CN116314973B - 基于大数据的燃料电池低功耗调度运行方法及装置 - Google Patents
基于大数据的燃料电池低功耗调度运行方法及装置 Download PDFInfo
- Publication number
- CN116314973B CN116314973B CN202310594021.XA CN202310594021A CN116314973B CN 116314973 B CN116314973 B CN 116314973B CN 202310594021 A CN202310594021 A CN 202310594021A CN 116314973 B CN116314973 B CN 116314973B
- Authority
- CN
- China
- Prior art keywords
- power consumption
- terminal
- fuel cell
- time
- duration
- 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
- 239000000446 fuel Substances 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000004913 activation Effects 0.000 claims abstract description 48
- 238000004891 communication Methods 0.000 claims description 65
- 230000008859 change Effects 0.000 claims description 21
- 206010062519 Poor quality sleep Diseases 0.000 claims description 10
- 238000004134 energy conservation Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 26
- 230000006870 function Effects 0.000 description 17
- 238000013461 design Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 230000003247 decreasing effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 125000004122 cyclic group Chemical group 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
Abstract
本申请提供一种基于大数据的燃料电池低功耗调度运行方法及装置，用以实现根据状态情况灵活调节燃料电池处于休眠状态的时长，以兼顾节能和适用性。在该方法中，终端获取在第一激活期内的终端的信息，其中，终端的燃料电池在第一激活期内处于工作状态；终端根据终端的信息，预估第一非激活期的时长，其中，燃料电池在第一非激活期处于多种休眠状态中的目标休眠状态，燃料电池在多种休眠状态下被唤醒所需的时长各不相同，燃料电池在目标休眠状态下被唤醒所需的时长与第一非激活期的时长匹配。在第一非激活期开始时，终端控制燃料电池进入目标休眠状态。
Description
技术领域
本申请涉及燃料电池领域，尤其涉及一种基于大数据的燃料电池低功耗调度运行方法及装置。
背景技术
燃料电池是新能源中的一种重要技术，如氢燃料电池，具有高效、节能、环保等特征。但相较于传统能源，燃料氢气的运输和添加不是很方便，导致应用比较受限。在实际应用中，燃料电池大多与传统能源结合，如混动的方式应用到车辆，以兼顾节能和适用性。这种情况下，一种工况是在路况较为复杂的情况下，以燃料电池作为动力来源，即此时的燃料电池处于工作状态，另一种工况是在路况较为简单的情况下，以传统能源作为动力来源，即此时的燃料电池处于休眠状态。
然而，如何协调这两种工况的工作时长以兼顾节能和适用性，是目前研究的热点问题。
发明内容
本申请实施例提供一种基于大数据的燃料电池低功耗调度运行方法及装置，用以实现根据状态情况灵活调节燃料电池处于休眠状态的时长，以兼顾节能和适用性。
为达到上述目的，本申请采用如下技术方案：
第一方面，提供一种基于大数据的燃料电池低功耗调度运行方法，该方法应用于终端，该方法包括：终端获取在第一激活期内的终端的信息，其中，终端的燃料电池在第一激活期内处于工作状态；终端根据终端的信息，预估第一非激活期的时长，其中，燃料电池在第一非激活期处于多种休眠状态中的目标休眠状态，燃料电池在多种休眠状态下被唤醒所需的时长各不相同，燃料电池在目标休眠状态下被唤醒所需的时长与第一非激活期的时长匹配。在第一非激活期开始时，终端控制燃料电池进入目标休眠状态。
基于第一方面所述的方法可知，由于终端的燃料电池在多种休眠状态下被唤醒所需的时长各不相同，因此终端可以根据终端的燃料电池在第一激活期内处于工作状态，预估第一非激活期的时长，并控制燃料电池进入与第一非激活期的时长匹配的目标休眠状态，确保燃料电池能够被及时唤醒，以兼顾节能和适用性。
一种可能的设计方案中，终端的信息为燃料电池在激活期内的功耗信息，终端根据终端的信息，预估第一非激活期的时长，包括：终端通过将功耗信息与大数据功耗模型匹配，预估第一非激活期的时长。
可选地，功耗信息包括M个时刻的第一瞬时功耗，共M个第一瞬时功耗，M为大于1的整数，终端通过将功耗信息与大数据功耗模型匹配，预估第一非激活期的时长，包括：终端从大数据功耗模型中确定与M个第一瞬时功耗的功耗变化趋势匹配的瞬时功耗模型；终端将瞬时功耗模型对应的非激活期的时长，确定为第一非激活期的时长。
