CN113794371B - 直流对直流转换方法及装置 - Google Patents
直流对直流转换方法及装置 Download PDFInfo
- Publication number
- CN113794371B CN113794371B CN202111089916.5A CN202111089916A CN113794371B CN 113794371 B CN113794371 B CN 113794371B CN 202111089916 A CN202111089916 A CN 202111089916A CN 113794371 B CN113794371 B CN 113794371B
- Authority
- CN
- China
- Prior art keywords
- value
- practical
- direct current
- power
- characteristic diagram
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M3/00—Conversion of dc power input into dc power output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Dc-Dc Converters (AREA)
Abstract
本申请涉及直流对直流领域,具体地公开了一种直流对直流转换方法及装置,其中,所述直流对直流转换方法基于多个后端设备的运行功率值和前端的输入电压值确定前端与后端之间的电压转化比率。根据获取的数据关联属性,可以确定在实际运行过程中各个后端设备之间的运行功率随时间动态改变情况,从而能够实现对输入输出电压转换比率的实时动态调整。
Description
技术领域
本发明涉及智能电网领域,且更为具体地,涉及一种直流对直流转换方法及装置。
背景技术
直流-直流(DC/DC)变换是将固定的直流电压变换成可变的直流电压,也称为直流斩波。斩波器的工作方式有两种,一是脉宽调制方式Ts不变,改变ton(通用),二是频率调制。目前的直流电压包括48V,24V,12V,5V等多种电压。随着直流对直流转换装置的进步,已经不局限于固定的输入电压和输出电压,而是可以灵活地设置电压转换比率。
但是,现有的技术方案中,电压转换比率基本是依靠人工设置,这既增加了人工成本,又不能灵活应对不同的应用场景。
因此需要提供一种能够自动调整电压转换比率的直流对直流转换装置。
发明内容
相应地,为了解决上述技术问题:本申请发明人尝试利用人工智能技术来基于多个后端设备的运行功率值和前端的输入电压值确定前端与后端之间的电压转化比率。这样,基于前端和后端的情况自动且智能地调整电压转化比率,以使得最终确定的电压转化比率更符合实际场景的电压转化需求。
具体地,本申请一方面提供一种直流对直流转换方法,包括:
进行身份验证以确定是否为合法操作;
当为合法操作时,获取多个预定间隔的时间点上的多个后端设备的运行功率值,所述多个预定间隔的时间点包含当前时间点;
判断所述运行功率值是否符合预设的数据格式;
当所述运行功率值符合预设的数据格式时,将所述运行功率值以时间点、设备标识为维度构造出运行功率矩阵;
将所述运行功率矩阵输入卷积神经网络以获得功率特征图;
获取前端数据,并对所述前端数据进行解析;
从所述前端数据中提取出前端的输入电压值并将所述输入电压值进行编码以获得编码电压特征值;
获取所述功率特征图中各个特征值对应的实用值;
结合所述编码电压特征值和所述实用值,得到实用值特征图;
按照预设规则,计算所述实用值特征图中各个实用值对应的实用分数;
根据所述实用分数,获得实用分数特征图;
将所述实用分数特征图解码,获得前端和后端之间的电压转化率。
优选地,所述进行身份验证以确定是否为合法操作的步骤之前,还包括:
对所述直流对直流转换装置进行检查,以确定其是否正常;
获取检查结果;
若所述直流对直流转换装置正常,则对所述直流对直流转换装置进行充电,使所述直流对直流转换装置开始直流转换工作;
若所述直流对直流转换装置出现故障,则将故障信息发送至维修人员。
优选地,所述对所述直流对直流转换装置进行检查,以确定其是否正常的步骤中的检查内容包括:
输入电压是否在预设的正常范围、线路中是否有短路。
优选地,所述方法还包括:
以时间为第一维度,根据所述运行功率值获得对应于每个所述后端设备的数据向量;以及,
以所述后端设备的标识为第二维度,将所述数据向量排列为所述运行功率矩阵。
优选地,所述将所述运行功率矩阵输入卷积神经网络以获得功率特征图中,所述卷积神经网络以如下公式对所述运行功率矩阵进行处理以获得所述功率特征图;
其中,所述公式为:fi=1/1+exp(-x);
其中,x=Ni*fi-1+Bi,exp(-x)表示e的-x次方。
其中,fi-1为第i层卷积神经网络的输入,fi为第i层卷积神经网络的输出,Ni为第i层卷积神经网络的卷积核,且Bi为第i层卷积神经网络的偏置向量,其中,所述功率特征图中各个位置的特征值通过上述公式被转化到0到1的区间内。
