-
公开(公告)号：CN115297016A
公开(公告)日：2022-11-04
申请号：CN202210876364.0
申请日：2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
IPC: H04L41/147 , H04L41/0677 , H04L41/16 , H04L43/0876 , H04L67/12 , G06N3/04 , G06N3/08
Abstract: 本发明涉及电网人工智能和数据处理技术领域，公开了一种基于深度学习的电力网络活跃度评价和预测方法，包括：获取原始数据，筛选待评价服务端口流量数据，进行活跃度计算；进行数据预处理，得到历史活跃度数据集，自动化定时对数据集进行更新；将数据集划分为训练样本和测试样本，训练样本进行样本重构并输入到不同的深度学习模型进行模型训练；将测试样本输入到训练好的模型中，并对模型进行评估和比较，得到一个该服务的最优模型，将模型保存；自动化实时获取不同网络服务的活跃度数据，得到未来的活跃度预测结果。与现有技术相比，本发明能够及时发现活跃度异常的网络服务并且便于网络的维护和管理，提升电力网络系统智能化水平。
-
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：CN119577597A
公开(公告)日：2025-03-07
申请号：CN202411625312.1
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 , G06F18/10 , G06Q50/06
Abstract: 一种基于孤立森林算法的电力设备台账纠错方法，旨在解决电力系统中设备台账的设备类型与实际设备类型不相匹配的情况，以利于电力设备管理。方法包括：数据预处理，对设备类型标签编码并按MAC地址前六位分组；设计孤立森林算法模型，为每组构建异常检测模型；送分组数据集至模型进行训练；通过与原始数据集对比，确保异常设备类型为少数，调整参数优化模型；对异常台账进行人工确认并计算评价指标。本方法有效解决了设备类型不匹配问题，便于电力设备管理。
-
公开(公告)号：CN115297016B
公开(公告)日：2024-02-20
申请号：CN202210876364.0
申请日：2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
IPC: H04L41/147 , H04L41/0677 , H04L41/16 , H04L43/0876 , H04L67/12 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及电网人工智能和数据处理技术领域，公开了一种基于深度学习的电力网络活跃度评价和预测方法，包括：获取原始数据，筛选待评价服务端口流量数据，进行活跃度计算；进行数据预处理，得到历史活跃度数据集，自动化定时对数据集进行更新；将数据集划分为训练样本和测试样本，训练样本进行样本重构并输入到不同的深度学习模型进行模型训练；将测试样本输入到训练好的模型中，并对模型进行评估和比较，得到一个该服务的最优模型，将模型保存；自动化实时获取不同网络服务的活跃度数据，得到未来的活跃度预测结果。与现有技术相比，本发明能够及时发现活跃度异常的网络服务并且便于网络的维护和管理，提升电力网络系统智能化水平。
-
公开(公告)号：CN115291046A
公开(公告)日：2022-11-04
申请号：CN202211204901.3
申请日：2022-09-30
Applicant: 南京鼎研电力科技有限公司
Abstract: 本发明涉及数据处理技术领域，具体涉及一种基于电网运行大数据的电网配电异常识别方法。该方法获取电网分区数据后构建电网节点图，以电网节点图确定节点的连通性、以电网运行历史数据确定节点的异常度、以节点状态数据确定电网节点图中调度线路的故障率，以所得连通性、异常度及故障率得到表征以当前节点为中心的一定范围内电网运行状态的节点矩阵，并将节点矩阵看做图像得到当前节点的异常图，将异常图输入神经网络完成待测节点单相接地故障判断。异常图不但表征了待测节点周围电网运行状况，且以图形式表征了其它节点或调度线路与待测节点的方位和距离，使异常图可表征其它节点或调度线路对待测节点影响程度，提高单相接地故障判断准确度。
-
Patent Agency Ranking
公开(公告)号：CN115291046B
公开(公告)日：2022-12-20
申请号：CN202211204901.3
申请日：2022-09-30
Applicant: 南京鼎研电力科技有限公司
IPC: G06F17/10
Abstract: 本发明涉及数据处理技术领域，具体涉及一种基于电网运行大数据的电网配电异常识别方法。该方法获取电网分区数据后构建电网节点图，以电网节点图确定节点的连通性、以电网运行历史数据确定节点的异常度、以节点状态数据确定电网节点图中调度线路的故障率，以所得连通性、异常度及故障率得到表征以当前节点为中心的一定范围内电网运行状态的节点矩阵，并将节点矩阵看做图像得到当前节点的异常图，将异常图输入神经网络完成待测节点单相接地故障判断。异常图不但表征了待测节点周围电网运行状况，且以图形式表征了其它节点或调度线路与待测节点的方位和距离，使异常图可表征其它节点或调度线路对待测节点影响程度，提高单相接地故障判断准确度。
