“网络负荷”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994530个，建议您升级VIP下载更多相关专利

[发明专利]基于深度混合学习模型的短期电力负荷预测方法及装置-CN202211531587.X在审
发明人：彭勃;龚贤夫;李耀东;徐蔚;郑敏嘉;林海生;张姣;廖晖;黄玉萍 -专利权人：广东电网有限责任公司
申请日： 2022-12-01 - 公布日： 2023-04-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于深度混合学习模型的短期电力负荷预测方法及装置，所述方法包括：获取关于电力负荷的特征数据集，并构建包含多层神经单元的CNN‑BiLSTM网络；采用所述特征数据集对所述CNN‑BiLSTM网络进行预测训练，得到预测训练模型；利用鲸鱼优化算法对所述预测训练模型的迭代优化，得到优化模型；根据所述优化模型预测短期内的电力负荷，得到电力预测结果。本发明可以预先构建包含CNN网络和BiLSTM网络的深度混合学习模型，以及获取电力负荷的特征数据，采用特征数据对深度混合学习模型进行预测训练，并利用鲸鱼优化算法对模型进行预测优化得到电力负荷预测结果，通过结合CNN网络能提升模型对数据的深度挖掘能力，进而提高预测的精度，降低预测的误差。
基于深度混合学习模型短期电力负荷预测方法装置

[发明专利]基于相空间重构和改进RBF神经网络的电力负荷预测方法-CN202310536507.8在审
发明人：杨芳;王大满 -专利权人：三峡物资招标管理有限公司
申请日： 2023-05-12 - 公布日： 2023-08-29 - 主分类号： H02J3/00 文献下载
摘要：本发明提供一种基于相空间重构和改进RBF神经网络的电力负荷预测方法，包括如下步骤：步骤一、获取电力负荷时间序列数据，对数据进行归一化处理，确定电力负荷时间序列相空间重构参数；步骤二、混沌特性判定，判定电力负荷数据是否具备混沌特性；步骤三、对具备混沌特性的数据进行相空间重构；步骤四、对引力搜索算法进行改进，通过改进引力搜索算法优化RBF神经网络的模型结构；步骤五、利用优化后的RBF神经网络对经过相空间重构的时间序列进行预测。该预测方法结合相空间重构理论和和改进的引力搜索算法对RBF神经网络进行优化，优化后的RBF神经网络对电力负荷进行短期预测，具备更优的预测能力。
基于相空间改进 rbf 神经网络电力负荷预测方法

[发明专利]一种实现网络负载均衡的方法及装置-CN201710119974.5有效
发明人：黄庆;张龙;江天明;邓伟 -专利权人：中国移动通信有限公司研究院;中国移动通信集团公司
申请日： 2017-03-02 - 公布日： 2021-11-09 - 主分类号： H04W28/08 文献下载
摘要：本发明提供一种实现网络负载均衡的方法及装置，涉及通信技术领域，用以提高无线资源的利用率。本发明的实现网络负载均衡的方法包括：获取源小区的负荷；将所述源小区的负荷和预设门限进行比较，获得一判断结果；若所述判断结果表示所述源小区的负荷大于所述预设门限，则获取所述源小区的网络覆盖方式；若所述网络覆盖方式表示所述源小区为单层网覆盖区域，则利用同频移动性负载均衡MLB功能调整所述源小区的负荷；若所述网络覆盖方式表示所述源小区为多层网覆盖区域，则利用负载均衡LB功能与移动性负载均衡MLB功能，协同调整所述源小区的负荷。
一种实现网络负载均衡方法装置

