“负载预测”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果529725个，建议您升级VIP下载更多相关专利

[发明专利]一种基于历史数据的智能调度方法、系统及设备-CN202111276458.6在审
发明人：詹天;鲍明礼;周俊鹏;王利明;吴迪 -专利权人：厦门友微科技有限公司
申请日： 2021-10-29 - 公布日： 2022-06-14 - 主分类号： G06F9/48 文献下载
摘要：本发明提供了一种基于历史数据的智能调度方法，包括如下步骤：获取容器以及物理机的历史负载数据，所述负载数据为磁盘IO负载；基于容器以及物理机的历史负载数据，通过Prophet时间序列预测算法，预测容器以及物理机下一时间周期的负载数据；根据预测的容器以及物理机下一时间周期的负载数据，根据调度策略，进行容器调度；本发明方法收集应用容器的历史磁盘IO使用情况，基于历史数据进行预测和调度，将有不同磁盘IO负载的容器，调度到不同的机器上，保证应用互相不影响
一种基于历史数据智能调度方法系统设备

[发明专利]一种信息确定方法、装置、设备及计算机可读存储介质-CN202111486123.7在审
发明人：张复琳 -专利权人：中国移动通信有限公司研究院;中国移动通信集团有限公司
申请日： 2021-12-07 - 公布日： 2023-06-09 - 主分类号： G05B13/04 文献下载
摘要：本申请实施例公开了一种信息确定方法，该方法包括：确定环境预测模型和负载预测模型；确定状态预测模型和能耗预测模型；获取待检测设备的多个部件对应的多组控制参数，以及待检测设备在第一时间段内的第一环境数据、第一负载数据和第一状态数据；每组控制参数中包括多个部件中每个部件的控制子参数；针对多个部件对应的每组控制参数，采用环境预测模型、负载预测模型、状态预测模型和能耗预测模型，对控制参数、第一环境数据、第一负载数据和第一状态数据进行处理，预测多个部件的能耗数据；基于多个能耗数据，从多组控制参数中确定每个部件的目标控制参数。
一种信息确定方法装置设备计算机可读存储介质

[发明专利]图形处理器的频率调整方法、装置、终端及存储介质-CN201910476203.0有效
发明人：程杰;陈岩 -专利权人： OPPO广东移动通信有限公司
申请日： 2019-06-03 - 公布日： 2022-02-08 - 主分类号： G06F9/50 文献下载
摘要：所述方法包括：获取当前图像帧的图形处理数据量以及目标应用程序的配置信息；将图形处理数据量和配置信息输入GPU负载预测模型，得到GPU预测负载；将GPU预测负载和当前渲染参数输入GPU频率预测模型，得到GPU预测频率；根据GPU预测频率调整GPU的工作频率，GPU用于在调整后的工作频率下渲染下一帧图像帧。本申请实施例中，基于渲染当前图像帧时的数据，并利用预先训练得到的GPU负载预测模型和GPU频率预测模型预测渲染下一帧图像帧时GPU的工作频率，保证下一帧图像帧能够被及时渲染，提高了应用画面的流畅度。
图形处理器频率调整方法装置终端存储介质

[发明专利]一种目标无人机重量的预测方法、装置和存储介质-CN202310453477.4有效
发明人：庞智;阳健;许磊;王耀平;潘锐祥 -专利权人：深圳市好盈科技股份有限公司
申请日： 2023-04-25 - 公布日： 2023-08-18 - 主分类号： G06Q10/04 文献下载
摘要：本申请实施例公开了一种目标无人机重量的预测方法、装置和存储介质，其方法包括：基于拟合模型生成目标无人机的第一重量值；基于目标无人机每一个机臂对应的电机转速、以及转速模型生成目标无人机的第二重量值；获取基于拟合模型生成的第一重量值、基于转速模型生成的第二重量值和预测模型所采用的加权系数，预测模型用于预测目标无人机携带具有不同负载重量的负载物时所对应的各个重量值；以及将加权系数、第一重量值和第二重量值均输入至预测模型中进行预测，输出对应的预测结果，预测结果包括目标无人机携带具有不同负载重量的负载物时所对应的各个预测重量值。
一种目标无人机重量预测方法装置存储介质

