CN116669054B - 一种5g基站优化规划方法及存储介质 - Google Patents
一种5g基站优化规划方法及存储介质 Download PDFInfo
- Publication number
- CN116669054B CN116669054B CN202310943761.XA CN202310943761A CN116669054B CN 116669054 B CN116669054 B CN 116669054B CN 202310943761 A CN202310943761 A CN 202310943761A CN 116669054 B CN116669054 B CN 116669054B
- Authority
- CN
- China
- Prior art keywords
- base station
- power equipment
- information
- attribute information
- planning method
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013439 planning Methods 0.000 title claims description 16
- 238000005457 optimization Methods 0.000 title claims description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 25
- 238000010606 normalization Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 20
- 230000005484 gravity Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 230000005855 radiation Effects 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 abstract description 8
- 238000007726 management method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010923 batch production Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/24—Cell structures
- H04W16/26—Cell enhancers or enhancement, e.g. for tunnels, building shadow
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明通过预先建立特定地理区域内的电力设备的属性信息数据库,所述属性信息包括所述电力设备的编号、经纬度信息、环境信息、容量信息、占地面积以及负载信息,使得数据集更加丰富、准确,再利用归一化算法对属性信息进行处理,建立电力设备状态监测模型,结合电力设备的评价结果和待部署的5G基站特征得出部署5G基站的最优位置,能够在现有电力设备的基础上快速且准确地部署5G基站,从而实现信号覆盖和用电成本之间的平衡。
Description
技术领域
本发明涉及基站部署规划技术领域,具体涉及一种5G基站优化规划方法及存储介质。
背景技术
现有技术中,已有将5G设备部署于变电站内的尝试,一方面,变电站可以直接为5G基站提供可靠而不间断的电源保障和专业的代维服务,有效提升5G网络服务质量。另一方面,相较于搭建在商业楼宇等转供电主体建筑上的5G设备,共享变电站等电力基础设施在电价上可享受直供电电价,降低了5G基站的电力成本。因此如何灵活、准确地部署5G基站,在保证信号覆盖的情况下如何降低5G基站的用电成本成为亟待解决的问题。
发明内容
针对现有技术中存在的缺陷,本发明提供一种5G基站优化规划方法及存储介质,以满足信号覆盖和用电成本之间的平衡,实现快速、准确且有效地提供基站选址的合适位置。
为达到以上目的,本发明提供的:
一种5G基站优化规划方法,包括如下步骤:
S1、预先建立特定地理区域内的电力设备的属性信息数据库,所述属性信息包括所述电力设备的编号、经纬度信息、环境信息、容量信息、占地面积以及负载信息;
S2、对所述属性信息进行归一化处理,基于归一化处理后的数据建立电力设备状态监测模型;
S3、建立电力设备运行状态评价体系,基于所述评价体系对所述电力设备的状态进行评价;
S4、建立不同厂家的5G基站特征数据库,所述基站特征数据库包括基站的功耗、体积以及辐射大小;
S5、基于评价结果和基站特征数据库,筛选出5G基站的优选地址。
优选地,在对所述属性信息进行归一化处理之前还包括:对属性信息进行预处理,所述预处理包括对缺失值、异常值以及空白值的处理。
优选地,所述对缺失值、异常值以及空白值的处理具体包括:将缺失值、异常值以及空白值进行剔除,并要求所述电力设备重新上传相关属性信息,如果重新上传后仍为异常信息,则按缺省值处理。
优选地,所述环境信息包括环境温度以及大气湿度;所述容量信息包括额定电流、额定电压、额定负载。
优选地,所述归一化处理为基于深度神经网络的归一化处理,所述深度神经网络的输入为批处理输入x:β={x1,……,xm},其中β是学习参数,m是训练样本的数量。
