-
公开(公告)号：CN115348063B
公开(公告)日：2024-08-16
申请号：CN202210882066.2
申请日：2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
IPC: H04L9/40 , G06F18/23213 , G06F18/24 , G06N3/045 , G06N3/088
Abstract: 本发明涉及网络安全人工智能技术领域，公开了一种基于DNN及K‑means的电力系统网络流量识别方法，对原始数据进行筛选，选出可为分类提供较多信息的数据项组成数据样本；对样本数据进行整合操作和归一化操作进行预处理；迭代训练DNN网络模型，使用预处理的训练集训练DNN网络模型，用于电力系统网络流量的初步分类，得到分类置信度和正负例结果；对DNN网络模型处理后的判定为疑似服务器的样本再使用K‑means算法进行分类。与现有技术相比，本发明在电力网络数据的分类应用中具有较高的准确率，可以满足现实环境下电力系统网络流量分类的需求。
-
公开(公告)号：CN115348063A
公开(公告)日：2022-11-15
申请号：CN202210882066.2
申请日：2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
Abstract: 本发明涉及网络安全人工智能技术领域，公开了一种基于DNN及K‑means的电力系统网络流量识别方法，对原始数据进行筛选，选出可为分类提供较多信息的数据项组成数据样本；对样本数据进行整合操作和归一化操作进行预处理；迭代训练DNN网络模型，使用预处理的训练集训练DNN网络模型，用于电力系统网络流量的初步分类，得到分类置信度和正负例结果；对DNN网络模型处理后的判定为疑似服务器的样本再使用K‑means算法进行分类。与现有技术相比，本发明在电力网络数据的分类应用中具有较高的准确率，可以满足现实环境下电力系统网络流量分类的需求。
-
公开(公告)号：CN115297016B
公开(公告)日：2024-02-20
申请号：CN202210876364.0
申请日：2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
IPC: H04L41/147 , H04L41/0677 , H04L41/16 , H04L43/0876 , H04L67/12 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及电网人工智能和数据处理技术领域，公开了一种基于深度学习的电力网络活跃度评价和预测方法，包括：获取原始数据，筛选待评价服务端口流量数据，进行活跃度计算；进行数据预处理，得到历史活跃度数据集，自动化定时对数据集进行更新；将数据集划分为训练样本和测试样本，训练样本进行样本重构并输入到不同的深度学习模型进行模型训练；将测试样本输入到训练好的模型中，并对模型进行评估和比较，得到一个该服务的最优模型，将模型保存；自动化实时获取不同网络服务的活跃度数据，得到未来的活跃度预测结果。与现有技术相比，本发明能够及时发现活跃度异常的网络服务并且便于网络的维护和管理，提升电力网络系统智能化水平。
-
公开(公告)号：CN115297016A
公开(公告)日：2022-11-04
申请号：CN202210876364.0
申请日：2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
IPC: H04L41/147 , H04L41/0677 , H04L41/16 , H04L43/0876 , H04L67/12 , G06N3/04 , G06N3/08
Abstract: 本发明涉及电网人工智能和数据处理技术领域，公开了一种基于深度学习的电力网络活跃度评价和预测方法，包括：获取原始数据，筛选待评价服务端口流量数据，进行活跃度计算；进行数据预处理，得到历史活跃度数据集，自动化定时对数据集进行更新；将数据集划分为训练样本和测试样本，训练样本进行样本重构并输入到不同的深度学习模型进行模型训练；将测试样本输入到训练好的模型中，并对模型进行评估和比较，得到一个该服务的最优模型，将模型保存；自动化实时获取不同网络服务的活跃度数据，得到未来的活跃度预测结果。与现有技术相比，本发明能够及时发现活跃度异常的网络服务并且便于网络的维护和管理，提升电力网络系统智能化水平。
-
公开(公告)号：CN119996033A
公开(公告)日：2025-05-13
申请号：CN202510251167.3
申请日：2025-03-04
Applicant: 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淮安供电分公司 , 南京邮电大学 , 国网江苏省电力有限公司
Abstract: 本发明公开了一种基于负载均衡的拟态防御调度方法及装置，方法包括：交换机接收流量探针；检测执行体集群中的异构执行体是否受到攻击；将受到攻击的异构执行体调度下线，并将当前的执行体集群与执行体待选池中相应的候选异构执行体组成待定执行体集；根据候选异构执行体的历史任务进行多模裁决，根据裁决结果计算候选异构执行体的历史置信度；基于待定执行体集计算候选异构执行体的差异度；根据候选异构执行体的历史置信度和差异度确定调度优先级；根据调度优先级和所述流量探针确定调度方案；该方法能够实现执行体调度的负载均衡。
-
Patent Agency Ranking
公开(公告)号：CN119557440A
公开(公告)日：2025-03-04
申请号：CN202411609087.2
申请日：2024-11-12
Applicant: 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淮安供电分公司 , 南京邮电大学 , 国网江苏省电力有限公司
IPC: G06F16/35 , G06F18/214 , G06F18/2431 , G06F18/21 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于神经网络的多标签文本分类方法及装置，包括：采集多标签文本数据形成训练样本；对所述训练样本进行词嵌入和标签嵌入，分别获得词向量和标签向量；建立初始的CNN‑BiLSTM‑ATTENTION神经网络模型，CNN‑BiLSTM‑ATTENTION神经网络模型包括CNN层、BiLSTM层以及ATTENTION层；对CNN‑BiLSTM‑ATTENTION神经网络模型进行训练直到所述CNN‑BiLSTM‑ATTENTION神经网络模型收敛；接收待分类的文本数据并输入至收敛后的CNN‑BiLSTM‑ATTENTION神经网络模型，输出分类结果；该方法适用于多维标签向量分类的场景。
-
公开(公告)号：CN119383004A
公开(公告)日：2025-01-28
申请号：CN202411656834.8
申请日：2024-11-19
Applicant: 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淮安供电分公司 , 南京邮电大学 , 国网江苏省电力有限公司
Abstract: 本发明公开了一种基于非负矩阵分解的网络事件聚合方法及装置，上述网络事件聚合方法包括：获取网络流量数据并进行预处理；对预处理后的网络流量数据进行解析处理，生成基本网络事件集合；通过聚类算法对基本网络事件集合进行聚类并提取生成关键事件描述集合；对关键事件描述集合构建模式矩阵并进行矩阵迭代分解处理，得到聚合事件集合。本发明可以实现事件聚合和网络威胁发现，有效提高网络行为分析准确度，保障网络安全。
-
公开(公告)号：CN119995991A
公开(公告)日：2025-05-13
申请号：CN202510146183.6
申请日：2025-02-10
Applicant: 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淮安供电分公司 , 南京邮电大学 , 国网江苏省电力有限公司
IPC: H04L9/40
Abstract: 本发明公开了一种拟态防御系统的调度控制方法及装置，方法包括：初始化执行体集；从执行体资源池中随机选择一个种子异构执行体加入至执行体集中，并执行如下遍历操作：遍历执行体池中的每一个异构执行体，与执行体集组成并集，判断并集是否满足预设条件，满足预设条件时，将执行体池中相应的异构执行体加入至执行体集中；否则，保持当前的执行体集不变；遍历完成之后，若当前的执行体集中异构执行体的数量小于预设数量，则从执行体资源池中随机选择一个种子异构执行体加入至执行体集中并再次执行遍历操作；当前的执行体集中异构执行体的数量大于或者等于预设数量时，根据当前的执行体集输出调度方案。该方法能够提高拟态防御系统的可靠性。
-
公开(公告)号：CN117977587A
公开(公告)日：2024-05-03
申请号：CN202410390633.1
申请日：2024-04-02
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: H02J3/00 , G06F18/213 , G06F18/2415 , G06F17/16 , G06N3/0455 , G06N3/0464 , G06Q50/06
Abstract: 本申请涉及电力负荷的智能预测领域，其具体地公开了一种基于深度神经网络的电力负荷预测系统及方法，其将采集到的待预测电力系统的历史电力负荷数据和与之相关的影响因素数据作为输入数据，然后利用深度学习技术分别对这些输入数据进行特征提取和分析，并结合这些特征得到待预测电力系统未来一段时间内电力负荷的负荷曲线。这样，根据未来一段时间内电力负荷的负荷曲线，可以实现电力系统的负荷预测，从而为电力系统的运行和调度提供参考依据。
-
公开(公告)号：CN119577328A
公开(公告)日：2025-03-07
申请号：CN202411625308.5
申请日：2024-11-14
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: G06F18/10 , G06F18/2433 , G06N3/0442 , G06N3/084 , G06Q50/06 , H02J3/00
Abstract: 一种基于CNN‑LSTM的高压用户用电数据预测方法，以高压用户用电数据为研究对象，使用LOF方法对高压用户的历史电力消费数据进行清理，去除不合理的离群数据，减低了离群数据对预测模型的性能的影响。通过数据分类与特征工程，将原始数据转换为更具代表性的特征集，便于模型学习。通过数据归一化降低数据的波动性，从而提高模型训练的稳定性和收敛速度。然后构建CNN‑LSTM混合模型，即在长短期记忆网络LSTM的基础上加入卷积神经网络CNN。该混合模型由CNN和LSTM两部分组成，CNN用于提取数据的局部特征，LSTM用于捕捉时间序列的依赖关系，进而进行较为精确的电力消费预测。完成模型的构建与训练后，本发明还通过均方误差和图形化方法对模型的预测结果进行有效直观评估。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.077 seconds)