进一步的，瞬时功耗模型包括N个时刻的第二瞬时功耗，共N个第二瞬时功耗，N为大于或等于M的整数，N个第二瞬时功耗中包含连续的M个第二瞬时功耗，M个第一瞬时功耗中第i个第一瞬时功耗与第i+1个第一瞬时功耗之间的功耗变化趋势，与M个第二瞬时功耗中第i个第二瞬时功耗与第i+1个第二瞬时功耗之间的功耗变化趋势相同，i为取1至M-1的整数。
另一种可能的设计方案中，终端的信息为终端在第一激活期内与其他终端的通信信息，终端根据终端的信息，预估非激活期的时长，包括：终端通过将通信信息与大数据通信模型匹配，预估非激活期的时长。
可选地，通信信息包括终端在M个时刻复用的第一时频资源集合，共M个第一时频资源集合，M为大于1的整数，终端通过将通信信息与大数据通信模型匹配，预估非激活期的时长，包括：终端从大数据通信模型中确定与M个第一时频资源集合中时频资源数目的变化趋势匹配的通信模型；终端将通信模型对应的非激活期的时长，确定为第一非激活期的时长。
进一步的，通信模型包括终端在N个时刻复用的第二时频资源集合，共N个第二时频资源集合，N为大于或等于M的整数，N个第二时频资源集合中包含连续的M个第二时频资源集合，M个第一时频资源集合中第i个第一时频资源集合与第i+1个第一时频资源集合之间的时频资源数目变化趋势，与M个第二时频资源集合中第i个第二时频资源集合与第i+1个第二时频资源集合之间的时频资源数目变化趋势，i为取1至M-1的整数。
一种可能的设计方案中，多种休眠状态包括如下至少一项：微休眠状态、轻休眠状态、中休眠状态、或深休眠状态。
可选地，燃料电池在微休眠状态下被唤醒所需的时长小于燃料电池在轻休眠状态下被唤醒所需的时长，燃料电池在轻休眠状态下被唤醒所需的时长小于燃料电池在中休眠状态下被唤醒所需的时长，燃料电池在中休眠状态下被唤醒所需的时长小于燃料电池在深休眠状态下被唤醒所需的时长。
第二方面，提供一种基于大数据的燃料电池低功耗调度运行装置，该装置应用于终端，装置包括：收发模块，用于终端获取在激活期内的终端的信息，其中，终端的燃料电池在激活期内处于工作状态；处理模块，用于终端根据终端的信息，预估非激活期的时长，其中，燃料电池在非激活期处于多种休眠状态中的目标休眠状态，燃料电池在多种休眠状态下被唤醒所需的时长各不相同，燃料电池在目标休眠状态下被唤醒所需的时长与非激活期的时长匹配。
一种可能的设计方案中，终端的信息为燃料电池在激活期内的功耗信息。处理模块，还用于终端通过将功耗信息与大数据功耗模型匹配，预估第一非激活期的时长。
可选地，功耗信息包括M个时刻的第一瞬时功耗，共M个第一瞬时功耗，M为大于1的整数。处理模块，还用于终端从大数据功耗模型中确定与M个第一瞬时功耗的功耗变化趋势匹配的瞬时功耗模型；处理模块，还用于终端将瞬时功耗模型对应的非激活期的时长，确定为第一非激活期的时长。
进一步的，瞬时功耗模型包括N个时刻的第二瞬时功耗，共N个第二瞬时功耗，N为大于或等于M的整数，N个第二瞬时功耗中包含连续的M个第二瞬时功耗，M个第一瞬时功耗中第i个第一瞬时功耗与第i+1个第一瞬时功耗之间的功耗变化趋势，与M个第二瞬时功耗中第i个第二瞬时功耗与第i+1个第二瞬时功耗之间的功耗变化趋势相同，i为取1至M-1的整数。
另一种可能的设计方案中，终端的信息为终端在第一激活期内与其他终端的通信信息。处理模块，还用于终端通过将通信信息与大数据通信模型匹配，预估非激活期的时长。
可选地，通信信息包括终端在M个时刻复用的第一时频资源集合，共M个第一时频资源集合，M为大于1的整数。处理模块，还用于终端从大数据通信模型中确定与M个第一时频资源集合中时频资源数目的变化趋势匹配的通信模型；处理模块，还用于终端将通信模型对应的非激活期的时长，确定为第一非激活期的时长。
进一步的，通信模型包括终端在N个时刻复用的第二时频资源集合，共N个第二时频资源集合，N为大于或等于M的整数，N个第二时频资源集合中包含连续的M个第二时频资源集合，M个第一时频资源集合中第i个第一时频资源集合与第i+1个第一时频资源集合之间的时频资源数目变化趋势，与M个第二时频资源集合中第i个第二时频资源集合与第i+1个第二时频资源集合之间的时频资源数目变化趋势，i为取1至M-1的整数。
一种可能的设计方案中，多种休眠状态包括如下至少一项：微休眠状态、轻休眠状态、中休眠状态、或深休眠状态。
可选地，燃料电池在微休眠状态下被唤醒所需的时长小于燃料电池在轻休眠状态下被唤醒所需的时长，燃料电池在轻休眠状态下被唤醒所需的时长小于燃料电池在中休眠状态下被唤醒所需的时长，燃料电池在中休眠状态下被唤醒所需的时长小于燃料电池在深休眠状态下被唤醒所需的时长。
可选地，收发模块可以包括发送模块和接收模块。其中，发送模块用于实现第二方面所述的装置的发送功能，接收模块用于实现第二方面所述的装置的接收功能。
可选地，第二方面所述的装置还可以包括存储模块，该存储模块存储有程序或指令。当该处理模块执行该程序或指令时，使得该装置可以执行第一方面所述的方法。
可以理解的是，第七方面所述的装置可以是终端，也可以是可设置于终端中的芯片（系统）或其他部件或组件，还可以是包含终端的装置，本申请对此不做限定。
此外，第二方面所述的装置的技术效果可以参考第一方面所述的方法的技术效果，此处不再赘述。
第三方面，提供一种计算机可读存储介质，包括：计算机程序或指令；当该计算机程序或指令在计算机上运行时，使得该计算机执行第一方面所述的方法。
第四方面，提供一种计算机程序产品，包括计算机程序或指令，当该计算机程序或指令在计算机上运行时，使得该计算机执行第一方面所述的方法。
附图说明
图1为本申请实施例提供的通信系统的架构示意图；
图2为本申请实施例提供的基于大数据的燃料电池低功耗调度运行方法的流程示意图；
图3为本申请实施例提供的基于大数据的燃料电池低功耗调度运行装置的结构示意图一；
图4为本申请实施例提供的基于大数据的燃料电池低功耗调度运行装置的结构示意图二。
具体实施方式