优选地,所述深度神经网络的计算过程为:(1)计算上一层输出数据的均值: ;(2)计算上一层输出数据的标准差:/>;(3)归一化处理,得到/> ;(4)重构,对经过上面归一化处理得到的数据进行重构,得到/> ,其中 />是无限接近于0的极小值,γ是学习参数。
优选地,所述评价体系具体包括:为不同的电力设备属性信息设置对应的比重值,将属性信息与对应的比重值相乘后求和得到所述电力设备的评价结果。
优选地,所述电力设备的负载信息占有的比重最高,经纬度信息占有的比重最低。
优选地,所述基于评价结果和基站数据库,筛选出5G基站的优选地址具体包括:采用层次遍历算法,遍历所有电力设备,基于电力设备的评价结果和基站特征,筛选出5G基站的优选地址。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的一种5G基站优化规划方法。
与现有技术相比,本发明的优点在于:
本发明通过预先建立特定地理区域内的电力设备的属性信息数据库,所述属性信息包括所述电力设备的编号、经纬度信息、环境信息、容量信息、占地面积以及负载信息,使得数据集更加丰富、准确,再利用归一化算法对属性信息进行处理,建立电力设备状态监测模型,结合电力设备的评价结果和待部署的5G基站特征得出部署5G基站的最优位置,能够在现有电力设备的基础上快速且准确地部署5G基站,从而实现信号覆盖和用电成本之间的平衡。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中方法流程示意图。
图2为本发明实施例中存储介质的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
参见图1所示,本发明实施例中,包括以下步骤:
S1、预先建立特定地理区域内的电力设备的属性信息数据库,所述属性信息包括所述电力设备的编号、经纬度信息、环境信息、容量信息、占地面积以及负载信息;
需要说明的是,上述电力设备可以是变电站、配电箱、发电机、变压器等,这些设备设置的地理位置一般较为固定,所处的自然环境也较为稳定,因此可以在上述电力设备附近设置5G基站,以便于实现转供电,降低5G基站的用电成本。
电力设备的编号、容量、经纬度信息以及占地面积都属于电力设备的固定属性,在电力设备架设后这些属性就不会改变了,因此可以在电力设备架设后就上传至管理平台。
环境信息包括但不限于温度、湿度等,温度和湿度属于电力设备的环境属性,是影响电力设备运行状态的关键因素,可以在电力设备上设置温度和湿度传感器,以对这两个状态信息进行监测,并且按照一定的时间周期上传至管理平台。
S2、对所述属性信息进行归一化处理,基于归一化处理后的数据建立电力设备状态监测模型;
在特定的实施例中,可以在归一化处理之前,对上述的固定属性数据和环境属性数据进行整合,形成电力设备的属性信息数据库,并在电力设备的运行过程中对上述属性信息数据库进行更新。
优选地,在对所述属性信息进行归一化处理之前还包括:对属性信息进行预处理,所述预处理包括对缺失值、异常值以及空白值的处理。
优选地,所述对缺失值、异常值以及空白值的处理具体包括:将缺失值、异常值以及空白值进行剔除,并要求所述电力设备重新上传相关属性信息,如果重新上传后仍为异常信息,则按缺省值处理。
在实际操作过程中,可能会由于各种原因导致电力设备上传的数据有误,比如空值,异常值,部分值丢失等情况,此时可以由管理平台主动要求电力设备重新上传相关属性信息以便更正,如果上传来的数据仍然有误,则按缺省值进行处理。
归一化是有效缩小数据范围,简化计算过程的手段,由于电力设备的属性信息并不是常规格式,因此通过归一化处理可以提升数据的处理效率。
在特定的实施例中,上述电力设备状态监测模型可以是一种基于BIM技术的可视化监测管理平台,管理平台上基于地图以及电力设备的经纬度信息对电力设备进行显示,并实时的显示归一化的数据。
S3、建立电力设备运行状态评价体系,基于所述评价体系对所述电力设备的状态进行评价;
在本发明的实施例中,评价体系基于上述电力设备的属性信息对电力设备的运行状态进行打分,并基于打分的结果对电力设备的负载状态、环境状态进行评估。
S4、建立不同厂家的5G基站特征数据库,所述基站特征数据库包括基站的功耗、体积以及辐射大小等;
5G基站由不同的通信设备商提供,而不同厂家的5G基站的功耗、体积以及辐射并不相同,因此可以提前将不同的5G基站的上述数据录入管理平台以便根据5G基站的实际情况进行选址,其中辐射是一种很特殊的参数,由于很多电力设备设置在居民生活区,而现在居民对基站辐射较为敏感,因此当电力设备处于居民生活区时,辐射也是基站选址时需要考虑的一个因素。
S5、基于评价结果和基站特征数据库,筛选出5G基站的优选地址。
优选地,所述环境信息包括环境温度以及大气湿度;所述容量信息包括额定电流、额定电压、额定负载。
优选地,所述归一化处理为基于深度神经网络的归一化处理,所述深度神经网络的输入为批处理输入x:β={x1,……,xm},其中β是学习参数,m是训练样本的数量。
优选地,所述深度神经网络的计算过程为:(1)计算上一层输出数据的均值: ;(2)计算上一层输出数据的标准差:/>;(3)归一化处理,得到/> ;(4)重构,对经过上面归一化处理得到的数据进行重构,得到/> ,其中 />是无限接近于0的极小值,γ是学习参数。
优选地,所述评价体系具体包括:为不同的电力设备属性信息设置对应的比重值,将属性信息与对应的比重值相乘后求和得到所述电力设备的评价结果。
优选地,所述电力设备的负载信息占有的比重最高,经纬度信息占有的比重最低。
负载是在架设5G基站时首要考虑的因素,避免架设5G基站对电力设备造成超载;而环境信息次之,因为5G基站对温度和湿度也有一定的要求;而5G基站的体积也结合电力设备的占地面积一起考虑。