[发明专利]通信费用预测设备、通信设备、通信系统以及收费方法-CN201210010327.8有效
发明人：水泽锦 -专利权人：索尼公司
申请日： 2012-01-13 - 公布日： 2012-07-25 - 主分类号： H04W4/26 文献下载
摘要：该通信费用预测设备包括：通信单元；网络负荷信息管理单元，通过通信单元来采集和保存每个基站的网络负荷信息；用户行为历史管理单元，采集和保存数据通信终端的位置信息；以及费用预测单元，估算数据通信终端的随后移动路径，估算在数据通信终端经过估算出的移动路径上的基站时的网络负荷状态，以及预测与在当前时刻数据通信终端被位置注册到的基站的网络负荷状态相对应的通信费用以及与估算出的移动路径上的基站的网络负荷状态相对应的通信费用
通信费用预测设备系统以及收费方法

[发明专利]一种基于神经网络的配电变压器负荷分层预测方法及装置-CN202011395244.6有效
发明人：曹华珍;唐俊熙;高崇;吴亚雄;许志恒;陈沛东;王天霖;张俊潇;程苒;黄烨;何璇;李浩;李阳;李耀东;刘瑞宽;张道路 -专利权人：广东电网有限责任公司;广东电网有限责任公司电网规划研究中心
申请日： 2020-12-03 - 公布日： 2021-09-03 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例涉及一种基于神经网络的配电变压器负荷分层预测方法及装置，包括数据获取处理、样本分类、建立BP神经网络模型、数据选择及归一化处理、建立CNN神经网络模型和输出预测结果这六个步骤，通过前4年的历史负荷数据和配电变压器的属性信息数据构建的BP神经网络模型和CNN神经网络模型将直接的负荷预测解构成趋势预测与数值预测，便于在不同的信息获取程度之下，可以根据数据质量以及信息丰富程度，提高趋势判断精度或数值判断精度，解决了现有对配电变压器的负荷预测方法因供电区域小、用电负荷波动大导致预测结果不准确的技术问题。
一种基于神经网络配电变压器负荷分层预测方法装置

[发明专利]网络各部分之间通过一中间网络传送信息帧的方法-CN02127142.9无效
发明人：罗尔·D·贝克尔;彼德·B·布什巴奇;P·赫尔绍夫;马藤·P·J·维塞尔斯 -专利权人：朗迅科技公司
申请日： 2002-07-25 - 公布日： 2003-03-05 - 主分类号： H04L12/28 文献下载
摘要：描述了一种方法，用于把包含标题和有效负荷信息的帧中信息，从第一网络经第三网络传送至第二网络。该第一和第二网络是共同管理的，但独立于第三网络的管理。网络节点为从该节点送出的每帧产生相应的标题，且把进入的帧的有效负荷，完全复制至送出的各帧。在越过第一和第三网络间的第一边界时，只有标题的第一部分，被复制进有效负荷，使第三网络中缩减了长度的标题，能装进本应由该第二部分标题占用的空间，该第二部分标题没有被复制进第一子网络中的有效负荷内。在越过第三和第二网络间的第二边界时，从该有效负荷检索该标题，并用之产生第二网络中的标题信息。
网络各部分之间通过中间传送信息方法

[发明专利]一种基于FAF-LSTM深度神经网络的居民负荷预测方法及系统-CN202010132440.8在审
发明人：夏飞;柴闵康;张传林;龚春阳 -专利权人：上海电力大学
申请日： 2020-02-29 - 公布日： 2020-06-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于FAF‑LSTM深度神经网络的居民负荷预测方法及系统，包括，构建基于融合激活函数的LSTM深度神经网络；对构建的LSTM深度神经网络进行训练；输出训练后的LSTM深度神经网络；采集待测负荷数据；将待测数据输入训练后的LSTM深度神经网络进行预测；LSTM深度神经网络输出预测结果。本发明的有益效果：通过对LSTM人工神经网络深度学习预测模型进行改进，提高了电力负荷预测的准确性，且更能够满足工程应用的要求。
一种基于 faf lstm 深度神经网络居民负荷预测方法系统