优选地,所述卷积神经网络的最后一层的激活函数为ReLU函数或者sigmoid激活函数,以使得所述功率特征图中各个位置的特征值被转化到0到1的区间内。
优选地,其中,所述卷积神经网络包括多个全连接层。
本申请的另一方面,提供一种直流对直流转换装置,包括:
身份验证模块,用于进行身份验证以确定是否为合法操作;
后端运行功率值获取模块,用于当为合法操作时,获取多个预定间隔的时间点上的多个后端设备的运行功率值,所述多个预定间隔的时间点包含当前时间点;
判断模块,用于判断所述运行功率值是否符合预设的数据格式;
功率矩阵构造模块,用于用于当所述运行功率值符合预设的数据格式时,将所述运行功率值以时间点、设备标识为维度构造出运行功率矩阵;
功率特征图构造模块,用于将所述运行功率矩阵输入卷积神经网络以获得功率特征图;
前端编码电压特征值生成模块,用于获取前端数据,并对所述前端数据进行解析;以及,从所述前端数据中提取出前端的输入电压值并将所述输入电压值进行编码以获得编码电压特征值;;
实用值获取模块,用于获取所述功率特征图中各个特征值对应的实用值,并结合所述编码电压特征值和所述实用值,得到实用值特征图;;
实用分数获取模块,用于按照预设规则,计算所述实用值特征图中各个实用值对应的实用分数,并根据所述实用分数,获得实用分数特征图;以及
解码模块,用于将所述实用分数特征图解码,获得前端和后端之间的电压转化率。
本申请的第三方面,提供一种直流对直流转换装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
进行身份验证以确定是否为合法操作;
当为合法操作时,获取多个预定间隔的时间点上的多个后端设备的运行功率值,所述多个预定间隔的时间点包含当前时间点;
判断所述运行功率值是否符合预设的数据格式;
当所述运行功率值符合预设的数据格式时,将所述运行功率值以时间点、设备标识为维度构造出运行功率矩阵;
将所述运行功率矩阵输入卷积神经网络以获得功率特征图;
获取前端数据,并对所述前端数据进行解析;
从所述前端数据中提取出前端的输入电压值并将所述输入电压值进行编码以获得编码电压特征值;
获取所述功率特征图中各个特征值对应的实用值;
结合所述编码电压特征值和所述实用值,得到实用值特征图;
按照预设规则,计算所述实用值特征图中各个实用值对应的实用分数;
根据所述实用分数,获得实用分数特征图;
将所述实用分数特征图解码,获得前端和后端之间的电压转化率。
本申请的第四方面,提供一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现上述的方法。
基于此技术方案,可取得如下技术效果:
根据获取的数据关联属性,可以确定在实际运行过程中各个后端设备之间的运行功率随时间动态改变情况,从而能够实现对输入输出电压转换比率的实时动态调整。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1为根据本申请实施例的直流对直流转换方法的流程图。
图2为根据本申请实施例的直流对直流转换装置的框图。
具体实施方式
下面,将参考附图详细地描述根据本申请的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
方法实施例
图1为根据本申请实施例的直流对直流转换方法的流程图。如图1所示,根据本申请实施例的直流对直流转换方法,包括:S100,进行身份验证以确定是否为合法操作;S102,当为合法操作时,获取多个预定间隔的时间点上的多个后端设备的运行功率值,所述多个预定间隔的时间点包含当前时间点;S104,判断所述运行功率值是否符合预设的数据格式;S106,当所述运行功率值符合预设的数据格式时,将所述运行功率值以时间点、设备标识为维度构造出运行功率矩阵;S108,将所述运行功率矩阵输入卷积神经网络以获得功率特征图;S110,获取前端数据,并对所述前端数据进行解析;S112,从所述前端数据中提取出前端的输入电压值并将所述输入电压值进行编码以获得编码电压特征值;S114,获取所述功率特征图中各个特征值对应的实用值;S116,结合所述编码电压特征值和所述实用值,得到实用值特征图;S118,按照预设规则,计算所述实用值特征图中各个实用值对应的实用分数;S120,根据所述实用分数,获得实用分数特征图;S122,将所述实用分数特征图解码,获得前端和后端之间的电压转化率。
在本实施例中,首先,对数据获取角色进行身份验证以确定是否为合法操作,避免数据被非法使用或者资源被非法占用;身份验证方式可以是基于共享密钥的身份验证、基于生物学特征的身份验证和基于公开密钥加密算法的身份验证中的一种或几种。
当为合法操作时,相应地,在所述直流对直流转换装置的运行中,首先获取包含当前时间点在内的多个预定间隔的时间点上的多个装置后端设备的运行功率值。在本申请的实施方式中,前端与后端之间的电压转化率同时取决于前端装置所提供的输入电压值和各个后端设备的运行功率值,而实际应用中,后端设备不但数量多而且种类多,其运行功率值的计算复杂,在本方案的实施中十分重要。