优选地,所述基于评价结果和基站数据库,筛选出5G基站的优选地址具体包括:采用层次遍历算法,遍历所有电力设备,基于电力设备的评价结果和基站特征,筛选出5G基站的优选地址。
在本发明特定实施例中,层次遍历算法可以采用二叉树遍历算法,该算法为本领域的常用算法,在此不做赘述。
通过预先建立特定地理区域内的电力设备的属性信息数据库,所述属性信息包括所述电力设备的编号、经纬度信息、环境信息、容量信息、占地面积以及负载信息,使得数据集更加丰富、准确,再利用归一化算法对属性信息进行处理,建立电力设备状态监测模型,结合电力设备的评价结果和待部署的5G基站特征得出部署5G基站的最优位置,能够在现有电力设备的基础上快速且准确地部署5G基站,从而实现信号覆盖和用电成本之间的平衡。
如图2所示,本发明实施例还提供一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述一种5G基站优化规划方法。需要说明的是,所述存储介质包括U盘、移动硬盘、ROM(Read-Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、***、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读存储介质上,计算机可读存储介质可以包括计算机可读存储介质(或非暂时性介质)和通信介质(或暂时性介质)。
如本领域普通技术人员公知的,术语计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机可读存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置,或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
示例性的,计算机可读存储介质可以是前述实施例的电子设备的内部存储单元,例如电子设备的硬盘或内存。计算机可读存储介质也可以是电子设备的外部存储设备,例如电子设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。
以上仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种5G基站优化规划方法,其特征在于,包括如下步骤:
S1、预先建立特定地理区域内的电力设备的属性信息数据库,所述属性信息包括所述电力设备的编号、经纬度信息、环境信息、容量信息、占地面积以及负载信息;
S2、对所述属性信息进行归一化处理,基于归一化处理后的数据建立电力设备状态监测模型;
S3、建立电力设备运行状态评价体系,基于所述评价体系对所述电力设备的状态进行评价;
S4、建立不同厂家的5G基站特征数据库,所述基站特征数据库包括基站的功耗、体积以及辐射大小;
S5、基于评价结果和基站特征数据库,筛选出5G基站的优选地址;
所述评价体系具体包括:为不同的电力设备属性信息设置对应的比重值,将属性信息与对应的比重值相乘后求和得到所述电力设备的评价结果。
2.根据权利要求1所述的规划方法,其特征在于,在对所述属性信息进行归一化处理之前还包括:对属性信息进行预处理,所述预处理包括对缺失值、异常值以及空白值的处理。
3.根据权利要求2所述的规划方法,其特征在于,所述对缺失值、异常值以及空白值的处理具体包括:将缺失值、异常值以及空白值进行剔除,并要求所述电力设备重新上传相关属性信息,如果重新上传后仍为异常信息,则按缺省值处理。
4.根据权利要求1所述的规划方法,其特征在于,所述环境信息包括环境温度以及大气湿度;所述容量信息包括额定电流、额定电压、额定负载。
5.根据权利要求1所述的规划方法,其特征在于,所述归一化处理为基于深度神经网络的归一化处理,所述深度神经网络的输入为批处理输入x:β={,x1.,……,xm.},其中β是学习参数,m是训练样本的数量。
6.根据权利要求5所述的规划方法,其特征在于,所述深度神经网络的计算过程为:(1)计算上一层输出数据的均值:;(2)计算上一层输出数据的标准差:;(3)归一化处理,得到/>;(4)重构,对经过上面归一化处理得到的数据进行重构,得到/>,其中 />是无限接近于0的极小值,γ是学习参数。
7.根据权利要求1所述的规划方法,其特征在于,所述电力设备的负载信息占有的比重最高,经纬度信息占有的比重最低。
8.根据权利要求1所述的规划方法,其特征在于,所述基于评价结果和基站数据库,筛选出5G基站的优选地址具体包括:采用层次遍历算法,遍历所有电力设备,基于电力设备的评价结果和基站特征,筛选出5G基站的优选地址。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的一种5G基站优化规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310943761.XA CN116669054B (zh) | 2023-07-31 | 2023-07-31 | 一种5g基站优化规划方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310943761.XA CN116669054B (zh) | 2023-07-31 | 2023-07-31 | 一种5g基站优化规划方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116669054A CN116669054A (zh) | 2023-08-29 |
