孔政敏
- 作品数：54 被引量：155H指数：8
- 供职机构：武汉大学更多>>
- 发文基金：国家自然科学基金湖北省自然科学基金中国博士后科学基金更多>>
- 相关领域：电气工程自动化与计算机技术电子电信机械工程更多>>
- MOOC模式在我国教育信息化建设中的应用前景探究被引量：4
- 2014年
- 在线教育被MOOC重新焕发出生机,而MOOC的风生水起无疑将使中国教育领域发生巨大而深刻的变革。本文针对我国教育信息化建设中的难题提出问题,分析了MOOC模式的主要特性,探究MOOC模式发展及其在我国教育信息化建设中的应用前景。
- 孔政敏徐媛丁李
- 关键词：教育信息化建设
- 一种基于气象指数的加权LS-SVM的电力系统短期负荷预测方法
- 本发明公开了一种基于气象指数的加权LS‑SVM的电力系统短期负荷预测方法，包括以下步骤:S1、获取原始数据的样本；S2、根据原始数据计算气象综合指数；S3、对日期类型数据和气象综合指数进行数据预处理；S4、根据得到的无量...
- 孔政敏吕何付卓林刘晓帆陈培垠
- 文献传递
- 中继辅助的干扰信道中总体MSE最小化的安全波束成形被引量：1
- 2019年
- 针对中继辅助的干扰信道中的通信安全问题,提出了一种基于均方误差的物理层安全编码,最大化窃听者与合法用户估计目标信号的均方误差之差。建立了中继辅助的干扰信道网络的窃听模型,并将物理层安全编码策略用最优化问题描述。将非凸的最优化问题变化为三个子凸优化问题,使其可以利用梯度下降法求解,并利用迭代算法,联合求解发射机、中继和收发机的最优编码矩阵。仿真实验表明,该算法能有效提高系统的安全性能。
- 黄博阳方彦军孔政敏
- 关键词：干扰信道物理层安全协同中继均方误差
- 一种基于合成数据的半监督全景X光片目标检测方法
- 本发明公开了一种基于合成数据的半监督全景X光片目标检测方法。首先，获取全景X光片数据集，训练可控的合成模型，生成类别均衡的样本；其次，获取全景X光片数据集和诊断标注，训练目标检测诊断的有监督模型；然后，获取合成样本的弱标...
- 孔政敏欧阳晖丁李周玉生
- 基于物联网技术的电能智能计量分层协作系统研究
- 2020年
- 提出了一种物联网构架下由感知层、网络层和应用层构成的电能智能计量分层协作体系。感知层采用UHF RFID和传感技术获取电能信息;网络层构建了一套异构网融合方案,实现不同网络协议的转换,并将计量信息实时可靠地传输给应用层主站系统;应用层提出基于k-means聚类算法的主站海量数据挖掘技术,研究了ORM技术将数据对象持久化到数据库,实现异构数据的集成。该物联网构架下的电能智能计量分层协作体系解决了传统电能计量的低效问题,实现了电能计量的现代化和智能化。
- 方彦军韩玲肖勇孔政敏
- 关键词：物联网智能电网RFID无线传感器网
- 基于卷积矩形窗的电子式互感器测量算法
- 2014年
- 针对电子式互感器测量算法中的频谱泄露现象和栅栏效应,提出了一种基于卷积矩形窗的离散傅里叶变换(CRW-DFT)算法作为测量算法以提高电子式互感器测量精度,利用矩形窗的卷积运算构造了卷积窗函数,并完成了谐波幅值、相位计算公式的推导和分析.对基于卷积矩形窗的CRW-DFT算法进行MATLAB仿真实验,结果表明卷积窗在整数倍频率附近的谱泄漏效应均低于同宽度的其他现有窗函数,表明该算法能够有效减小频谱泄漏和栅栏效应对测量结果的影响,当其用于具有较小同步误差的谐波分析时,非同步采样引起的测量误差将最小,能够有效地提高电子式互感器测量的精确度.
- 陈锐民谭磊孔政敏方彦军
- 关键词：电子式互感器傅里叶变换
- 一种基于动态神经网络的超短期电力负荷预测方法
- 本发明涉及机器学习中的时间序列预测技术，具体涉及一种基于动态神经网络的超短期电力负荷预测方法，对原始负荷数据进行数据预处理，修正缺失值和异常值，整理为多个批量大小，并进行归一化操作；将预处理的数据传入CNN模块进行局部特...
- 孔政敏李悦柳硕易仕琪
- 含光伏系统的配电网无功优化方法、装置、存储介质及设备
- 本申请公开了一种含光伏系统的配电网无功优化方法、装置、存储介质及电子设备，该方法包括：建立含光伏系统的配电网的无功优化模型；基于改进的粒子群优化算法对所述含光伏系统的配电网的无功优化模型进行求解；其中，所述改进的粒子群优...
- 丁李向鹏州孔政敏
- 一种基于负荷预测的用户侧储能装置管理控制系统及方法
- 本发明涉及储能装置控制技术，具体涉及一种基于负荷预测的用户侧储能装置管理控制系统及方法，该方法包括：在家庭入户配电箱处安装带负荷预测功能的采集装置，利用采集装置采集数据并进行信息传输；采集装置采集入户处电压、电流数据，提...
- 孔政敏李贻涛丁李虎珀琛易仕琪
- 基于混合优化随机森林回归的短期电力负荷预测被引量：19
- 2020年
- 针对传统预测模型存在的泛化误差大和局部最优等缺点,提出一种基于混合优化随机森林回归(RFR)的短期负荷预测模型。首先,基于数据标准化方法对多维负荷特征进行预处理,消除特征数值间差异;然后,利用贪心下降法过滤对RFR模型训练性能指标影响较小的参数,研究交叉验证与网格搜索混合算法以缩小参数搜索范围;最后,采用果蝇优化算法对RFR模型进行2次优化,获取具有最优参数的混合优化RFR预测模型。实际算例表明,所提出模型的短期负荷预测精度和预测性能显著优于人工神经网络、支持向量回归和常规RFR预测模型。
- 吕何孔政敏张成刚
- 关键词：电力负荷
