-
公开(公告)号：CN113485986A
公开(公告)日：2021-10-08
申请号：CN202110717117.1
申请日：2021-06-25
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京南瑞信息通信科技有限公司
IPC: G06F16/215 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种电力数据修复方法，利用SOM神经网络对历史电力数据集中电力数据进行分类处理；利用Pearson相关系数理论，获得电力数据类型满足关联性阈值的影响因素；将缺失数据的影响因素输入训练好的LSTM神经网络，获得缺失数据的电力数据类型；根据缺失数据的电力数据类型采用不同的方法对数据进行修复。本发明考虑到电力数据的复杂非线性，利用神经网络的学习能力强，能够处理非线性问题的特性，实现电力数据的修复，可有效提升分类效率和准确率。
-
公开(公告)号：CN113537578A
公开(公告)日：2021-10-22
申请号：CN202110716582.3
申请日：2021-06-25
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京南瑞信息通信科技有限公司
Abstract: 本发明公开了一种电力用户行为预测方法，构建负荷聚合商模式下的激励型需求响应模型；根据激励型需求响应模型获取历史电力用户负荷量、激励价格；将历史电力用户负荷量、激励价格作为训练样本，对LSTM神经网络进行训练，得到训练后的LSTM神经网络；将已知的激励价格输入训练后的LSTM神经网络，预测出电力用户负荷量。本发明提供的一种电力用户行为预测方法，显著提高了电力用户行为的预测精度，能够准确预测负荷聚合商的响应行为。
-
公开(公告)号：CN113485986B
公开(公告)日：2024-08-02
申请号：CN202110717117.1
申请日：2021-06-25
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京南瑞信息通信科技有限公司
IPC: G06F16/215 , G06N3/0464 , G06N3/08 , G06N3/044
Abstract: 本发明公开了一种电力数据修复方法，利用SOM神经网络对历史电力数据集中电力数据进行分类处理；利用Pearson相关系数理论，获得电力数据类型满足关联性阈值的影响因素；将缺失数据的影响因素输入训练好的LSTM神经网络，获得缺失数据的电力数据类型；根据缺失数据的电力数据类型采用不同的方法对数据进行修复。本发明考虑到电力数据的复杂非线性，利用神经网络的学习能力强，能够处理非线性问题的特性，实现电力数据的修复，可有效提升分类效率和准确率。
-
公开(公告)号：CN118395498A
公开(公告)日：2024-07-26
申请号：CN202410577072.6
申请日：2024-05-10
Applicant: 国网江苏省电力有限公司信息通信分公司
Abstract: 本发明公开了一种基于差分隐私的电网数据保护方法、电子设备及介质，涉及数据隐私保护技术领域。其中，该方法包括：获取与目标用户关联的电网数据生成第一数据集，根据第一数据集生成第二数据集；第一数据集与第二数据集相差一个电网数据；获取至少两个初始隐私预算，基于粒子群算法确定初始隐私预算中的目标隐私预算；根据第一数据集中的电网数据和第二数据集中的电网数据确定差分隐私敏感度；按照差分隐私敏感度和目标隐私预算确定与待保护电网数据的数量相同的噪声值；噪声值用于对待保护电网数据进行隐私保护。本发明实现最优目标隐私预算的确定，保证电网数据在高隐私保护程度的基础上达到数据失真最小，提升电网数据隐私保护的性能。
-
公开(公告)号：CN116506474B
公开(公告)日：2023-11-21
申请号：CN202310784174.0
申请日：2023-06-29
Applicant: 国网江苏省电力有限公司信息通信分公司
IPC: H04L67/12 , H04L67/51 , G06Q50/06 , G06F16/2458 , G06F16/27 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/0475 , G06N3/048 , G06N3/084
-
Patent Agency Ranking
公开(公告)号：CN116881729A
公开(公告)日：2023-10-13
申请号：CN202310693739.4
申请日：2023-06-12
