管道的当前目标流量，并根据当前目标流量控制对应的开关组件的开度。该储热装置实现了储热装置对外的能量稳定输出，有效地解决太阳能光热发电系统长期变工况低效运行的现存问题，消除了发电系统功率波动对电网的严重冲击，并且结构简单、安全可靠、适用范围广。
-
Patent Agency Ranking
公开(公告)号：CN108393199B
公开(公告)日：2024-05-10
申请号：CN201810395733.8
申请日：2018-04-27
Applicant: 清华大学
Inventor： 杨震
IPC: B05B1/00
Abstract: 本发明公开了合成射流器，包括腔体、弹性膜、出口活门和进口活门，出口活门和进口活门均可活动地设在腔体上，出口活门打开时形成出口通道，进口活门打开时形成进口通道，弹性膜设在腔体上并构成腔体的内壁，弹性膜振动时腔体随之扩张或收缩；腔体扩张时，腔体的内外压差驱动出口通道收缩或关闭、进口通道扩张或打开；腔体收缩时，腔体的内外压差驱动出口通道扩张或打开、进口通道收缩或关闭；从腔体的内部到外部的方向上，出口通道的至少部分段形成为过流面积逐渐减小的收缩通道。该合成射流器能够减少气流摩擦造成的气流机械能损失，高效地生成气流，多个合成射流器并列工作，能够产生大面积的气流，从而可用于通风、冷却等各种领域。
-
公开(公告)号：CN110826784B
公开(公告)日：2023-12-12
申请号：CN201911032270.X
申请日：2019-10-28
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
IPC: G06Q10/04 , G06N3/0442 , G06F18/213 , G06F18/25 , G06N3/084
Abstract: 本发明实施例公开了能源使用效率的预测方法、装置及存储介质和终端设备，应用于人工智能的信息处理技术领域。能源使用效率的预测装置会获取模块化数据中心在预置时间段内N个时刻的环境变量参数，并利用效率预测模型中的特征提取模块分别提取N个时刻的环境变量参数的特征信息，将N个时刻的特征信息进行关联得到综合特征信息，再由效率预测模型中的预测模块根据综合特征信息输出模块化数据中心的未来能源使用效率。上述效率预测模型是机器学习模型，该机器学习模型可以结合一段时间段内多次采集的环境变量参数，得到未来能源使用效率，可以较为准确地预测到未来能源使用效率，能很好地指导运维人员创建绿色化程度较高的模块化数据中心。
-
公开(公告)号：CN116947330A
公开(公告)日：2023-10-27
申请号：CN202310696379.3
申请日：2023-06-13
Applicant: 清华大学
IPC: C03C17/36
Abstract: 本发明提供了一种节能玻璃。该节能玻璃包括：基底和设置于基底上的第一ZnS层、第一Ag层、第二ZnS层、第二Ag层、第三ZnS层；并且，所述第一ZnS层、第一Ag层、第二ZnS层、第二Ag层、第三ZnS层的厚度分别为32nm‑40nm、24nm‑28nm、63‑71nm、18nm‑22nm、30‑38nm。本发明的节能玻璃采用特定厚度的薄膜，能够同时满足太阳光紫外反射率高、可见光透过率高、太阳光红外反射率高和红外发射率低四个方面的要求，在兼顾可见光透过率的同时，可以达到较好的夏季、白天降温，冬季、夜晚保暖，防紫外线等效果。
-
公开(公告)号：CN108565890B
公开(公告)日：2020-06-12
申请号：CN201810343620.3
申请日：2018-04-17
Applicant: 清华大学
Abstract: 本发明公开了一种带有储能的新能源输出功率波动最小化调度方法及装置，其中，方法包括：获取风电出力值并建立风速转移概率模型，获取发电厂中储能装置的设备信息得到第二离散的状态量，并结合风电出力值、储能装置的剩余电量与当前时刻生成状态向量构建马氏决策模型，进而获得最优策略，并对此策略进行实时调度，进而得到实时更新的最优结果。该方法能够通过对储能装置进行调度，提供长期的、宽时间尺度的调度策略，来降低新能源输出功率的波动，并能够实时调度，得到本时刻最优的调度策略，具有简单方便，适用性广的优点。
-
公开(公告)号：CN110866528A
公开(公告)日：2020-03-06
申请号：CN201911032302.6
申请日：2019-10-28
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
Abstract: 本发明实施例公开了一种模型训练方法、能耗使用效率预测方法、装置和介质，其中，首先获取数据中心的历史能耗使用效率，以及获取对应的历史能耗使用效率相关特征；然后根据历史能耗使用效率和历史能耗使用效率相关特征构建训练集和测试集；再构建轻量梯度提升机模型，并根据训练集对轻量梯度提升机模型进行训练；最后根据测试集对训练后的轻量梯度提升机模型的进行校验，当校验通过时，将训练后的轻量梯度提升机模型作为用于预测数据中心的能耗使用效率的能耗使用效率预测模型。相比于现有技术，本发明能够使得训练得到的能耗使用效率预测模型的预测准确度较高，从而更准确的对数据中心的能耗使用效率进行预测。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.025 seconds)
