-
公开(公告)号：CN114545066A
公开(公告)日：2022-05-27
申请号：CN202210025465.7
申请日：2022-01-11
Applicant: 国网江苏省电力有限公司信息通信分公司
Abstract: 本发明公开了一种非侵入式负荷监测模型聚合方法和系统，所述方法包括，包括：获取用户总线以及各个负荷的有功功率；将用户总线有功功率和各个负荷有功功率进行配对组成数据集并预处理；初次训练预设的三个基模型，初次训练完成的三个基模型对各个负荷有功功率进行分解，得到分解结果；使用预先建立的感知机聚合模型对分解结果进行聚合并优化预先建立的感知机聚合模型，得到各个负荷有功功率的初步聚合数据；基于分解结果和初步聚合数据对预先建立的DAE模型进行优化，优化完成的DAE模型即为非侵入式负荷监测模型的聚合模型，用于输出到各个负荷有功功率的数据。本发明能够将不同负荷分解的结果进行聚合，得到优于单个模型的分解结果。
-
公开(公告)号：CN114201180A
公开(公告)日：2022-03-18
申请号：CN202111517932.X
申请日：2021-12-13
Applicant: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司泰州供电分公司 , 国网江苏省电力有限公司
Abstract: 本发明公开了一种微服务部署方法，在已经部署好的节点中，获取已经部署好的计算服务，每隔时隙t对服务质量进行检测；在重部署条件触发时，筛选服务质量未满足预期的计算服务S1；获取计算服务S1的服务贡献值，所述服务贡献值由相应计算服务的迁移时间与原部署方案下的调度时间的差值决定；选取服务贡献值最高的计算服务进行重部署。本发明方案优化了对服务的响应部署，从而有利于改善系统服务执行的效率和成本。
-
公开(公告)号：CN113079389B
公开(公告)日：2022-01-25
申请号：CN202110306565.2
申请日：2021-03-23
Applicant: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司
IPC: H04N21/234 , H04N21/2343 , H04N21/238
Abstract: 本发明公开了一种边缘计算环境下的资源自适应调节方法，包括，将视频流数据划分窗口和段；选定参考配置组合和可选配置集合；计算每个配置选项取值的精度分数；选定分数阈值；综合考虑不小于阈值的配置组合与模型计算消耗，选定最终配置应用到窗口，并将窗口配置应用于该组的所有采集设备的对应窗口。该方法考虑了影响边缘计算环境下目标检测应用资源消耗量的各种因素，此外还考虑了网络带宽的自适应调节，能够根据网络环境的变化，弹性更改各种参数，以实现带宽消耗和计算速度、精确性的平衡。
-
公开(公告)号：CN113079389A
公开(公告)日：2021-07-06
申请号：CN202110306565.2
申请日：2021-03-23
Applicant: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司
IPC: H04N21/234 , H04N21/2343 , H04N21/238
Abstract: 本发明公开了一种边缘计算环境下的资源自适应调节方法，包括，将视频流数据划分窗口和段；选定参考配置组合和可选配置集合；计算每个配置选项取值的精度分数；选定分数阈值；综合考虑不小于阈值的配置组合与模型计算消耗，选定最终配置应用到窗口，并将窗口配置应用于该组的所有采集设备的对应窗口。该方法考虑了影响边缘计算环境下目标检测应用资源消耗量的各种因素，此外还考虑了网络带宽的自适应调节，能够根据网络环境的变化，弹性更改各种参数，以实现带宽消耗和计算速度、精确性的平衡。
-
公开(公告)号：CN112365658A
公开(公告)日：2021-02-12
申请号：CN202010994099.7
申请日：2020-09-21
Applicant: 国网江苏省电力有限公司信息通信分公司
Abstract: 本发明提出了一种基于边缘计算的充电桩资源分配方法，针对将身份验证图像全部上传云端计算时延较大，影响快速充电模式服务质量的情况，提出了有效的解决办法，利用边缘计算，设计了一种合理的资源分配方案，将图像划分为两部分，一部分分配给云端平台计算，另一部分分配给边缘计算设备计算，可实现时延的降低和能量消耗的减少，提高服务质量和充电桩充电管理系统的工作效率，减少客户的等待时间。
-
Patent Agency Ranking
公开(公告)号：CN112130993A
公开(公告)日：2020-12-25
申请号：CN202010927499.6
申请日：2020-09-07
Applicant: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 南京南瑞信息通信科技有限公司