下面将结合附图，对本申请中的技术方案进行描述。
本申请将围绕可包括多个设备、组件、模块等的系统来呈现各个方面、实施例或特征。应当理解和明白的是，各个系统可以包括另外的设备、组件、模块等，并且/或者可以并不包括结合附图讨论的所有设备、组件、模块等。此外，还可以使用这些方案的组合。
另外，在本申请实施例中，“示例的”、“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用示例的一词旨在以具体方式呈现概念。
本申请实施例中，“信息（information）”，“信号（signal）”，“消息（message）”，“信道（channel）”、“信令（singaling）”有时可以混用，应当指出的是，在不强调其区别时，其所要表达的含义是匹配的。“的（of）”，“相应的（corresponding，relevant）”和“对应的（corresponding）”有时可以混用，应当指出的是，在不强调其区别时，其所要表达的含义是匹配的。此外，本申请提到的“/”可以用于表示“或”的关系。
本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着网络架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
为便于理解本申请实施例，首先以图1中示出的终端为例详细说明适用于本申请实施例的通信系统。
图1为本申请实施例提供的方法所适用的一种通信系统的架构示意图一。如图1所示，该通信系统包括：多个终端。
该通信系统可以应用到车联网，也即，终端可以设置于车辆中，不同的终端用于实现不同车辆之间的通信。
具体的，终端可以为具有收发功能的终端，或为可设置于该终端的芯片或芯片系统。该终端也可以称为用户设备（uesr equipment，UE）、接入终端、用户单元（subscriberunit）、用户站、移动站（mobile station，MS）、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置。本申请的实施例中的终端可以是手机（mobile phone）、蜂窝电话（cellular phone）、智能电话（smart phone）、平板电脑（Pad）、无线数据卡、个人数字助理电脑（personal digital assistant，PDA）、无线调制解调器（modem）、手持设备（handset）、膝上型电脑（laptop computer）、机器类型通信（machinetype communication，MTC）终端、带无线收发功能的电脑、虚拟现实（virtual reality，VR）终端、增强现实（augmented reality，AR）终端、工业控制（industrial control）中的无线终端、无人驾驶（self driving）中的无线终端、远程医疗（remote medical）中的无线终端、智能电网（smart grid）中的无线终端、运输安全（transportation safety）中的无线终端、智慧城市（smart city）中的无线终端、智慧家庭（smart home）中的无线终端、车载终端、具有终端功能的路边单元（road side unit，RSU）等。本申请的终端还可以是作为一个或多个部件或者单元而内置于车辆的车载模块、车载模组、车载部件、车载芯片或者车载单元。或者，终端也可以是客户终端设备（customer-premises equipment，CPE）。
方便理解，下面将结合图2本申请实施例提供的方法进行具体阐述。
示例性的，图2本申请实施例提供的基于大数据的燃料电池低功耗调度运行方法的流程示意图。该方法可以适用于上述通信系统中的终端。
如图2所示，该方法的流程如下：
S201，终端获取在第一激活期内的终端的信息。
其中，终端的燃料电池可以理解为终端所在的车辆的燃料电池，且终端可以用于控制该燃料电池。燃料电池可以周期性处于激活期和非激活期。每个周期都可以包括一个激活期和一个非激活期，由于激活期和非激活期的时长都可以根据实际情况调整，因此周期的时长也是灵活的。在激活期内，燃料电池可以处于工作状态，用以车辆为提供能源，在非激活期内，燃料电池可以处于休眠状态，此时，内燃机工作，为车辆提供能源。
方便理解，本申请实施例以一个周期内的第一激活期和第一非激活期为例进行介绍，其他周期可以参考理解，不再赘述。
终端的信息，或者说终端在第一激活期内的信息可以包括：终端的燃料电池在激活期内的功耗信息，或者终端在第一激活期内与其他终端的通信信息。其中，终端的燃料电池在激活期内的功耗信息可以包括M个时刻的第一瞬时功耗，共M个第一瞬时功耗，M为大于1的整数。终端在第一激活期内与其他终端的通信信息可以包括终端在M个时刻复用的第一时频资源集合，共M个第一时频资源集合。M个第一时频资源集合中的每个第一时频资源集合都可以包括至少一个时频资源，时频资源可以是资源块（RB）。也即，在M个时刻中的每个时刻，终端都可以使用了对应的一个第一时频资源集合所包含的至少一个RB，与其他终端通信。
S202，终端根据终端的信息，预估第一非激活期的时长。
一种可能的设计方案中，终端可以通过将功耗信息与大数据功耗模型匹配，预估第一非激活期的时长。其中，终端可以从大数据功耗模型中确定与M个第一瞬时功耗的功耗变化趋势匹配的瞬时功耗模型。其中，瞬时功耗模型可以包括N个时刻的第二瞬时功耗，共N个第二瞬时功耗，N为大于或等于M的整数，N个第二瞬时功耗中包含连续的M个第二瞬时功耗，M个第一瞬时功耗中第i个第一瞬时功耗与第i+1个第一瞬时功耗之间的功耗变化趋势，与M个第二瞬时功耗中第i个第二瞬时功耗与第i+1个第二瞬时功耗之间的功耗变化趋势相同，i为取1至M-1的整数。
例如，M个时刻为4个时刻，即4个第一瞬时功耗，分别是：第一瞬时功耗#1为500，第一瞬时功耗#2为560，第一瞬时功耗#3为440，第一瞬时功耗#4为400。这4个第一瞬时功耗的变化趋势为：增加→降低→降低。N个时刻为6个时刻，即6个第二瞬时功耗包括：第二瞬时功耗#1为490，第一瞬时功耗#2为400，第二瞬时功耗#3为440，第二瞬时功耗#4为400，第二瞬时功耗#5为390，第二瞬时功耗#6为410。这6个第二瞬时功耗的变化趋势为：降低→增加→降低→降低→增加。即，第一瞬时功耗#1-#4的变化趋势与第二瞬时功耗#2-#5的变化趋势相同。
可以理解，由于M个第二瞬时功耗与M个第一瞬时功耗的变化趋势匹配，表示终端所在的车辆在第一非激活期内的行驶状态与瞬时功耗模型下车辆的行驶状态类似，或者说二者对应的路况相似。因此，终端可以将瞬时功耗模型对应的非激活期的时长，确定为第一非激活期的时长。
另一种可能的设计方案中，终端可以通过将通信信息与大数据通信模型匹配，预估非激活期的时长。其中，终端可以从大数据通信模型中确定与M个第一时频资源集合中时频资源数目的变化趋势匹配的通信模型。其中，通信模型可以包括终端在N个时刻复用的第二时频资源集合，共N个第二时频资源集合，N为大于或等于M的整数，N个第二时频资源集合中包含连续的M个第二时频资源集合，M个第一时频资源集合中第i个第一时频资源集合与第i+1个第一时频资源集合之间的时频资源数目变化趋势，与M个第二时频资源集合中第i个第二时频资源集合与第i+1个第二时频资源集合之间的时频资源数目变化趋势，i为取1至M-1的整数。
例如，M个时刻为4个时刻，即4个第一时频资源集合，分别是：第一时频资源集合#1包括4个RB，第一时频资源集合#2包括6个RB，第一时频资源集合#3包括3个RB，第一时频资源集合#4包括3个RB。这4个第一时频资源集合中时频资源数目的变化趋势为：增加→降低→保持。N个时刻为6个时刻，即6个第二瞬时功耗集合，分别是：第二时频资源集合#1包括6个RB，第二时频资源集合#2包括5个RB，第二时频资源集合#3包括7个RB，第二时频资源集合#4包括4个RB，第二时频资源集合#5包括4个RB，第二时频资源集合#6包括4个RB。这6个第二瞬时功耗集合中时频资源数目的变化趋势为：降低→增加→降低→保持→保持。即，第一时频资源集合#1-#4的变化趋势与第二时频资源集合#2-#5的变化趋势相同。
可以理解，由于M个第一时频资源集合中时频资源数目的变化趋势与M个第二时频资源集合中时频资源数目的变化趋势的变化趋势匹配，表示终端所在的车辆在第一非激活期内的行驶状态与通信模型下车辆的行驶状态类似，或者说二者对应的路况相似。因此，终端将通信模型对应的非激活期的时长，确定为第一非激活期的时长。
还可以理解，通过不同的时频资源集合中时频资源数目变化来确定车辆的行驶状态仅为一种示例，还可以通过神经网络分析终端在一段时间内通信所使用的时频资源的分布来确定确定车辆的行驶状态。例如，时频资源的分布可以是相对集中，相对宽松，相对集中变化为相对宽松，相对宽松变化为相对集中等等，对此不做限定。也就是说，如果路况比较复杂，那么终端的通信量相对较大，通信所使用的时频资源在时域和频域的分布就比较集中，反之，如果路况比较简单，那么终端的通信量相对较小，通信所使用的时频资源在时域和频域的分布就比较分散。此外，在分析时频资源的分布时，还可以将时频资源的分布转换为时频资源的分布图案，并由卷积神经进行处理。
此外，大数据通信模型中的数据还可以是被加密的方式，如采用类型通信中的循环前缀的原理，对数据进行加密。例如，将通信模型中一部分数据作为循环前缀，复制并添加到通信模型的前部或尾部，使得原有的数据结构被隐藏。在匹配时，则去掉循环前缀。
S203，在第一非激活期开始时，终端控制燃料电池进入目标休眠状态。
其中，燃料电池在第一非激活期处于多种休眠状态中的目标休眠状态，燃料电池在目标休眠状态下被唤醒所需的时长与第一非激活期的时长匹配。其中，燃料电池处于休眠状态是指燃料电池的控制器或者控制电路处于休眠状态，即控制器的硬件关闭。休眠状态越深，控制器的硬件关闭的数目越多，被唤醒所需的时长也越长。
例如，燃料电池的休眠状态可以有多种，燃料电池在多种休眠状态下被唤醒所需的时长各不相同。其中，多种休眠状态可以包括如下至少一项：微休眠状态、轻休眠状态、中休眠状态、或深休眠状态。其中，燃料电池在微休眠状态下被唤醒所需的时长小于燃料电池在轻休眠状态下被唤醒所需的时长，燃料电池在轻休眠状态下被唤醒所需的时长小于燃料电池在中休眠状态下被唤醒所需的时长，燃料电池在中休眠状态下被唤醒所需的时长小于燃料电池在深休眠状态下被唤醒所需的时长。
综上，由于终端的燃料电池在多种休眠状态下被唤醒所需的时长各不相同，因此终端可以根据终端的燃料电池在第一激活期内处于工作状态，预估第一非激活期的时长，并控制燃料电池进入与第一非激活期的时长匹配的目标休眠状态，确保燃料电池能够被及时唤醒，以兼顾节能和适用性。
以上结合图2详细说明了本申请实施例提供的基于大数据的燃料电池低功耗调度运行方法。以下结合图3-图4详细说明用于执行本申请实施例提供的基于大数据的燃料电池低功耗调度运行装置。
图3是本申请实施例提供的基于大数据的燃料电池低功耗调度运行装置的结构示意图一。示例性的，如图3所示，基于大数据的燃料电池低功耗调度运行装置300包括：收发模块301和处理模块302。收发模块301，用于执行该装置300的收发功能，处理模块302，用于执行该装置300除收发功能以外的功能。
为了便于说明，图7仅示出了该装置的主要部件。
收发模块301，用于终端获取在激活期内的终端的信息，其中，终端的燃料电池在激活期内处于工作状态；处理模块302，用于终端根据终端的信息，预估非激活期的时长，其中，燃料电池在非激活期处于多种休眠状态中的目标休眠状态，燃料电池在多种休眠状态下被唤醒所需的时长各不相同，燃料电池在目标休眠状态下被唤醒所需的时长与非激活期的时长匹配。
一种可能的设计方案中，终端的信息为燃料电池在激活期内的功耗信息。处理模块302，还用于终端通过将功耗信息与大数据功耗模型匹配，预估第一非激活期的时长。
可选地，功耗信息包括M个时刻的第一瞬时功耗，共M个第一瞬时功耗，M为大于1的整数。处理模块302，还用于终端从大数据功耗模型中确定与M个第一瞬时功耗的功耗变化趋势匹配的瞬时功耗模型；处理模块302，还用于终端将瞬时功耗模型对应的非激活期的时长，确定为第一非激活期的时长。
进一步的，瞬时功耗模型包括N个时刻的第二瞬时功耗，共N个第二瞬时功耗，N为大于或等于M的整数，N个第二瞬时功耗中包含连续的M个第二瞬时功耗，M个第一瞬时功耗中第i个第一瞬时功耗与第i+1个第一瞬时功耗之间的功耗变化趋势，与M个第二瞬时功耗中第i个第二瞬时功耗与第i+1个第二瞬时功耗之间的功耗变化趋势相同，i为取1至M-1的整数。
另一种可能的设计方案中，终端的信息为终端在第一激活期内与其他终端的通信信息。处理模块302，还用于终端通过将通信信息与大数据通信模型匹配，预估非激活期的时长。
可选地，通信信息包括终端在M个时刻复用的第一时频资源集合，共M个第一时频资源集合，M为大于1的整数。处理模块302，还用于终端从大数据通信模型中确定与M个第一时频资源集合中时频资源数目的变化趋势匹配的通信模型；处理模块302，还用于终端将通信模型对应的非激活期的时长，确定为第一非激活期的时长。
进一步的，通信模型包括终端在N个时刻复用的第二时频资源集合，共N个第二时频资源集合，N为大于或等于M的整数，N个第二时频资源集合中包含连续的M个第二时频资源集合，M个第一时频资源集合中第i个第一时频资源集合与第i+1个第一时频资源集合之间的时频资源数目变化趋势，与M个第二时频资源集合中第i个第二时频资源集合与第i+1个第二时频资源集合之间的时频资源数目变化趋势，i为取1至M-1的整数。
一种可能的设计方案中，多种休眠状态包括如下至少一项：微休眠状态、轻休眠状态、中休眠状态、或深休眠状态。
可选地，燃料电池在微休眠状态下被唤醒所需的时长小于燃料电池在轻休眠状态下被唤醒所需的时长，燃料电池在轻休眠状态下被唤醒所需的时长小于燃料电池在中休眠状态下被唤醒所需的时长，燃料电池在中休眠状态下被唤醒所需的时长小于燃料电池在深休眠状态下被唤醒所需的时长。
可选地，收发模块301可以包括发送模块（图3中未示出）和接收模块（图3中未示出）。其中，发送模块用于实现装置300的发送功能，接收模块用于实现装置300的接收功能。
可选地，装置300还可以包括存储模块（图3中未示出），该存储模块存储有程序或指令。当该处理模块302执行该程序或指令时，使得该装置300可以执行上述图2的方法。
可以理解，装置300可以是终端，也可以是可设置于终端中的芯片（系统）或其他部件或组件，还可以是包含针对的装置，本申请对此不做限定。
此外，装置300的技术效果可以参考图2所示的方法的技术效果，此处不再赘述。
图4为本申请实施例提供的基于大数据的燃料电池低功耗调度运行装置的结构示意图二。示例性地，该基于大数据的燃料电池低功耗调度运行装置可以是终端，也可以是可设置于终端的芯片（系统）或其他部件或组件。如图4所示，基于大数据的燃料电池低功耗调度运行装置400可以包括处理器401。可选地，基于大数据的燃料电池低功耗调度运行装置400还可以包括存储器402和/或收发器403。其中，处理器401与存储器402和收发器403耦合，如可以通过通信总线连接。此外，基于大数据的燃料电池低功耗调度运行装置400也可以是芯片，如包括处理器401，此时，收发器可以是芯片的输出输入接口。
下面结合图4对基于大数据的燃料电池低功耗调度运行装置400的各个构成部件进行具体的介绍：
其中，处理器401是基于大数据的燃料电池低功耗调度运行装置400的控制中心，可以是一个处理器，也可以是多个处理元件的统称。例如，处理器401是一个或多个中央处理器（central processing unit，CPU），也可以是特定集成电路（application specificintegrated circuit，ASIC），或者是被配置成实施本申请实施例的一个或多个集成电路，例如：一个或多个微处理器（digital signal processor，DSP），或，一个或者多个现场可编程门阵列（field programmable gate array，FPGA）。
可选地，处理器401可以通过运行或执行存储在存储器402内的软件程序，以及调用存储在存储器402内的数据，执行基于大数据的燃料电池低功耗调度运行装置400的各种功能，例如执行上述图2所示的方法。
在具体的实现中，作为一种实施例，处理器401可以包括一个或多个CPU，例如图4中所示出的CPU0和CPU1。
在具体实现中，作为一种实施例，基于大数据的燃料电池低功耗调度运行装置400也可以包括多个处理器，例如图4中所示的处理器401和处理器401。这些处理器中的每一个可以是一个单核处理器（single-CPU），也可以是一个多核处理器（multi-CPU）。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据（例如计算机程序或指令）的处理核。
其中，所述存储器402用于存储执行本申请方案的软件程序，并由处理器401来控制执行，具体实现方式可以参考上述方法实施例，此处不再赘述。
可选地，存储器402可以是只读存储器（read-only memory，ROM）或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器（random access memory，RAM）或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器（electrically erasable programmable read-only memory，EEPROM）、只读光盘（compactdisc read-only memory，CD-ROM）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器402可以和处理器401集成在一起，也可以独立存在，并通过基于大数据的燃料电池低功耗调度运行装置400的接口电路（图4中未示出）与处理器401耦合，本申请实施例对此不作具体限定。
收发器403，用于与其他基于大数据的燃料电池低功耗调度运行装置之间的通信。例如，基于大数据的燃料电池低功耗调度运行装置400为终端，收发器403可以用于与网络设备通信，或者与另一个终端设备通信。又例如，基于大数据的燃料电池低功耗调度运行装置400为网络设备，收发器403可以用于与终端通信，或者与另一个网络设备通信。
可选地，收发器403可以包括接收器和发送器（图4中未单独示出）。其中，接收器用于实现接收功能，发送器用于实现发送功能。
可选地，收发器403可以和处理器401集成在一起，也可以独立存在，并通过基于大数据的燃料电池低功耗调度运行装置400的接口电路（图4中未示出）与处理器401耦合，本申请实施例对此不作具体限定。
可以理解的是，图4中示出的基于大数据的燃料电池低功耗调度运行装置400的结构并不构成对该基于大数据的燃料电池低功耗调度运行装置的限定，实际的基于大数据的燃料电池低功耗调度运行装置可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
此外，基于大数据的燃料电池低功耗调度运行装置400的技术效果可以参考上述方法实施例所述的方法的技术效果，此处不再赘述。
应理解，在本申请实施例中的处理器可以是中央处理单元（central processingunit，CPU），该处理器还可以是其他通用处理器、数字信号处理器（digital signalprocessor，DSP）、专用集成电路（application specific integrated circuit，ASIC）、现成可编程门阵列（field programmable gate array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器（read-only memory，ROM）、可编程只读存储器（programmable ROM，PROM）、可擦除可编程只读存储器（erasable PROM，EPROM）、电可擦除可编程只读存储器（electrically EPROM，EEPROM）或闪存。易失性存储器可以是随机存取存储器（random access memory，RAM），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器（random accessmemory，RAM）可用，例如静态随机存取存储器（static RAM，SRAM）、动态随机存取存储器（DRAM）、同步动态随机存取存储器（synchronous DRAM，SDRAM）、双倍数据速率同步动态随机存取存储器（double data rate SDRAM，DDR SDRAM）、增强型同步动态随机存取存储器（enhanced SDRAM，ESDRAM）、同步连接动态随机存取存储器（synchlink DRAM，SLDRAM）和直接内存总线随机存取存储器（direct rambus RAM，DR RAM）。
上述实施例，可以全部或部分地通过软件、硬件（如电路）、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机程序或指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机程序或指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质。半导体介质可以是固态硬盘。
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a,b,或c中的至少一项（个），可以表示：a, b, c, a-b, a-c, b-c, 或a-b-c，其中a,b,c可以是单个，也可以是多个。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种基于大数据的燃料电池低功耗调度运行方法，其特征在于，应用于终端，所述方法包括：
所述终端获取在第一激活期内的所述终端的信息，其中，所述终端的燃料电池在所述第一激活期内处于工作状态；
所述终端根据所述终端的信息，预估第一非激活期的时长，其中，所述燃料电池在所述第一非激活期处于多种休眠状态中的目标休眠状态，所述燃料电池在所述多种休眠状态下被唤醒所需的时长各不相同，所述燃料电池在所述目标休眠状态下被唤醒所需的时长与所述第一非激活期的时长匹配；
在所述第一非激活期开始时，所述终端控制所述燃料电池进入所述目标休眠状态；
其中，所述终端的信息为所述燃料电池在所述激活期内的功耗信息，所述终端根据所述终端的信息，预估第一非激活期的时长，包括：
所述终端通过将所述功耗信息与大数据功耗模型匹配，预估所述第一非激活期的时长；
所述功耗信息包括M个时刻的第一瞬时功耗，共M个第一瞬时功耗，M为大于1的整数，所述终端通过将所述功耗信息与大数据功耗模型匹配，预估所述第一非激活期的时长，包括：
所述终端从所述大数据功耗模型中确定与所述M个第一瞬时功耗的功耗变化趋势匹配的瞬时功耗模型；
所述终端将所述瞬时功耗模型对应的非激活期的时长，确定为所述第一非激活期的时长。
2.根据权利要求1所述的方法，其特征在于，所述瞬时功耗模型包括N个时刻的第二瞬时功耗，共N个第二瞬时功耗，N为大于或等于M的整数，所述N个第二瞬时功耗中包含连续的M个第二瞬时功耗，所述M个第一瞬时功耗中第i个第一瞬时功耗与第i+1个第一瞬时功耗之间的功耗变化趋势，与所述M个第二瞬时功耗中第i个第二瞬时功耗与第i+1个第二瞬时功耗之间的功耗变化趋势相同，i为取1至M-1的整数。
3.一种基于大数据的燃料电池低功耗调度运行方法，其特征在于，应用于终端，所述方法包括：
所述终端获取在第一激活期内的所述终端的信息，其中，所述终端的燃料电池在所述第一激活期内处于工作状态；
所述终端根据所述终端的信息，预估第一非激活期的时长，其中，所述燃料电池在所述第一非激活期处于多种休眠状态中的目标休眠状态，所述燃料电池在所述多种休眠状态下被唤醒所需的时长各不相同，所述燃料电池在所述目标休眠状态下被唤醒所需的时长与所述第一非激活期的时长匹配；
在所述第一非激活期开始时，所述终端控制所述燃料电池进入所述目标休眠状态；
其中，所述终端的信息为所述终端在所述第一激活期内与其他终端的通信信息，所述终端根据所述终端的信息，预估非激活期的时长，包括：
所述终端通过将所述通信信息与大数据通信模型匹配，预估所述非激活期的时长；
所述通信信息包括所述终端在M个时刻复用的第一时频资源集合，共M个第一时频资源集合，M为大于1的整数，所述终端通过将所述通信信息与大数据通信模型匹配，预估所述非激活期的时长，包括：
所述终端从所述大数据通信模型中确定与所述M个第一时频资源集合中时频资源数目的变化趋势匹配的通信模型；
所述终端将所述通信模型对应的非激活期的时长，确定为所述第一非激活期的时长。
4.根据权利要求3所述的方法，其特征在于，所述通信模型包括所述终端在N个时刻复用的第二时频资源集合，共N个第二时频资源集合，N为大于或等于M的整数，所述N个第二时频资源集合中包含连续的M个第二时频资源集合，所述M个第一时频资源集合中第i个第一时频资源集合与第i+1个第一时频资源集合之间的时频资源数目变化趋势，与所述M个第二时频资源集合中第i个第二时频资源集合与第i+1个第二时频资源集合之间的时频资源数目变化趋势，i为取1至M-1的整数。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述多种休眠状态包括如下至少一项：微休眠状态、轻休眠状态、中休眠状态、或深休眠状态；
其中，所述燃料电池在所述微休眠状态下被唤醒所需的时长小于所述燃料电池在所述轻休眠状态下被唤醒所需的时长，所述燃料电池在所述轻休眠状态下被唤醒所需的时长小于所述燃料电池在所述中休眠状态下被唤醒所需的时长，所述燃料电池在所述中休眠状态下被唤醒所需的时长小于所述燃料电池在所述深休眠状态下被唤醒所需的时长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310594021.XA CN116314973B (zh) | 2023-05-25 | 2023-05-25 | 基于大数据的燃料电池低功耗调度运行方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310594021.XA CN116314973B (zh) | 2023-05-25 | 2023-05-25 | 基于大数据的燃料电池低功耗调度运行方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116314973A CN116314973A (zh) | 2023-06-23 |
| CN116314973B true CN116314973B (zh) | 2023-08-08 |
Family
ID=86818951
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310594021.XA Active CN116314973B (zh) | 2023-05-25 | 2023-05-25 | 基于大数据的燃料电池低功耗调度运行方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116314973B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013207899A (ja) * | 2012-03-28 | 2013-10-07 | Sanyo Electric Co Ltd | 電池制御装置 |
| DE102019215812A1 (de) * | 2019-10-15 | 2019-11-28 | Vitesco Technologies GmbH | Batteriemanagementvorrichtung für ein Batteriesystem, Batteriesystem, Verfahren zum Betreiben einer Batteriemanagementvorrichtung |
| CN111674346A (zh) * | 2020-05-26 | 2020-09-18 | 长城汽车股份有限公司 | 蓄电池充电方法及系统、车辆 |
| CN112042044A (zh) * | 2018-03-26 | 2020-12-04 | 古河电气工业株式会社 | 蓄电系统、传感器模块、及蓄电系统的控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11070077B2 (en) * | 2018-05-03 | 2021-07-20 | Calamp Corp. | Hibernate control circuits for battery power switching |
-
2023
- 2023-05-25 CN CN202310594021.XA patent/CN116314973B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013207899A (ja) * | 2012-03-28 | 2013-10-07 | Sanyo Electric Co Ltd | 電池制御装置 |
| CN112042044A (zh) * | 2018-03-26 | 2020-12-04 | 古河电气工业株式会社 | 蓄电系统、传感器模块、及蓄电系统的控制方法 |
| DE102019215812A1 (de) * | 2019-10-15 | 2019-11-28 | Vitesco Technologies GmbH | Batteriemanagementvorrichtung für ein Batteriesystem, Batteriesystem, Verfahren zum Betreiben einer Batteriemanagementvorrichtung |
| CN111674346A (zh) * | 2020-05-26 | 2020-09-18 | 长城汽车股份有限公司 | 蓄电池充电方法及系统、车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116314973A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tong et al. | Application-aware traffic scheduling for workload offloading in mobile clouds | |
| JP7053883B2 (ja) | 物理下りリンク制御チャネルのモニタリング方法、ユーザ機器及びネットワーク側機器 | |
| CN103118188A (zh) | 应用心跳周期调整方法及装置、终端 | |
| EP3137965A1 (en) | Cpu/gpu dcvs co-optimization for reducing power consumption in graphics frame processing | |
| CN113400957B (zh) | 增程式车辆的自启动充电方法、装置、电子设备和介质 | |
| US11815973B2 (en) | Data receiving and transmitting method and apparatus, computer device, and storage medium | |
| CN112492564B (zh) | 系统切换方法和装置、电子设备、可读存储介质 | |
| Ramazanali et al. | Performance evaluation of LTE/LTE-a DRX: A Markovian approach | |
| KR20130094711A (ko) | Ｍｔｃ 네트워크 환경에서 ｍｔｃ 디바이스들을 관리하는 방법 및 장치 | |
| CN111512673B (zh) | 一种网络节点的唤醒方法及设备 | |
| WO2014110402A1 (en) | Systems and methods for device-to-cloud message delivery | |
| CN116314973B (zh) | 基于大数据的燃料电池低功耗调度运行方法及装置 | |
| CN112954021B (zh) | 基于多设备数据的唤醒调节处理方法及装置 | |
| Ibrahim | Enhanced power management scheme for embedded road side units | |
| Dai et al. | An adaptive energy management strategy for simultaneous long life and high wake‐up success rate of wireless sensor network nodes | |
| CN112615726A (zh) | 一种唤醒时间可变的低功耗处理方法及装置 | |
| US11191018B2 (en) | Control method of beacon receiving time and station using the method | |
| US20230337135A1 (en) | Methods and apparatus for low power wake-up signal waveform design and multiplexing with new radio waveform | |
| CN113207160B (zh) | 终端唤醒方法、装置、计算机设备和存储介质 | |
| CN114143864B (zh) | 通信方法及装置 | |
| Lin et al. | Efficient consensus and elastic resource allocation empowered blockchain for vehicular networks | |
| Guo et al. | Parameter analysis and optimization of polling-based medium access control protocol for multi-sensor communication | |
| CN115685843A (zh) | 局部网络管理分组方法及装置、电子设备、存储介质 | |
| CN113672075A (zh) | 外围管理组件、相关装置和方法 | |
| Al‐Sulaifanie et al. | Hybrid access and adaptive duty cycle clustering protocol for ultra‐low power wireless sensor networks |
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 |