CN116669054B true CN116669054B (zh) | 2023-12-12 |
Family
ID=87710089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310943761.XA Active CN116669054B (zh) | 2023-07-31 | 2023-07-31 | 一种5g基站优化规划方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116669054B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004312273A (ja) * | 2003-04-04 | 2004-11-04 | Nec Corp | エアリンク負荷発生装置、エアリンク評価システムおよびエアリンク評価方法 |
EP1860900A1 (en) * | 2006-05-23 | 2007-11-28 | Nederlandse Organisatie voor Toegepast-Natuuurwetenschappelijk Onderzoek TNO | System and method for radio network planning with HSDPA analysis |
JP2017163393A (ja) * | 2016-03-10 | 2017-09-14 | 株式会社日立製作所 | 無線通信システム、無線機、無線通信方法、昇降機制御システムおよび変電所制御システム |
CN107708126A (zh) * | 2017-07-19 | 2018-02-16 | 国网浙江省电力公司嘉兴供电公司 | 一种基于td‑lte230网络的电网基站优化方法 |
CN108280872A (zh) * | 2017-12-11 | 2018-07-13 | 云南电网有限责任公司红河供电局 | 基于变电站三维模型的uwb定位基站部署方案及评价方法 |
CN112512000A (zh) * | 2020-11-25 | 2021-03-16 | 云南电网有限责任公司电力科学研究院 | 一种配电物联网节点部署优化方法 |
CN113011681A (zh) * | 2021-04-23 | 2021-06-22 | 广东电网有限责任公司江门供电局 | 一种基于变电站资源部署5g基站的优化方法及*** |
WO2021247448A1 (en) * | 2020-06-01 | 2021-12-09 | Intel Corporation | Federated learning optimizations |
CN114004417A (zh) * | 2021-11-09 | 2022-02-01 | 广东电网有限责任公司江门供电局 | 一种电力设施共享基站建设方法和装置 |
CN114298433A (zh) * | 2021-12-31 | 2022-04-08 | 中国电力科学研究院有限公司 | 一种变电站内5g基站选址方法、装置、设备及介质 |
CN114741872A (zh) * | 2022-04-08 | 2022-07-12 | 国家电网有限公司大数据中心 | 基站选址数据处理方法、装置、电子设备及存储介质 |
CN115391962A (zh) * | 2022-08-15 | 2022-11-25 | 华北电力大学 | 通信基站与配电网协同规划方法、装置、设备及介质 |
CN115456357A (zh) * | 2022-08-19 | 2022-12-09 | 三峡大学 | 一种变电站5g基站天线部署的决策方法 |
CN116245260A (zh) * | 2023-05-12 | 2023-06-09 | 国网吉林省电力有限公司信息通信公司 | 基于变电站资源部署5g基站的优化方法 |
WO2023103598A1 (zh) * | 2021-12-06 | 2023-06-15 | 中兴通讯股份有限公司 | 基站开站方法、装置、电子设备和计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7986953B2 (en) * | 2009-06-01 | 2011-07-26 | Microsoft Corporation | Location determination with geographic and bias tuning |
-
2023
- 2023-07-31 CN CN202310943761.XA patent/CN116669054B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004312273A (ja) * | 2003-04-04 | 2004-11-04 | Nec Corp | エアリンク負荷発生装置、エアリンク評価システムおよびエアリンク評価方法 |
EP1860900A1 (en) * | 2006-05-23 | 2007-11-28 | Nederlandse Organisatie voor Toegepast-Natuuurwetenschappelijk Onderzoek TNO | System and method for radio network planning with HSDPA analysis |
JP2017163393A (ja) * | 2016-03-10 | 2017-09-14 | 株式会社日立製作所 | 無線通信システム、無線機、無線通信方法、昇降機制御システムおよび変電所制御システム |