[发明专利]基于深度自回归循环神经网络的边缘预测方法-CN202211200915.8在审
发明人：陈哲毅;梁杰;黄一帆;陈礼贤 -专利权人：福州大学
申请日： 2022-09-29 - 公布日： 2022-12-23 - 主分类号： G06F9/50 文献下载
摘要：本发明涉及一种基于深度回归循环神经网络的边缘预测方法，包括以下步骤：步骤S1:获取历史边缘负载数据，构建数据集；步骤S2:对数据集进行预处理；步骤S3:将边缘服务器的用户作为协变量；步骤S4:将预处理后的数据集和协变量输入预测模型对未来的边缘负载进行预测；步骤S5:基于边缘负载预测结果，协助边缘计算服务制定资源调度方案。本发明实现了可扩展和有效的工作负载预测，有效提高了云计算中的资源调配效率。
基于深度回归循环神经网络边缘预测方法

[发明专利]无负载转矩观测器的永磁同步电机模型预测速度控制方法-CN202111016592.2有效
发明人：徐艳平;孙彤;严仲乔 -专利权人：西安理工大学
申请日： 2021-08-31 - 公布日： 2023-05-12 - 主分类号： H02P6/34 文献下载
摘要：本发明公开了无负载转矩观测器的永磁同步电动机模型预测速度控制方法，利用后向欧拉离散公式对机械运动方程进行处理，在一个控制周期内将候选电压矢量与速度的预测值联系在一起；利用增量模型预测控制的思想，消除了速度预测模型和交轴电流预测模型中的负载转矩项，因此无需设计负载转矩观测器来获得负载转矩值，无需增加可调参数，降低了控制系统的复杂度；仅在价值函数中增加交轴电流的误差跟踪项即可限制电流。
负载转矩观测器永磁同步电机模型预测速度控制方法

[发明专利]基于深度神经网络的现货系统应用层负载均衡预测方法-CN202111301688.3在审
发明人：裘雨音;黄龙达;庄卫金;杨争林;阙凌燕;金学奇;张静;蒋正威;杨力强;潘加佳;冯树海;徐攀;张鸿;孙鹏;刘晓梅;邵平;薛必克;卢永;丁英杰 -专利权人：中国电力科学研究院有限公司;国网浙江省电力有限公司;国网浙江省电力有限公司湖州供电公司
申请日： 2021-11-04 - 公布日： 2022-03-04 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于深度神经网络的现货系统应用层负载均衡预测方法，首先通过对负载服务器的实时信息进行预测，确定负载服务器的调度优先级；然后根据代理服务器的实时流量信息进行未来流量的变化曲线预测，从而可以准确分析整个现货系统网络的流量吞吐情况；最后利用所预测的负载服务器的调度优先级和未来流量的变化曲线来进行动态的服务器最优负载均衡调度，从而可以保障整个电力现货系统的平台安全、高可靠性以及高可用性。
基于深度神经网络现货系统应用负载均衡预测方法

[发明专利]一种基于深度学习的超短期负荷预测方法及系统-CN202310449828.4在审
发明人：蒋雪冬;李晓波;汪超群;徐晓波;陈懿;王翔;迟长云 -专利权人：浙江浙达能源科技有限公司
申请日： 2023-04-18 - 公布日： 2023-07-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明请求保护一种基于深度学习的超短期负荷预测方法及系统，通过响应于当前预测负载环境中当前预测的预测操作，提取当前预测负载环境的多个历史预测的历史预测负荷以及与多个历史预测对应的目标负荷终端的工作档案信息，目标负荷终端为历史预测中被启动过的负荷终端；根据目标负荷终端的工作档案信息及历史预测负荷，生成与当前预测负载环境对应的分时段特征向量；提取相匹配的多个候选预测负荷；根据分时段特征向量，确认多个候选预测负荷的信任特征向量并从多个候选预测负荷中确认当前预测的信任预测负荷本发明可以充分利用负荷终端的历史运行数据，有效地在此基础上根据特定需求准确预测出对应范围内短期的负荷水平。
一种基于深度学习短期负荷预测方法系统

