-
公开(公告)号：CN106199276B
公开(公告)日：2018-11-30
申请号：CN201610589498.9
申请日：2016-07-25
Applicant: 国电南瑞科技股份有限公司 , 国家电网公司 , 南京南瑞集团公司 , 国网河北省电力公司 , 国电南瑞南京控制系统有限公司
Abstract: 本发明公开了一种用电信息采集系统中异常信息的智能诊断系统及方法，本发明的系统由异常分析专家库、自学习模块和GIS故障定位模块三部分组成，各部分协同工作，增强了对用电信息采集系统运行的监控能力。本发明以用电信息采集系统所采集的数据为依托，通过异常分析专家库和自学习模块对获取的各类用电数据进行统计、分析和诊断，判定异常类型和严重程度，并通过GIS故障定位模块快速准确地锁定故障发生地的具体位置，极大程度上提高了故障监测的准确度和故障处理的效率。
-
公开(公告)号：CN106199276A
公开(公告)日：2016-12-07
申请号：CN201610589498.9
申请日：2016-07-25
Applicant: 国电南瑞科技股份有限公司 , 国家电网公司 , 南京南瑞集团公司 , 国网河北省电力公司 , 国电南瑞南京控制系统有限公司
CPC classification number: G01R31/00 , G01R31/024 , G01R31/041
Abstract: 本发明公开了一种用电信息采集系统中异常信息的智能诊断系统及方法，本发明的系统由异常分析专家库、自学习模块和GIS故障定位模块三部分组成，各部分协同工作，增强了对用电信息采集系统运行的监控能力。本发明以用电信息采集系统所采集的数据为依托，通过异常分析专家库和自学习模块对获取的各类用电数据进行统计、分析和诊断，判定异常类型和严重程度，并通过GIS故障定位模块快速准确地锁定故障发生地的具体位置，极大程度上提高了故障监测的准确度和故障处理的效率。
-
公开(公告)号：CN118041596A
公开(公告)日：2024-05-14
申请号：CN202410065535.0
申请日：2024-01-17
Applicant: 国电南瑞南京控制系统有限公司 , 国电南瑞科技股份有限公司 , 南瑞集团有限公司
IPC: H04L9/40 , H04L9/32 , H04L9/08 , H04L9/06 , H04L41/16 , H04L67/12 , G06F18/2411 , G06F18/214
Abstract: 本发明公开了一种基于kafka跨正反向隔离装置传输数据的方法及系统，涉及电网通信和数据安全技术领域，包括将Kafka集群配置完成，根据电力系统安全区划分规定，划分安全区；开发基于机器学习的自适应加密算法，能够根据数据类型和网络状况动态调整加密强度；根据自适应加密算法，对同步的消息进行加密，并根据Kafka集群的配置，实现消息同步。本发明通过使用基于机器学习的自适应加密算法，能够根据数据类型和网络状况动态调整加密强度。对于敏感或关键数据，系统可以实施更强的加密措施，而对于不那么敏感的数据，则可以应用较轻的加密从而在保护数据的同时优化处理效率，同时机器学习模型的使用使得加密过程能够智能地适应不断变化的网络条件和数据类型。
-
公开(公告)号：CN116257510A
公开(公告)日：2023-06-13
申请号：CN202211545590.7
申请日：2022-12-05
Applicant: 国电南瑞科技股份有限公司 , 南瑞集团有限公司 , 国电南瑞南京控制系统有限公司
Abstract: 本发明公开了一种电表数据验证与修补方法、装置及存储介质，属于配电技术领域，方法包括：对电表数据进行预处理，以获取长期趋势数据和短期趋势数据；将长期趋势数据分别输入至预构建的各基模型，并对各基模型所输出的基预测结果进行集成，以获取电表数据长期趋势预测结果；对短期趋势数据进行特征提取，并将提取到的特征与实时电表读数进行匹配，以获取电表数据短期趋势预测结果；结合电表数据长期趋势预测结果和电表数据短期趋势预测结果，对电表数据进行验证与修补。该方法结合电表数据长期趋势预测结果和电表数据短期趋势预测结果，对电表数据进行验证与修补。
-
公开(公告)号：CN116247747A
公开(公告)日：2023-06-09
申请号：CN202211527643.2
申请日：2022-12-01
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司 , 南瑞集团有限公司
Abstract: 本发明公开了一种基于NeuralProphet的电力正向有功总值的修补方法、装置及介质，其方法包括：获取各时刻的电力正向有功总值作为原始数据；对原始数据进行预处理，所述预处理包括删除异常的电力正向有功总值；根据预处理后的原始数据构建训练集；构建以NeuralProphet作为骨架网络的预测网络模型；通过训练集对预测网络模型进行训练；通过训练好的预测网络模型预测删除的电力正向有功总值；通过预测的电力正向有功总值对原始数据进行修补；本发明能够准确的预测电力正向有功总值并对原始数据进行修补，保证电力数据的准确计量。
-
Patent Agency Ranking