[发明专利]一种自组织拓扑的光通信网络系统及其拓扑自组织方法-CN201811136076.1有效
发明人：李敏;孙正来;许振飞;邵明锋;刘同旭;王宇彦;何海涛;沈卫兵;朱明星;张友;易飞;年安君;张梅;马曙光;姜晓涛;王洁;徐晓明;胡倩倩;夏欢;柯望 -专利权人：国网安徽省电力有限公司蚌埠供电公司
申请日： 2018-09-28 - 公布日： 2021-08-27 - 主分类号： H04L12/751 文献下载
摘要：本发明提出一种自组织拓扑的光通信网络系统及其拓扑自组织方法，根据通信负荷量确定网络拓扑调整涉及的节点范围，按照节点布局以及所有可选择的激光传输路径组织传导网络，并且通过虚拟迭代，推演节点的路径变化对通信负荷的调节系数及其影响，实现网络拓扑与实际通信负荷的最优化匹配，改善网络整体的通信效率。以及，在原有的网络拓扑中的光通信路径因故发生中断的情况下，以快速恢复通信为原则建立起新的网络拓扑。
一种组织拓扑光通信网络系统及其方法

[发明专利]网络切片性能测量方法和装置-CN202110313307.7在审
发明人：赵嵩;牛煜霞 -专利权人：中国电信股份有限公司
申请日： 2021-03-24 - 公布日： 2022-09-30 - 主分类号： H04W28/02 文献下载
摘要：本公开提出一种网络切片性能测量方法和装置，涉及移动通信领域。本公开通过确定URLLC网络切片的负荷信息，并基于URLLC网络切片的负荷信息与端到端时延信息的比例信息，确定URLLC网络切片的性能，使得URLLC网络切片性能测量更加准确。
网络切片性能测量方法装置

[发明专利]一种无线网络的负荷识别方法、装置及存储介质-CN202111570309.0在审
发明人：陈谱滟;霍山松 -专利权人：中国电信股份有限公司
申请日： 2021-12-21 - 公布日： 2022-04-26 - 主分类号： H04W24/08 文献下载
摘要：本申请涉及通信技术领域，尤其涉及一种无线网络的负荷识别方法、装置及存储介质，用于以提升网络负荷识别效率、以及降低网络维护的人力成本。该方法包括：确定第一小区和第二小区为同覆盖小区；其中，所述同覆盖小区为无线网络信号覆盖范围满足预设条件的小区；基于所述第一小区和所述第二小区的频段信息以及所述频段信息对应的负荷指标，确定所述第一小区和所述第二小区的负荷是否均衡
一种无线网络负荷识别方法装置存储介质

[发明专利]一种基于模糊决策的神经网络模型电力系统负荷预测方法-CN201510889622.9在审
发明人：李锐;李波;陆振威;王国梁;蒋伟毅;华寅飞 -专利权人：江苏省电力公司检修分公司;国家电网公司
申请日： 2015-12-07 - 公布日： 2016-06-01 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于模糊决策的神经网络模型电力系统负荷预测方法，其特征是，包括以下步骤,基于模糊决策的神经网络模型，得到所有历史负荷样本的隶属度μ_i，做出历史样本隶属度变化曲线；剔出隶属度μ_i小的历史样本数据，经过处理，基本消除了包含遗漏数据和突变很大数据的样本；数据预处理后，通过选择适当的神经网络模型，在电力负荷的历史数据基础上找出其中的变化规律，建立电力负荷神经网络预测模型；本发明所述一种基于模糊决策的神经网络模型电力系统负荷预测方法结合模糊决策和神经网络的优势，使其在收敛精度和收敛速度上都有所提高，减少对初值的依赖，以此来提高预测的准确性。
一种基于模糊决策神经网络模型电力系统负荷预测方法