[发明专利]船舶推进负载的GRU-LSTM融合预测网络及基于其的柴油机推进负载波动补偿系统和补偿方法-CN202310793139.5在审
发明人：邵诗逸;岳凡;常国梅;王亚荣;武治江;郭伟;徐国林 -专利权人：无锡赛思亿电气科技有限公司
申请日： 2023-06-29 - 公布日： 2023-09-19 - 主分类号： H02J3/46 文献下载
摘要：本发明公开了一种船舶推进负载的GRU‑LSTM融合预测网络及基于其的柴油机推进负载波动补偿系统和补偿方法。预测网络通过推进负载GRU和LSTM融合预测网络对推进器负载进行预测，根据预测结果进行电池组冲放电控制，避免根据推进器的实时负载进行电池组冲放电控制导致的滞后性。柴油机推进负载波动补偿系统在海况条件不佳的情况下，推进器的负载呈现出剧烈的波动，通过电池组对柴油机的功率波动进行限制，由电池组承受功率的波动，达到稳定柴油机的功率。当负载超过轴带发电机组的最大输出功率时，电池组可以短时间内提供电力，能够避免发电机组的频繁启停，在日用负载较低的情况下，柴油机轴带发电的产生功率大于总消耗功率时，能够对电池组进行充电。
船舶推进负载 gru lstm 融合预测网络基于柴油机波动补偿系统方法

[发明专利]基于用户移动位置预测的负载均衡切换优化方法及系统-CN202110599153.2有效
发明人：黄妙娜;周清峰 -专利权人：东莞理工学院
申请日： 2021-05-31 - 公布日： 2022-02-18 - 主分类号： H04W4/029 文献下载
摘要：本发明提出一种基于用户移动位置预测的负载均衡切换优化方法及系统，克服了当前方法具有预测不准确的缺陷，本发明针对用户的位置进行移动预测，充分挖掘用户的日常移动轨迹规律，考虑用户的移动轨迹是以一定移动周期变化的，位置轨迹具有周规律性，建立用户位置数据库，进一步利用人工智能技术得到用户移动位置模型，提高用户位置轨迹预测的准确率，估算小区未来的负载增量，并将其作为当前时刻小区负载量的一部分，即软负载，并将小区的软负载量作为当前网络进行负载均衡的衡量指标，将原来反应式的负载均衡变成超前感知、主动式的负载均衡，以实现用户智能化的移动管理，改变传统网络后知后觉式的负载均衡。
基于用户移动位置预测负载均衡切换优化方法系统

[发明专利]面向在线云服务的响应时间分布预测方法-CN201810997628.1在审
发明人：纪梓潼;赵来平;曹悦;李克秋 -专利权人：天津大学
申请日： 2018-08-29 - 公布日： 2019-02-12 - 主分类号： G06F17/50 文献下载
摘要：本发明涉及云计算技术领域，为解决在线云服务真实负载的响应时间分布预测问题，从而对云平台基础设施以及应用的部署提供指导。为此，本发明采取的技术方案是，面向在线云服务的响应时间分布预测方法，结合访问负载预测方法和尾延迟分析方法，实现对在线云服务响应时间分布律的预测，其中，访问负载预测结果座位尾延迟分析的输入参数。
时间分布云服务响应预测负载预测云计算延迟基础设施输入参数真实负载云平台应用分析访问座位部署