Abstract: 本发明公开了一种基于图形化建模的电力边缘物联代理边缘计算方法及系统，方法包括以下过程：获取界面上根据边缘计算的业务需求编排的不同类型节点及其配置参数；根据各节点的配置参数，将各节点转换成对应的函数，所有节点对应的函数构成脚本程序；加载脚本程序生成边缘计算实例；执行边缘计算实例获得边缘计算结果。本发明使得用户能够通过图形化的方法在电力边缘物联代理上构建、执行边缘计算任务，提高在电力边缘物联代理上开发边缘计算的效率，降低开发难度。
-
公开(公告)号：CN111917715A
公开(公告)日：2020-11-10
申请号：CN202010584037.9
申请日：2020-06-23
Applicant: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 东南大学
Abstract: 本发明公开了一种基于802．11ac MAC层指纹的设备识别方法，获取802．11ac探测请求帧，使用流量分析技术解析802．11ac探测请求帧中信息元素的有效字段，并对会被设备拥有者修改的有效字段内容进行去除；对处理过的探测请求帧进行补全，生成指纹，对指纹进行消除量纲和归一化的处理得到处理后的指纹，作为神经网络的输入，将设备类型对应的序号作为标签，并将标签进行编码作为神经网络的输出，对设备识别神经网络进行训练。本发明对探测请求帧数据中易被篡改的字段进行去除，减小了被攻击者从应用上层攻击的可能性。利用深度学习的方法克服了字段值随机变化的问题，完成了特征的自动提取，实现了对设备的识别。
-
公开(公告)号：CN114154566B
公开(公告)日：2025-05-09
申请号：CN202111370645.0
申请日：2021-11-18
Applicant: 国网江苏省电力有限公司信息通信分公司
IPC: G06F18/2415 , G06F18/214 , G06N3/047 , G06N3/092 , G06F30/27
Abstract: 本发明公开了一种基于深度强化学习的边缘计算主动服务方法及系统，方法包括以下步骤：1)提取用户特征信息，同时提取用户意图分类；2)通过深度神经网络预训练意图预判模型，意图预判模型输出为经过归一化指数函数softmax的多分类用户意图概率，然后利用交叉熵损失函数优化意图预判模型，优化后的意图预判模型输出为当前的意图的类别，同时将意图预判模型的倒数第二层作为表示向量，建立DDPG模型；3)通过线上探索对DDPG模型进行优化；4)设定强化学习的奖赏函数，如果用户使用其中一个服务，则奖赏值为1，否则奖赏值为0；根据奖赏值对用户资源请求进行预判。本发明的方法可以提升边缘节点的服务效率，并提升用户满意度。
-
公开(公告)号：CN117349747B
公开(公告)日：2025-03-18
申请号：CN202311271792.1
申请日：2023-09-27
Applicant: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司泰州供电分公司
IPC: G06F18/2415 , G06N3/0442 , G06Q10/20 , G06Q50/06 , H02J13/00
Abstract: 本发明公开了一种电力物联智能终端的离线故障原因分类方法。所述方法包括：获取电力物联智能终端的历史时序数据；将所述历史时序数据输入故障原因分析模型得到故障原因概率集合，所述故障原因分析模型包括由门控循环单元GRU、深度神经网络DNN、以及注意力机制Attention结合的GRU‑DNN‑Attention模型；根据所述故障原因概率集合确定所述电力物联智能终端离线的故障原因。该方法能够通过GRU‑DNN‑Attention模型确定电力物联智能终端离线的故障原因概率集合，并根据故障原因概率集合确定电力物联智能终端离线的故障原因，提高了电力物联智能终端的运维效率。
-
公开(公告)号：CN119559005A
公开(公告)日：2025-03-04
申请号：CN202411399496.4
申请日：2024-10-09
Applicant: 国网电力科学研究院有限公司 , 国电南瑞科技股份有限公司 , 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司
IPC: G06Q50/06 , G06N3/042 , G06N3/049 , G06N3/0464
Abstract: 本发明公开了一种基于时空图神经网络的台区配网数据感知方法及系统，涉及台区配网领域，方法包括：根据台区配网的电气网络构建无向图，并生成邻接矩阵，通过归一化处理得到拉普拉斯矩阵；基于拉普拉斯矩阵构建时序图神经网络模型；记录台区配网节点的输入特征和状态估计数据，构建有标签训练数据，并存入历史数据库用于模型训练；基于历史数据训练时序图神经网络模型，并使用训练好的模型进行配网状态估计；系统通过云端服务器实时监控电网状态，对模型进行补充训练；本发明设置的时空图神经网络结合了图神经网络和序列模型的优点，考虑电网的拓扑结构和节点间的关联，提高了节点感知数据的精确度。
-
-
-
-
-
-
-
-
-
Search Results
131
records
(took 0.084 seconds)