[发明专利]一种基于神经网络进行电力系统负荷预测的方法和装置-CN201811113689.3在审
发明人：宋英豪 -专利权人：新智数字科技有限公司
申请日： 2018-09-25 - 公布日： 2018-11-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于神经网络进行电力系统负荷预测的方法，该方法包括：S1：根据周期性负荷数据构造训练集；S2：根据负荷数据之间的依赖关系构造局部连接的神经网络；S3：将步骤S1中构造的训练集输入到步骤S2中构造的局部连接的神经网络，训练局部连接的神经网络的参数，得到预测模型。还公开了一种基于神经网络进行电力系统负荷预测的装置，该装置包括：构造样本模块、构造网络模块和训练模型模块。本发明中不仅考虑了局部依赖性，并且考虑了共享权值的影响，局部依赖不共享权值，从而使各依赖关系的权值不同局部连接的权重之间互不相关，从而能够有效提高负荷预测的准确性。
神经网络局部连接电力系统负荷预测依赖关系训练集训练模型模块方法和装置周期性负荷负荷数据负荷预测构造网络数据构造样本模块预测模型共享权重

[发明专利]基于KPCA与改进神经网络结合的短期负荷预测方法-CN201710780654.4在审
发明人：孔建寿;孙新程;谭迪;乔飞;陈炜;刘钊 -专利权人：南京理工大学
申请日： 2017-09-01 - 公布日： 2019-03-05 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于KPCA与改进神经网络结合的短期负荷预测方法。该方法包括如下步骤：(1)分析、选取影响负荷的主要因素和历史数据，初步构成神经网络样本集；(2)利用核主成分分析算法对输入神经网络样本集进行降维解耦；(3)将降维解耦后的神经网络样本集，作为改进神经网络模型的输入量并进行训练得到预测模型；(4)将预测样本输入已经训练好的预测模型中；(5)对预测模型的输出值进行修正，作为短期负荷预测值。本发明通过核主成分分析与改进神经网络结合的模型对电力系统进行短期负荷预测，简化了模型结构加快了收敛效率；通过对输出值修正，降低了模型输出的偶然误差，提高了负荷预测的精度。
神经网络短期负荷预测预测模型样本集核主成分分析降维解耦输出改进神经网络模型输入神经网络修正电力系统负荷预测历史数据模型结构样本输入影响负荷输入量算法收敛预测分析

[发明专利]信息收发方法、装置及存储介质-CN201910310051.7在审
发明人：鲜柯;杨森;王亮 -专利权人：成都鼎桥通信技术有限公司
申请日： 2019-04-17 - 公布日： 2020-10-27 - 主分类号： H04L12/801 文献下载
摘要：本发明提供一种信息收发方法、装置及存储介质，其中，该方法包括：获取用于连接分布式发电系统的窄带物联网的网络负荷，进一步，根据网络负荷以及第一预设规则，确定目标管理控制信息，其中，该目标管理控制信息包括遥信信息本发明例提供的方法，通过设置四遥信息在不同网络负荷下的优先级，根据窄带物联网的网络负荷实时调整目标管理控制信息，使得四遥信息的发送能够与当前网络负荷相匹配，从而降低网络拥塞出现的概率。
信息收发方法装置存储介质

[发明专利]一种基于生成对抗网络的电力负荷数据生成方法-CN202210222820.X在审
发明人：王聪;胡春华;杨桐;周求湛 -专利权人：盐城市湛安智感科技有限公司
申请日： 2022-03-09 - 公布日： 2022-06-24 - 主分类号： G06F30/27 文献下载
摘要：一种基于生成对抗网络的电力负荷数据生成方法，通过搭建生成对抗网络模型，并将电力负荷数据作为模型的输入样本，在模型经过充足的训练之后，可以得到与输入样本真假难辨的生成数据，生成模型的输入数据为噪声数据，输出为生成数据使用生成对抗网络模型方法进行负荷数据生成，通过实验验证了该方法在保留原始数据样本时空规律特性等方面的能力，证明了生成对抗网络方法在生成负荷数据方面的可行性，能够大量生成符合要求的负荷数据，同时相比于传统场景建模方法，生成对抗网络能更好地体现无监督神经网络的优越性，可降低人为因素影响、减少训练时间、降低成本。
一种基于生成对抗网络电力负荷数据方法