可以理解的是,所述预定间隔可基于实际需要来设置,本发明的实施方式对此不作限制。
其次,判断所述运行功率值是否符合预设的数据格式,当所述运行功率值符合预设的数据格式时,将所述运行功率值以时间点、设备标识为维度构造出运行功率矩阵。
接着,将所述运行功率矩阵输入到卷积神经网络中以从所述运行功率矩阵中提取出功率特征图。
然后,获取前端数据,并对所述前端数据进行解析;从所述前端数据中提取出前端的输入电压值并将所述输入电压值进行编码以获得编码电压特征值。
再接着,获取所述功率特征图中各个特征值对应的实用值,并结合所述编码电压特征值和所述实用值,得到实用值特征图。
具体地,在本申请实施例中,可以通过如下公式获得所述实用值以获得所述实用值特征图;
其中,所述公式为:Hi,j,k=a*g-b(g-li,j,k)2,其中,Hi,j,k表示所述实用值特征图中各个位置的实用值,g表示所述编码电压特征值、li,j,k表示所述功率特征图中各个位置的特征值,其中,参数a和b作为超参数与神经网络模型一起训练。
再然后,按照预设规则,计算所述实用值特征图中各个实用值对应的实用分数,根据所述实用分数,获得实用分数特征图。具体地,可以如下公式计算所述实用分数,以获得实用分数特征图;
其中,所述公式为:Wi,j,k=exp(li,j,k)/∑i,j,kHi,j,k,Hi,j,k表示所述实用值特征图中各个位置的实用值。
最后,将所述实用分数特征图解码,获得前端和后端之间的电压转化率。具体是将所述实用分数特征图通过解码将所述实用分数特征图回归为单个数值用以表示前端和后端之间的电压转化比率。
通过本申请的直流对直流转换方法的实施,可以取得如下技术效果:
根据获取的数据关联属性,可以确定在实际运行过程中各个后端设备之间的运行功率随时间动态改变情况,从而能够实现对输入输出电压转换比率的实时动态调整。
在本申请的一个实施例中,为了进一步保证设备的运行安全及数据的可靠性,在所述进行身份验证以确定是否为合法操作的步骤之前,还包括:对所述直流对直流转换装置进行检查,以确定其是否正常;获取检查结果;若所述直流对直流转换装置正常,则对所述直流对直流转换装置进行充电,使所述直流对直流转换装置开始直流转换工作;若所述直流对直流转换装置出现故障,则将故障信息发送至维修人员。
在本申请的一个实施例中,可以理解的是,所述对所述直流对直流转换装置进行检查,以确定其是否正常的步骤中的检查内容包括:输入电压是否在预设的正常范围、线路中是否有短路。当然检查内容也可以包括其他保证设备正常运转的检查内容,本申请在此不再赘述。
在本申请的一个实施例中,在上述直流对直流转换方法中还包括:以时间为第一维度,根据所述运行功率值获得对应于每个所述后端设备的数据向量;以及,以所述后端设备的标识为第二维度,将所述数据向量排列为所述运行功率矩阵。
在本申请的一个实施例中,在上述直流对直流转换方法中,所述卷积神经网络以如下公式对所述运行功率矩阵进行处理以获得所述功率特征图;其中,所述公式为:fi=1/1+exp(-x),其中,x=Ni*fi-1+Bi,exp(-x)表示e的-x次方;其中,fi-1为第i层卷积神经网络的输入,fi为第i层卷积神经网络的输出,Ni为第i层卷积神经网络的卷积核,且Bi为第i层卷积神经网络的偏置向量;其中,所述功率特征图中各个位置的特征值通过上述公式被转化到0到1的区间内。
在本申请的一个实施例中,在上述直流对直流转换方法中,所述卷积神经网络的最后一层的激活函数为ReLU函数或者sigmoid激活函数,以使得所述功率特征图中各个位置的特征值被转化到0到1的区间内。
在本申请的一个实施例中,在上述直流对直流转换方法中,所述卷积神经网络包括多个全连接层。
装置实施例
图2为根据本申请实施例的直流对直流转换装置的框图。如图2所示,根据本申请实施例的直流对直流转换装置200,包括:身份验证模块201、后端运行功率值获取模块202、判断模块203、功率矩阵构造模块204、功率特征图构造模块205、前端编码电压特征值生成模块206、实用值获取模块207、实用分数获取模块208和解码模块209,其中,身份验证模块201,用于进行身份验证以确定是否为合法操作;后端运行功率值获取模块202,用于当为合法操作时,获取多个预定间隔的时间点上的多个后端设备的运行功率值,所述多个预定间隔的时间点包含当前时间点;判断模块203,用于判断所述运行功率值是否符合预设的数据格式;功率矩阵构造模块204,用于用于当所述运行功率值符合预设的数据格式时,将所述运行功率值以时间点、设备标识为维度构造出运行功率矩阵;功率特征图构造模块205,用于将所述运行功率矩阵输入卷积神经网络以获得功率特征图;前端编码电压特征值生成模块206,用于获取前端数据,并对所述前端数据进行解析;以及,从所述前端数据中提取出前端的输入电压值并将所述输入电压值进行编码以获得编码电压特征值;实用值获取模块207,用于获取所述功率特征图中各个特征值对应的实用值,并结合所述编码电压特征值和所述实用值,得到实用值特征图;实用分数获取模块208,用于按照预设规则,计算所述实用值特征图中各个实用值对应的实用分数,并根据所述实用分数,获得实用分数特征图;以及解码模块209,用于将所述实用分数特征图解码,获得前端和后端之间的电压转化率。