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: G06F18/22 , H04L67/02 , H04L47/125 , G06F18/2415 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于孪生神经网络的HTTP流量相似性度量方法及装置，其中的方法包括以下步骤：步骤1、给定HTTP报文流量数据集，数据集包含多个不为空的报文头属性和类标签属性，部分报文流量数据的类标签属性为空，将类标签属性为空的数据组成数据集，类标签属性不为空的数据组成训练集；步骤2、对数据集和训练集进行预处理，构成灰度图像集；步骤3、构建和训练孪生神经网络距离度量模型；步骤4、使用训练好模型度量数据集的相似度矩阵。本发明具有能提高模型对数据度量的准确性，并输出数据集相似度矩阵，为后续进行其他数据挖掘提供依据的技术优点。
-
公开(公告)号：CN116719664A
公开(公告)日：2023-09-08
申请号：CN202310995361.3
申请日：2023-08-09
Applicant: 国网江苏省电力有限公司信息通信分公司
Abstract: 本发明公开了一种基于微服务部署的应用和云平台跨层故障分析方法，包括：将业务应用故障数据和云基础设施的监控告警数据进行匹配关联，获得待分析的目标位置的伪量测数据和量测数据的统计特性之间的相关性，判断应用是否出现异常；依次关联分析业务实例本身的内存和GC日志、主机的性能指标、云平台主机的监测数据，对业务应用、业务应用所在主机和应用组件云平台主机进行故障分析。本发明不仅仅只从应用本身分析故障信息，而是结合应用所使用的云平台组件一起进行高效的故障分析，有效提升基于微服务架构及K8S部署架构的应用服务故障定位效率及可操作性，实现对电力行业云平台的全链路故障分析。
-
公开(公告)号：CN116244612B
公开(公告)日：2023-08-29
申请号：CN202310532962.0
申请日：2023-05-12
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: G06F18/232 , H04L67/02 , G06F18/27 , G06N20/00
Abstract: 本发明公开步骤1、给定HTTP报文流量数据集T，HTTP报文流量数据集T包含多条报文流量数据，每条报文流量数据报文头属性中的类标签属性设置为L；步骤2、训练距离度量函数中的距离参数；步骤3、设置聚类阈值，聚类阈值包括邻域密度阈值和半径参数；步骤4、基于邻域密度阈值和半径参数，对流量数据集T聚合，聚合后获得的每一簇数据的类标签属性L相同。本发明基于dist度量函数，采用DBSCAN聚类算法进行流量数据聚类，提高HTTP流量数据进行聚类的聚类精度。
-
公开(公告)号：CN116506474A
公开(公告)日：2023-07-28
申请号：CN202310784174.0
申请日：2023-06-29
Applicant: 国网江苏省电力有限公司信息通信分公司
IPC: H04L67/12 , H04L67/51 , G06Q50/06 , G06F16/2458 , G06F16/27 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/0475 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于云边协同的电力微服务分层系统，包括感知层、边缘层、网络层、平台层和应用层；所述平台层将部分应用拆分成多个微服务并封装成容器镜像，容器之间存在特定的调用层次关系，从最底层微服务开始，完成容器编排，识别边缘层当前时刻的边缘设备的属性信息以得到相应的边缘节点，再根据评估得到的边缘节点的资源情况，将部分微服务下放至对应的边缘节点，由边缘节点承担部分数据应用业务，实现数据的就地应用。本发明能够在同时考虑云平台数据处理能力和电力终端自身属性的情况下最大限度挖掘海量数据中巨大的应用价值，降低数据处理时延，缓解云平台的资源压力。
-
公开(公告)号：CN112000388B
公开(公告)日：2022-08-23
申请号：CN202010504056.6
申请日：2020-06-05
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京大学
Abstract: 本发明公开了基于多边缘集群协同的并发任务调度方法及装置。所述方法包括：在一个分布式执行作业发布时，基于主对偶方法为该作业在各边缘集群AP的数据上传请求安排传输顺序，各边缘AP按照定序后的作业顺序传输数据；当某一个任务的数据传输完成后，基于作业完成时延之和增值最小原则为该任务选择卸载的服务器节点，将该任务卸载到所选的服务器节点；于服务器节点上执行计算任务调度策略，依次运行卸载至其上的任务。本发明的方法能够有效缩短平均作业完成时间，优于现阶段任一跨域作业调度方法。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.129 seconds)