公开(公告)号：CN110633270A
公开(公告)日：2019-12-31
申请号：CN201910725535.8
申请日：2019-08-07
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司
IPC: G06F16/215 , G06K9/62
Abstract: 本发明公开一种多策略电表日冻结值自动替代方法和装置，方法包括：响应于外部输入有电表日冻结值替代策略设定指令，获取相应指令中的电表信息以及多个替代策略及其优先级信息；获取电表日冻结数据采集信息；响应于所述电表日冻结数据采集信息中的日冻结数据异常，根据相应电表的多个替代策略及优先级信息，按照优先级由高至低顺次执行相应电表日冻结值替代策略，直至存在一替代策略的执行结果能够得到相应电表的日冻结替代值；将首次得到的日冻结替代值记为相应电表的日冻结值。本发明利用多种具有可预先设置的不同优先级的替代策略，实现电表日冻结值无法正常获取时的数据自动替代，保证后续各种电量数据的正常统计，以及后续相关计算的可靠性。
-
公开(公告)号：CN116400168A
公开(公告)日：2023-07-07
申请号：CN202310336650.2
申请日：2023-03-31
Applicant: 国电南瑞南京控制系统有限公司 , 国电南瑞科技股份有限公司 , 南瑞集团有限公司
IPC: G01R31/08
Abstract: 本发明公开了电网故障诊断领域的一种基于深度特征聚类的电网故障诊断方法及系统，包括：将所述实时监测数据经过SMOTE过采样后输入至预先搭建的CNN故障诊断模型获得故障诊断结果；所述CNN故障诊断模型的搭建过程包括：利用训练后的特征提取器提取有标签样本特征和无标签样本特征；对有标签样本特征和无标签样本特征进行半监督聚类形成簇；根据簇确定无标签样本特征的标签，建立有标签样本特征训练集；利用有标签样本特征训练集对CNN故障诊断模型进行训练，重复迭代获得故障诊断准确率大于设定阈值的CNN故障诊断模型；本发明克服现有技术中存在故障诊断正确率和误报率不能兼顾的技术问题。
-
公开(公告)号：CN110633270B
公开(公告)日：2022-01-28
申请号：CN201910725535.8
申请日：2019-08-07
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司
IPC: G06F16/215 , G06K9/62
Abstract: 本发明公开一种多策略电表日冻结值自动替代方法和装置，方法包括：响应于外部输入有电表日冻结值替代策略设定指令，获取相应指令中的电表信息以及多个替代策略及其优先级信息；获取电表日冻结数据采集信息；响应于所述电表日冻结数据采集信息中的日冻结数据异常，根据相应电表的多个替代策略及优先级信息，按照优先级由高至低顺次执行相应电表日冻结值替代策略，直至存在一替代策略的执行结果能够得到相应电表的日冻结替代值；将首次得到的日冻结替代值记为相应电表的日冻结值。本发明利用多种具有可预先设置的不同优先级的替代策略，实现电表日冻结值无法正常获取时的数据自动替代，保证后续各种电量数据的正常统计，以及后续相关计算的可靠性。
-
公开(公告)号：CN110244096B
公开(公告)日：2021-06-04
申请号：CN201910534555.7
申请日：2019-06-20
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司
Abstract: 本发明公开了一种电能量计量系统中对电表满码自动发现与处理的方法，对实时分时底码数据在线自动校验，避免数据入库以后的二次数据校验处理，降低了对数据库的依赖，改变了以外部存储为中心的数据交互处理方式，提高了电表满码事件发现的实时性和数据自动处理结果的准确性，为各种电量数据统计的正确性，和各种计算公式及母线平衡、线路损耗、变压器损耗等指标的可靠性提供了保障。
-
公开(公告)号：CN111144435A
公开(公告)日：2020-05-12
申请号：CN201911097608.X
申请日：2019-11-11
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司 , 南瑞集团有限公司
Abstract: 本发明公开了一种基于LOF和验证过滤框架的电能量异常数据监测方法，该方法对获取的大规模电能量数据集进行预处理，降低所需的数据量和训练时间；然后使用LOF算法对大规模电能量数据集进行异常检测，得到带有标签的电能量数据集；接着使用基于线性表的验证框架，判断每个带有异常标签的电能量数据的异常类型；最后根据验证框架的判断结果修改电能量异常数据集中样本的异常类型，得到最终的电能量异常数据集。本发明基于LOF和验证过滤框架，可以监测大规模电能量数据发生异常的情况以及异常类型，保证了电能量数据的可靠性，也提高正向有功电量、反向有功电量等指标的可靠性、及时性、有效性。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.098 seconds)