在本申请的一个实施例中,所述直流对直流转换装置可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在本申请的一个实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器,上述指令可由所述直流对直流转换装置的处理器执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
Claims (10)
1.一种直流对直流转换方法,其特征在于,包括:
进行身份验证以确定是否为合法操作;
当为合法操作时,获取多个预定间隔的时间点上的多个后端设备的运行功率值,所述多个预定间隔的时间点包含当前时间点;
判断所述运行功率值是否符合预设的数据格式;
当所述运行功率值符合预设的数据格式时,将所述运行功率值以时间点、设备标识为维度构造出运行功率矩阵;
将所述运行功率矩阵输入卷积神经网络以获得功率特征图;
获取前端数据,并对所述前端数据进行解析;
从所述前端数据中提取出前端的输入电压值并将所述输入电压值进行编码以获得编码电压特征值;
获取所述功率特征图中各个特征值对应的实用值;
结合所述编码电压特征值和所述实用值,得到实用值特征图,具体是:通过如下公式获得所述实用值以获得所述实用值特征图;
其中,所述公式为:Hi,j,k=a*g-b(g-li,j,k)2,其中,Hi,j,k表示所述实用值特征图中各个位置的所述实用值,g表示所述编码电压特征值、li,j,k表示所述功率特征图中各个特征值,其中,参数a和b作为超参数与所述卷积神经网络模型一起训练;
按照预设规则,计算所述实用值特征图中各个实用值对应的实用分数;
根据所述实用分数,获得实用分数特征图,具体是:按如下公式计算所述实用分数,以获得实用分数特征图;
公式为:Wi,j,k=exp(li,j,k)/∑i,j,kHi,j,k;
将所述实用分数特征图解码,获得前端和后端之间的电压转化率。
2.根据权利要求1所述的直流对直流转换方法,其特征在于,所述进行身份验证以确定是否为合法操作的步骤之前,还包括:
对直流对直流转换装置进行检查,以确定其是否正常;
获取检查结果;
若所述直流对直流转换装置正常,则对所述直流对直流转换装置进行充电,使所述直流对直流转换装置开始直流转换工作;
若所述直流对直流转换装置出现故障,则将故障信息发送至维修人员。
3.根据权利要求2所述的直流对直流转换方法,其特征在于,所述对所述直流对直流转换装置进行检查,以确定其是否正常的步骤中的检查内容包括:
输入电压是否在预设的正常范围、线路中是否有短路。
4.根据权利要求1所述的直流对直流转换方法,其特征在于,所述方法还包括:
以时间为第一维度,根据所述运行功率值获得对应于每个所述后端设备的数据向量;以及,
以所述后端设备的标识为第二维度,将所述数据向量排列为所述运行功率矩阵。
5.根据权利要求4所述的直流对直流转换方法,其特征在于,所述将所述运行功率矩阵输入卷积神经网络以获得功率特征图中,所述卷积神经网络以如下公式对所述运行功率矩阵进行处理以获得所述功率特征图;
其中,所述公式为:
fi=1/(1+exp(-x)),其中,x=Ni*fi-1+Bi,exp(-x)表示e的-x次方;
其中,fi-1为第i层卷积神经网络的输入,fi为第i层卷积神经网络的输出,Ni为第i层卷积神经网络的卷积核,且Bi为第i层卷积神经网络的偏置向量。
6.根据权利要求4所述的直流对直流转换方法,其特征在于,所述卷积神经网络的最后一层的激活函数为ReLU函数或者sigmoid激活函数。
7.根据权利要求1所述的直流对直流转换方法,其特征在于,其中,所述卷积神经网络包括多个全连接层。
8.一种直流对直流转换装置,其特征在于,包括:
身份验证模块,用于进行身份验证以确定是否为合法操作;
后端运行功率值获取模块,用于当为合法操作时,获取多个预定间隔的时间点上的多个后端设备的运行功率值,所述多个预定间隔的时间点包含当前时间点;
判断模块,用于判断所述运行功率值是否符合预设的数据格式;
功率矩阵构造模块,用于用于当所述运行功率值符合预设的数据格式时,将所述运行功率值以时间点、设备标识为维度构造出运行功率矩阵;
功率特征图构造模块,用于将所述运行功率矩阵输入卷积神经网络以获得功率特征图;
前端编码电压特征值生成模块,用于获取前端数据,并对所述前端数据进行解析;以及,从所述前端数据中提取出前端的输入电压值并将所述输入电压值进行编码以获得编码电压特征值;
实用值获取模块,用于获取所述功率特征图中各个特征值对应的实用值,并结合所述编码电压特征值和所述实用值,得到实用值特征图,具体是:通过如下公式获得所述实用值以获得所述实用值特征图;