-
公开(公告)号：CN119212098A
公开(公告)日：2024-12-27
申请号：CN202411679452.7
申请日：2024-11-22
Applicant: 南京邮电大学
IPC: H04W72/0453 , H04W72/044 , H04W72/53
Abstract: 本发明公开一种多用户多模态流完整性传输任务的资源调度方法，包括如下步骤：针对多用户多模态流传输任务，获取视听流传输速率和触觉流传输时延；根据所述视听流传输速率和触觉流传输时延，以最大化多用户多模态感知效用为目标，建立资源调度的优化数学模型，并求解该模型，得到在频谱和功率资源约束下最大化多用户多模态感知效用的资源数量；根据用户需求的资源数量为多用户分配功率和频谱资源。本发明提出的面向多用户多模态流完整性传输任务的资源调度方法，综合考虑了触觉流传输的实时性需求以及视听流传输的完整性需求，通过对频谱和功率资源的分配提升用户在虚实融合服务中的多模态感知效用。
-
公开(公告)号：CN119094082A
公开(公告)日：2024-12-06
申请号：CN202411075759.6
申请日：2024-08-07
Applicant: 南京邮电大学
IPC: H04L1/00 , G06F18/25 , G06F18/10 , G06F17/14 , G06F18/213 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/098 , H04B17/391
Abstract: 本发明公开了一种信噪比自适应联合优化信源信道的触觉信号重建方法，涉及触觉信号生成技术领域，包括：将每一种对象对应的图像和滑动产生的触觉振动信号进行预处理；构建跨模态联合编码器用于生成层次化融合特征，构建跨模态联合解码器，将预处理得到的训练数据输入所构建的跨模态联合编码器和跨模态联合解码器中进行训练；将待测的成对的触觉信号和图像信号输入跨模态联合编码器和最优的跨模态联合解码器，重建目标触觉信号。本发明提供的信噪比自适应联合优化信源信道的触觉信号重建方法简化了编码训练过程，更好地进行模态特征融合；提高了模型对信道变化的鲁棒性，使模型在更大范围信噪比变化下表现出更高的触觉信号重建稳定性。
-
公开(公告)号：CN119011084A
公开(公告)日：2024-11-22
申请号：CN202411075761.3
申请日：2024-08-07
Applicant: 南京邮电大学
IPC: H04L1/00 , H04B17/391 , G06F18/25 , G06F18/24 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/098 , G06N3/084 , G06F17/14
Abstract: 本发明公开了一种基于信源信道联合编码的触觉信号重建方法，涉及触觉信号生成技术领域，包括：将用于训练的触觉和图像信号通过信源编码器，基于分类任务初步进行触觉和图像的模态内特征提取和模态间特征融合。将融合特征输入神经网络建模的信道编码器用于产生适合信道传输的码流，经过信道传输后，输入信道解码器，通过信道编解码器的联合训练，将恢复的融合特征输入触觉解码器中，重建触觉信号。本发明提供的基于信源信道联合编码的触觉信号重建方法实现了不同模态的语义信息融合，大幅减少数据量，通过单独设计的信道编码器和信道解码器提高了信号对信道变化的鲁棒性，并降低信号通过信道的延迟，从而使得触觉信号的重建质量得到显著提升。
-
公开(公告)号：CN117857834A
公开(公告)日：2024-04-09
申请号：CN202311663728.8
申请日：2023-12-06
Applicant: 南京邮电大学
IPC: H04N21/222 , H04N21/234 , H04N21/2343 , H04N21/25 , H04N19/154 , H04N19/172 , H04N19/176 , H04N19/182 , H04N19/25 , G06V10/74 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06V10/84 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种决策质量驱动的内容压缩系统及内容压缩方法，包括本地设备端和边缘服务器，本地设备端数据获取模块、预处理模块、二进制分类器、相关帧模块和数据存储模块，边缘服务器包括识别模块和迁移学习模块。通过迁移学习模块对二进制分类器进行了参数微调优化；同时通过预处理模块得到像素级别的灰度帧差数据和宏块级别的相似度帧差数据，再传输至二进制分类器得到分类概率，进而判断相关帧以实现内容压缩，很好地解决了现有方案无法平衡计算负载、决策质量和延迟需求的问题。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.082 seconds)
