针对当前互联网中存在的2个亟待解决的问题:OTT(over the top)流量占用大量网络带宽以及信息高度冗余,提出了一种具有差异化服务能力的未来网络体系架构——服务定制网络(SCN,service customized networking)。SCN基于软件定义网络设计...针对当前互联网中存在的2个亟待解决的问题:OTT(over the top)流量占用大量网络带宽以及信息高度冗余,提出了一种具有差异化服务能力的未来网络体系架构——服务定制网络(SCN,service customized networking)。SCN基于软件定义网络设计,继承了其数据控制分离以及网络可编程的主要特点,并针对当前互联网中的问题,增加了网络虚拟化能力以及内容智能调度能力。通过构建具有不同等级服务能力的虚拟网络,SCN可以避免OTT业务大量占用带宽。同时,通过信息资源智能有序调度,SCN可以消减信息冗余。在小规模真实网络平台上进行的实验结果表明,SCN确实具备为不同用户提供差异化服务能力以及有效减少信息冗余的能力。展开更多
针对大量变压器数据的冗余性与非结构化、半结构化、结构化特性,提出一种基于变压器特性数据聚类的长短期记忆(long short term memory,LSTM)网络模型预测方法。首先,采用核主成分分析(kernel principal component analysis,KPCA)方法...针对大量变压器数据的冗余性与非结构化、半结构化、结构化特性,提出一种基于变压器特性数据聚类的长短期记忆(long short term memory,LSTM)网络模型预测方法。首先,采用核主成分分析(kernel principal component analysis,KPCA)方法对高维非线性的变压器特性数据进行降维;然后,采用K-means算法划分不同变压器预测类型,提取各分类中心变压器负荷曲线,通过LSTM网络训练特征样本训练基,构建负荷预测模型;最后,采用灰色关联度算法对同一类型的变压器进行关联度评价,并将最高与最低关联度的变压器负荷数据输入特征样本训练基,验证模型的有效性。将所提出的K-means-LSTM网络模型与基于自适应矩估计的LSTM(adaptive moment estimation-LSTM,ADAM-LSTM)网络模型的短期负荷预测结果进行对比分析,结果表明K-means-LSTM网络模型在运行时间上具有显著优势。展开更多
文摘针对当前互联网中存在的2个亟待解决的问题:OTT(over the top)流量占用大量网络带宽以及信息高度冗余,提出了一种具有差异化服务能力的未来网络体系架构——服务定制网络(SCN,service customized networking)。SCN基于软件定义网络设计,继承了其数据控制分离以及网络可编程的主要特点,并针对当前互联网中的问题,增加了网络虚拟化能力以及内容智能调度能力。通过构建具有不同等级服务能力的虚拟网络,SCN可以避免OTT业务大量占用带宽。同时,通过信息资源智能有序调度,SCN可以消减信息冗余。在小规模真实网络平台上进行的实验结果表明,SCN确实具备为不同用户提供差异化服务能力以及有效减少信息冗余的能力。
文摘针对大量变压器数据的冗余性与非结构化、半结构化、结构化特性,提出一种基于变压器特性数据聚类的长短期记忆(long short term memory,LSTM)网络模型预测方法。首先,采用核主成分分析(kernel principal component analysis,KPCA)方法对高维非线性的变压器特性数据进行降维;然后,采用K-means算法划分不同变压器预测类型,提取各分类中心变压器负荷曲线,通过LSTM网络训练特征样本训练基,构建负荷预测模型;最后,采用灰色关联度算法对同一类型的变压器进行关联度评价,并将最高与最低关联度的变压器负荷数据输入特征样本训练基,验证模型的有效性。将所提出的K-means-LSTM网络模型与基于自适应矩估计的LSTM(adaptive moment estimation-LSTM,ADAM-LSTM)网络模型的短期负荷预测结果进行对比分析,结果表明K-means-LSTM网络模型在运行时间上具有显著优势。