其中,所述公式为:Hi,j,k=a*g-b(g-li,j,k)2,其中,Hi,j,k表示所述实用值特征图中各个位置的所述实用值,g表示所述编码电压特征值、li,j,k表示所述功率特征图中各个特征值,其中,参数a和b作为超参数与所述卷积神经网络模型一起训练;
实用分数获取模块,用于按照预设规则,计算所述实用值特征图中各个实用值对应的实用分数,并根据所述实用分数,获得实用分数特征图,具体是:按如下公式计算所述实用分数,以获得实用分数特征图;
公式为:Wi,j,k=exp(li,j,k)/∑i,j,kHi,j,k;以及
解码模块,用于将所述实用分数特征图解码,获得前端和后端之间的电压转化率。
9.一种直流对直流转换装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
进行身份验证以确定是否为合法操作;
当为合法操作时,获取多个预定间隔的时间点上的多个后端设备的运行功率值,所述多个预定间隔的时间点包含当前时间点;
判断所述运行功率值是否符合预设的数据格式;
当所述运行功率值符合预设的数据格式时,将所述运行功率值以时间点、设备标识为维度构造出运行功率矩阵;
将所述运行功率矩阵输入卷积神经网络以获得功率特征图;
获取前端数据,并对所述前端数据进行解析;
从所述前端数据中提取出前端的输入电压值并将所述输入电压值进行编码以获得编码电压特征值;
获取所述功率特征图中各个特征值对应的实用值;
结合所述编码电压特征值和所述实用值,得到实用值特征图,具体是:通过如下公式获得所述实用值以获得所述实用值特征图;
其中,所述公式为:Hi,j,k=a*g-b(g-li,j,k)2,其中,Hi,j,k表示所述实用值特征图中各个位置的所述实用值,g表示所述编码电压特征值、li,j,k表示所述功率特征图中各个特征值,其中,参数a和b作为超参数与所述卷积神经网络模型一起训练;
按照预设规则,计算所述实用值特征图中各个实用值对应的实用分数;
根据所述实用分数,获得实用分数特征图,具体是:按如下公式计算所述实用分数,以获得实用分数特征图;
公式为:Wi,j,k=exp(li,j,k)/∑i,j,kHi,j,k;
将所述实用分数特征图解码,获得前端和后端之间的电压转化率。
10.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111089916.5A CN113794371B (zh) | 2021-09-17 | 2021-09-17 | 直流对直流转换方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111089916.5A CN113794371B (zh) | 2021-09-17 | 2021-09-17 | 直流对直流转换方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113794371A CN113794371A (zh) | 2021-12-14 |
CN113794371B true CN113794371B (zh) | 2023-06-30 |
Family
ID=79183776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111089916.5A Active CN113794371B (zh) | 2021-09-17 | 2021-09-17 | 直流对直流转换方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113794371B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105870910A (zh) * | 2016-04-28 | 2016-08-17 | 华北电力大学 | 一种用于并联式多端直流输电系统控制模式的转换方法 |
CN111600309A (zh) * | 2019-02-21 | 2020-08-28 | 国网陕西省电力公司 | 电压控制方法、装置、设备、计算机设备和存储介质 |
CN111740594A (zh) * | 2019-03-25 | 2020-10-02 | 半导体元件工业有限责任公司 | 电源系统和使用总体能量转换效率控制多个功率级的方法 |
KR102193264B1 (ko) * | 2020-08-12 | 2020-12-22 | 주식회사 스카이칩스 | 지능화된 제어기를 가진 직류-직류 변환기 |
CN112803527A (zh) * | 2021-01-06 | 2021-05-14 | 江苏骥驰聚能汽车科技有限公司 | 基于经验函数和大数据的汽车锂电池充电动态保护系统 |
CN113128130A (zh) * | 2021-05-13 | 2021-07-16 | 浙江大学 | 一种判断直流配电系统稳定性的实时监测方法及装置 |
-
2021