CN107708126A (zh) * | 2017-07-19 | 2018-02-16 | 国网浙江省电力公司嘉兴供电公司 | 一种基于td‑lte230网络的电网基站优化方法 |
CN108280872A (zh) * | 2017-12-11 | 2018-07-13 | 云南电网有限责任公司红河供电局 | 基于变电站三维模型的uwb定位基站部署方案及评价方法 |
WO2021247448A1 (en) * | 2020-06-01 | 2021-12-09 | Intel Corporation | Federated learning optimizations |
CN112512000A (zh) * | 2020-11-25 | 2021-03-16 | 云南电网有限责任公司电力科学研究院 | 一种配电物联网节点部署优化方法 |
CN113011681A (zh) * | 2021-04-23 | 2021-06-22 | 广东电网有限责任公司江门供电局 | 一种基于变电站资源部署5g基站的优化方法及*** |
CN114004417A (zh) * | 2021-11-09 | 2022-02-01 | 广东电网有限责任公司江门供电局 | 一种电力设施共享基站建设方法和装置 |
WO2023103598A1 (zh) * | 2021-12-06 | 2023-06-15 | 中兴通讯股份有限公司 | 基站开站方法、装置、电子设备和计算机可读存储介质 |
CN114298433A (zh) * | 2021-12-31 | 2022-04-08 | 中国电力科学研究院有限公司 | 一种变电站内5g基站选址方法、装置、设备及介质 |
CN114741872A (zh) * | 2022-04-08 | 2022-07-12 | 国家电网有限公司大数据中心 | 基站选址数据处理方法、装置、电子设备及存储介质 |
CN115391962A (zh) * | 2022-08-15 | 2022-11-25 | 华北电力大学 | 通信基站与配电网协同规划方法、装置、设备及介质 |
CN115456357A (zh) * | 2022-08-19 | 2022-12-09 | 三峡大学 | 一种变电站5g基站天线部署的决策方法 |
CN116245260A (zh) * | 2023-05-12 | 2023-06-09 | 国网吉林省电力有限公司信息通信公司 | 基于变电站资源部署5g基站的优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116669054A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038655A (zh) | 部门需求的推荐方法、应用服务器及计算机可读存储介质 | |
CN115423353A (zh) | 配电网资源的消纳调度方法、装置、电子设备及存储介质 | |
CN116167581A (zh) | 电池需求量预估方法、装置、调度方法和计算机设备 | |
CN116451395A (zh) | 基于电气拓扑生成数字孪生场景的方法、装置及设备 | |
CN116669054B (zh) | 一种5g基站优化规划方法及存储介质 | |
CN115759365A (zh) | 光伏发电功率的预测方法及相关设备 | |
CN107909239A (zh) | 金额预算的需求分析方法、应用服务器及计算机可读存储介质 | |
CN113359829B (zh) | 一种基于大数据的无人机电厂智能巡检方法 | |
CN113543195A (zh) | 通信基站评估方法、装置及电子设备 | |
CN106294115A (zh) | 一种应用***迁移性的测试方法及装置 | |
CN115241980B (zh) | 基于无人机前端识别的配网台区供电半径核查***及方法 | |
CN110503563A (zh) | 风险控制方法及*** | |
CN115438812A (zh) | 输电设备全生命管理方法、装置、计算机设备和存储介质 | |
CN107944831A (zh) | 汽车报损方法、应用服务器及计算机可读存储介质 | |
CN105447091B (zh) | 语义位置获取方法和装置 | |
CN113741863A (zh) | 基于算法模型的应用程序生成方法、电子设备及存储介质 | |
CN113052387A (zh) | 基于温度预测输电导线交叉跨越最小安全距离的方法 | |
CN117291554B (zh) | 一种电力行业的云网协同运营方法与*** | |
CN112862398B (zh) | 物流配送调整方法、装置及计算机可读存储介质 | |
CN113032882B (zh) | 风振响应模型生成方法、设备、装置及介质 | |
CN112752252B (zh) | 小区归属地识别方法和装置 | |
CN109241328A (zh) | 增强现实服务提供方法及装置 | |
CN115630527B (zh) | 出清异常模型检测方法、装置、计算机设备和存储介质 | |
CN113076385B (zh) | 一种自动获取电网特殊区域分布图等级信息的方法 | |
CN111652651B (zh) | 一种基于大数据的智能建筑*** |
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 |