[发明专利]基于二维长短期记忆神经网络的超级计算机工作负载预测方法-CN201910442178.4有效
发明人：唐小勇 -专利权人：湖南农业大学
申请日： 2019-05-24 - 公布日： 2023-03-24 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于二维长短期记忆神经网络的超级计算机工作负载预测方法。第一步，建立具有日期与时间二维时间序列特征的超级计算机工作负载xd,t模型；第二步，设计二维长短期记忆神经网络Cell结构；第三步，利用二维长短期记忆神经网络Cell结构和二维工作负载信息进行t时刻步训练；第四步，t时刻步二维LSTM神经网络预测方法预测误差计算；第五步，二维长短期记忆神经网络预测方法误差反向传播阶段中的各参数权重计算；第六步，训练完毕则转步骤七，否则则转步骤三；第七步，利用二维长短期记忆神经网络预测方法进行超级计算机工作负载预测。由于该方法针对超级计算机工作负载特性，因而能有效预测系统工作负载。
基于二维短期记忆神经网络超级计算机工作负载预测方法

[发明专利]一种基于深度学习的服务器负载预测方法-CN202211013582.8在审
发明人：邓水光;陈飞佚;赵海亮 -专利权人：浙江大学中原研究院;浙江大学
申请日： 2022-08-23 - 公布日： 2022-11-22 - 主分类号： H04L67/1008 文献下载
摘要：本发明公开了一种基于深度学习的服务器负载预测方法，通过采集服务器负载长序列趋势性变化，并利用服务器负载周期性信息，建立深度神经网络预测模型以优化峰值负载预测。本发明提供了一种结合周期信息、长期趋势信息和短期时间序列信息以用于提升神经网络预测准确度的方法，并在负载峰值的部分表现出较传统方法的优越性。本发明方法可以有效提升预测准确度，为云服务提供商提供更准确的调度和疏散决策依据，从而降低保证高可靠性所需的冗余设备，降低云服务提供商运营成本，降低云服务租户租赁开销。
一种基于深度学习服务器负载预测方法

[发明专利]一种配电网配变重过载预警方法、装置和设备-CN202310799325.X有效
发明人：李源腾;王海峰;徐达艺;李玲;刘睿;罗宗杰;林海生;阮世栋;戴乔旭;钟俊琛;吴信福;李启养;徐熠林;彭显刚 -专利权人：广东电网有限责任公司湛江供电局
申请日： 2023-07-03 - 公布日： 2023-09-22 - 主分类号： G06Q10/04 文献下载
摘要：本发明包括通过预设目标负载率预测模型生成预测负载率，根据预测负载率计算重过载风险值，进而确定配变重过载的预警结果。其中预设目标负载率预测模型包括图采样聚合层、长短期记忆层、第一全连接层和第二全连接层，图采样聚合层将运行时序数据整合为高维时序数据，并结合长短期记忆层对时序数据的学习优势，提高了在高维特征变量和小样本数据的运行情形下配变重过载预警的准确性；根据预测负载率计算重过载风险值再确定预警结果，避免了直接根据预测负载率区间进行划分预警等级的保守性，进一步提高了配变重过载预警的准确性。
一种配电网配变重过载预警方法装置设备

[发明专利]一种用于补偿控制延时的谐波电流预测方法-CN200710118109.5有效
发明人：谭甜源;姜齐荣;韩英铎 -专利权人：清华大学
申请日： 2007-06-29 - 公布日： 2008-01-09 - 主分类号： H02J3/01 文献下载
摘要：一种用于补偿控制延时的谐波电流预测方法，属于谐波电流补偿技术领域。首先实时测量负载电流的瞬时值并低通滤波，同时用锁相环得到电网电压的相位角；根据电网电压相位角和拟合参数向量预测出当前采样时刻的电流值；依据预测误差调整拟合参数向量；再根据调整后的拟合参数向量、电网电压的相位角和需要补偿的控制延时，预测出t_k+ΔT时刻的负载电流值；最后预测t_k+ΔT时刻需要补偿的谐波电流信号。本方法对电网负载谐波电流的预测具有非常高的预测精度，能够有效地补偿控制延时，从而明显改善其对电网负载谐波电流的补偿效果，同时计算量适中，便于数字化实现。
一种用于补偿控制延时谐波电流预测方法