- 2021-09-17 CN CN202111089916.5A patent/CN113794371B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105870910A (zh) * | 2016-04-28 | 2016-08-17 | 华北电力大学 | 一种用于并联式多端直流输电系统控制模式的转换方法 |
CN111600309A (zh) * | 2019-02-21 | 2020-08-28 | 国网陕西省电力公司 | 电压控制方法、装置、设备、计算机设备和存储介质 |
CN111740594A (zh) * | 2019-03-25 | 2020-10-02 | 半导体元件工业有限责任公司 | 电源系统和使用总体能量转换效率控制多个功率级的方法 |
KR102193264B1 (ko) * | 2020-08-12 | 2020-12-22 | 주식회사 스카이칩스 | 지능화된 제어기를 가진 직류-직류 변환기 |
CN112803527A (zh) * | 2021-01-06 | 2021-05-14 | 江苏骥驰聚能汽车科技有限公司 | 基于经验函数和大数据的汽车锂电池充电动态保护系统 |
CN113128130A (zh) * | 2021-05-13 | 2021-07-16 | 浙江大学 | 一种判断直流配电系统稳定性的实时监测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113794371A (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112287986B (zh) | 一种图像处理方法、装置、设备及可读存储介质 | |
CN113853624A (zh) | 电力负荷数据的预测方法、装置及存储介质 | |
CN105930402A (zh) | 基于卷积神经网络的视频检索方法及系统 | |
CN109871845B (zh) | 证件图像提取方法及终端设备 | |
CN110991380A (zh) | 人体属性识别方法、装置、电子设备以及存储介质 | |
US20220122351A1 (en) | Sequence recognition method and apparatus, electronic device, and storage medium | |
Agrawal et al. | Survey on image segmentation techniques and color models | |
US20180137409A1 (en) | Method of constructing an artifical intelligence super deep layer learning model, device, mobile terminal, and software program of the same | |
CN113076922B (zh) | 一种物体检测方法及装置 | |
CN114970560A (zh) | 对话意图识别方法、装置、存储介质和智能设备 | |
Kansal et al. | New adaptive histogram equalisation heuristic approach for contrast enhancement | |
CN108897899A (zh) | 一种对视频流的目标区域的定位方法及其装置 | |
CN113794371B (zh) | 直流对直流转换方法及装置 | |
CN113361567B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
Kruspe | One-way prototypical networks | |
CN117234455B (zh) | 基于环境感知的音频装置智能控制方法及系统 | |
KR100734857B1 (ko) | 누적 합 기반의 변화점 분석을 이용한 홍채 인식 방법 및그 장치 | |
CN116609671A (zh) | 电池容量预测方法、装置、设备及存储介质 | |
CN111222558A (zh) | 图像处理方法及存储介质 | |
CN113298102B (zh) | 一种目标分类模型的训练方法及装置 | |
CN114038030A (zh) | 图像篡改识别方法、设备及计算机存储介质 | |
CN114418767A (zh) | 一种交易意图识别方法及装置 | |
CN111316326A (zh) | 图像编码方法、设备及计算机可读存储介质 | |
CN112487853A (zh) | 一种字迹比对方法、系统、电子设备及存储介质 | |
Li et al. | TDCC: top‐down semantic aggregation for colour constancy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |