找到 2 条结果
一种用于最大化无人机辅助移动边缘计算中计算速率的动态优化框架
A Dynamic Optimization Framework for Computation Rate Maximization in UAV-Assisted Mobile Edge Computing
Yang Chen · Dechang Pi · Shengxiang Yang · Yue Xu 等6人 · IEEE Transactions on Vehicular Technology · 2025年3月
移动边缘计算（MEC）显著提升了物联网（IoT）设备的计算能力并降低了其能耗，是云计算的重要补充。将无人机（UAV）应用于MEC系统可有效缓解偏远地区通信设施不足或损坏的问题，进一步拓展MEC的应用范围。本文针对动态环境下的无人机辅助无线供能MEC系统提出了一个系统模型，目标是最大化用户设备的计算速率。由于动态环境下优化目标的复杂性，我们提出了一种基于群体智能的优化框架，并配备应对环境变化的机制，旨在增强静态和动态环境下的种群多样性，以克服过早收敛问题。我们将粒子群优化算法和和声搜索算法集成到所...
解读: 从阳光电源的业务视角来看，这项无人机辅助移动边缘计算（UAV-MEC）技术为分布式新能源系统的智能化管理提供了创新思路。当前，阳光电源在光伏电站、储能系统及综合能源解决方案中面临着偏远地区通信基础设施不足、实时数据处理能力受限等挑战，该技术恰好针对这些痛点提供了解决方案。 该论文提出的动态优化框架...
一种用于锂离子电池退化轨迹预测的合成数据生成方法及进化型Transformer模型
A synthetic data generation method and evolutionary transformer model for degradation trajectory prediction in lithium-ion batteries
Haiyan Jin · Rui Ru · Lei Cai · Jinhao Meng 等7人 · Applied Energy · 2025年1月 · Vol.377
摘要 在锂离子电池使用的早期阶段识别其长期退化行为，对于电池管理系统（BMS）在实际应用中有效维护电池至关重要。然而，由于电池在生产和运行条件方面存在差异，该过程面临较大挑战。近年来，已有研究经验证明，数据驱动方法在处理退化预测问题上具有良好的应用前景。然而，合适数据的缺乏仍是影响预测最终性能的主要障碍。此外，预测结果还受到预测器设置的影响，包括神经网络结构及其超参数的设定。实现该过程自动化的挑战至今仍未得到解决。在本研究中，我们提出了一种新颖的退化轨迹预测框架。首先，通过条件生成对抗网络（CG...
解读: 该锂电池退化预测技术对阳光电源储能系统具有重要价值。通过CGAN合成数据和Transformer模型可显著提升ST系列PCS及PowerTitan储能系统中BMS的预测精度,解决早期退化识别难题。自动化超参数优化框架可集成至iSolarCloud平台,实现储能电站电池全生命周期健康管理和预测性维护,...