-
公开(公告)号：CN115202879A
公开(公告)日：2022-10-18
申请号：CN202210828289.0
申请日：2022-07-13
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 , 国网江苏省电力有限公司泰州供电分公司
IPC: G06F9/50 , G06F9/48 , G06V10/771 , G06V10/774 , G06V10/82 , H04L67/10
Abstract: 本发明公开了一种基于多类型智能模型的云边协同调度方法及应用，应用于云边协同系统中，云边协同系统包括云计算中心以及多个边缘节点，该方法包括：构建预测模型，预测模型包括分别部署在N个边缘节点上的N个推理模型以及对应的N个选择模型；基于预测模型中的选择模型调度对应的推理模型执行目标任务。该方法可以应用于不同的网络结构、不同的应用以及不同的输入数据集上；且基于相关参数矩阵提取特征值，提高预测模型识别效果，降低任务的执行时间；基于多DNN并存的模型选择方法，提升预测模型对图像处理应用的整体精度；同时，通过采用边缘设备和云计算中心相互协同调度的方式执行目标任务，减小了带宽资源损耗，且保证了数据的安全性。
-
公开(公告)号：CN115202879B
公开(公告)日：2024-10-29
申请号：CN202210828289.0
申请日：2022-07-13
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 , 国网江苏省电力有限公司泰州供电分公司
IPC: G06F9/50 , G06F9/48 , G06V10/771 , G06V10/774 , G06V10/82 , H04L67/10
Abstract: 本发明公开了一种基于多类型智能模型的云边协同调度方法及应用，应用于云边协同系统中，云边协同系统包括云计算中心以及多个边缘节点，该方法包括：构建预测模型，预测模型包括分别部署在N个边缘节点上的N个推理模型以及对应的N个选择模型；基于预测模型中的选择模型调度对应的推理模型执行目标任务。该方法可以应用于不同的网络结构、不同的应用以及不同的输入数据集上；且基于相关参数矩阵提取特征值，提高预测模型识别效果，降低任务的执行时间；基于多DNN并存的模型选择方法，提升预测模型对图像处理应用的整体精度；同时，通过采用边缘设备和云计算中心相互协同调度的方式执行目标任务，减小了带宽资源损耗，且保证了数据的安全性。
-
公开(公告)号：CN116886215A
公开(公告)日：2023-10-13
申请号：CN202310865413.5
申请日：2023-07-14
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: H04B17/309 , H04W24/08
Abstract: 本发明公开了一种底噪功率的估计方法、装置、设备及存储介质，所述方法包括：获取拟占用频段，对拟占用频段进行信号采集；将采集的拟占用频段信号划分为时域信号与频域信号，对时域信号与频域信号进行底噪电平估计，得到时域底噪信息和频域底噪信息；根据时域底噪信息和频域底噪信息确定拟占用频段的底噪功率。本发明提供的底噪功率的估计方法，通过从时域和频域两方面对底噪进行综合估计，可以准确评估拟占用频段的底噪功率，为下一步判断是否存在干扰提供了有力依据。
-
公开(公告)号：CN116886220A
公开(公告)日：2023-10-13
申请号：CN202310871897.4
申请日：2023-07-14
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: H04B17/345 , G06N3/049 , H04B17/309 , H04B17/336
Abstract: 本发明公开了一种无线通信干扰识别方法、装置、设备及存储介质。获取无线通信系统对应的目标输入数据，其中，无线通信系统对应于目标变电站，目标输入数据包括目标干扰功率数据、目标信号质量数据和目标距离数据，目标干扰功率数据包括预设设备的接收信号频域干扰功率，目标信号质量数据包括预设终端的空口信号质量，目标距离数据包括预设设备与预设终端之间的距离；将目标输入数据输入至预设脉冲神经网络模型进行处理；根据预设脉冲神经网络模型的输出，确定无线通信系统的干扰识别结果。综合考虑能够表征干扰的多个数据，有效解决了现有的无线通信干扰识别方法，存在干扰识别准确率低的问题，取到了提高干扰识别准确率的有益效果。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN117349747A
公开(公告)日：2024-01-05
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：CN117290720A
公开(公告)日：2023-12-26
申请号：CN202311022799.X
申请日：2023-08-14
Applicant: 国网江苏省电力有限公司信息通信分公司 , 北京邮电大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: G06F18/214 , G06Q50/06 , G06N20/00
Abstract: 本发明提供一种面向电力终端的个性化联邦多任务学习方法及相关设备，包括：根据K个相似的机器学习任务，将全局多任务模型划分为一个用于提取共同数据特征的基础模块和K个用于输出预测结果的特定任务模块；对于每个机器学习任务建立对应的逻辑簇，用于聚合和存储全局多任务模型，并将全局多任务模型和每个机器学习任务下发至所有电力终端进行联邦训练，以获得特定任务模块的更新梯度值；将对应的更新梯度值上传至边缘服务器，调度已逻辑簇执行全局聚合操作，以获得全局模块；将全局模块与基础模块进行组合，以获得更新的全局多任务模型。本发明提出一种基于逻辑簇的个性化联邦多任务学习框架，解决了电力物联网场景中多服务下的协作问题。
-
公开(公告)号：CN115103240A
公开(公告)日：2022-09-23
申请号：CN202210724299.X
申请日：2022-06-24
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
Abstract: 本发明公开了一种台区用户电表数据采集方法及系统，所述方法包括集中器、采集器、采集接口模块、电表，集中器与采集器之间采用低压电力线高速载波通信网络进行通信，采集器通过串行接口与采集接口模块进行连接，采集接口模块通过串行接口与多个电表进行连接。采集器并行对电表进行数据采集，采集器通过监听机制进行数据上报，集中器不需依次对采集器通过轮询方式采集数据，从而显著提升电表数据采集效率。本发明通过改进集中器与采集器、采集器与电表之间的通信机制，充分发挥低压电力线高速载波通信能力，显著提升台区电表数据采集效率。
-
公开(公告)号：CN115100466A
公开(公告)日：2022-09-23
申请号：CN202210710527.8
申请日：2022-06-22
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: G06V10/764 , G06V10/82 , G06Q50/06 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种非侵入式住宅负荷监测方法、装置及介质，本方法包括以下步骤：（1）V‑I特性曲线灰度图提取；（2）多层卷积层提取图片特征；（3）通过通道注意力模型与空间注意力模型进一步提取特征；（4）双向长短时记忆神经网络训练与辨识。本方法的优点在于，通道注意力模型与空间注意力能有效提取有用负荷特征，丢弃无用负荷特征，最终有效提升负荷辨识精度。
-
公开(公告)号：CN115099349B
公开(公告)日：2024-09-24
申请号：CN202210757630.8
申请日：2022-06-30
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: G06F18/25 , G06N3/042 , G06N3/0464 , G06Q50/06
Abstract: 本发明公开了一种非侵入式负荷实时分解方法，方法包括：获取非侵入式负荷的总负荷数据，所述总负荷数据包括：总负荷有功功率序列、总负荷电压序列和总负荷电流序列；基于获取到的总负荷数据，构建多特征输入非侵入式负荷的数据图，所述数据图包括最近分量数据图、前日分量数据图和上周分量数据图；将各分量数据图输入预先构建的ResGCN网络模型，得到各分量的分解结果；将分解结果进行多分量融合，得到融合后的分解结果，从分解结果中提取当前时刻的分解结果，输出当前时刻的分解结果。本发明能够基于历史数据对非侵入式负荷进行实时分解。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.141 seconds)
