-
公开(公告)号:CN118861535B
公开(公告)日:2025-04-04
申请号:CN202411359486.8
申请日:2024-09-27
Applicant: 国网江西省电力有限公司信息通信分公司
IPC: G06F18/10 , G06F18/232 , G06F18/2413 , G06F18/2433 , G06N3/045 , G06N3/084 , G06F21/53
Abstract: 本发明提供了一种基于数据安全沙箱的数据清洗方法及系统,涉及数据清洗领域。技术方案:提取处理数据安全沙箱内数据得到原始数据,进一步处理得到特征向量集后,分类得到若干个向量组;重采样原始数据并划分为训练集和测试集,引入特征差异加权机制堆叠组合多个增强特征编码器搭建得到初始模型,基于训练集和测试集对初始模型进行训练和测试得到SEFE模型;用SEFE模型对所述特征向量集去噪后进行异常值检测得到异常值,将异常值超过判定标准标记为异常数据;聚类后计算异常数据的分布与正常数据分布的差异度,将差异度超过预设阈值的异常数据评级为脏数据,提取脏数据进行数据管理。本发明提高了针对数据安全沙盒的数据清洗的效率和速度和筛查能力。
-
公开(公告)号:CN119886906A
公开(公告)日:2025-04-25
申请号:CN202411742669.8
申请日:2024-11-29
Applicant: 国网江西省电力有限公司 , 国网江西省电力有限公司信息通信分公司 , 北京国网信通埃森哲信息技术有限公司
Inventor: 徐天福 , 柏杨 , 范瑞祥 , 李路明 , 褚红亮 , 王璠 , 黄康 , 余志琴 , 彭谦 , 罗坤 , 胡潇 , 严浩然 , 王松 , 华威 , 王露茜 , 张瑜 , 张成平 , 卢旭霆 , 邹志强 , 李泽峰
IPC: G06Q10/0639 , G06Q50/26 , G06Q50/06 , G06F16/2458 , G06F16/25 , G06F16/215
Abstract: 本发明提供一种区域电力碳排放因子测算方法及应用,属于电子信息技术领域。所述区域电力碳排放因子测算方法包括:步骤1、采集数据,通过数据中台数据采集渠道采集需要计算碳排放的区域相关数据并存入贴源层全量数据表中;步骤2、清洗处理数据,依次对缺失数据和异常数据进行数据处理;步骤3、计算区域发电碳排放因子,依次计算火力发电碳排放因子和区域综合发电碳排放因子;步骤4、计算区域电力碳排放因子,依次计算区域电力转移电量和构建区域碳流平衡方程并求解各区域电力碳排放因子。该区域电力碳排放因子测算方法实现了从时空上更细颗粒度的电力碳排放因子计算,极大地提高了计算的准确性和实用性。
-
公开(公告)号:CN119763050A
公开(公告)日:2025-04-04
申请号:CN202510261070.0
申请日:2025-03-06
Applicant: 国网江西省电力有限公司信息通信分公司
IPC: G06V20/52 , G06V10/44 , G06V10/42 , G06V10/56 , G06V10/54 , G06V10/46 , G06V10/80 , G06V10/75 , G06V10/762 , G06V10/764 , G06V10/82 , G06F18/25 , G06F18/2433 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06Q50/06 , G06N3/048
Abstract: 本发明提供一种电网系统故障的巡检方法及系统,涉及图像数据处理和电力监测,方案:获取并预处理得到待检测图像和不同时、空域的图像;应用第一阶段算法对其进行故障判别;存在异常时,应用第二阶段算法进行故障位置检测和故障类型判别,当判别为未知类型的故障时,基于第二阶段算法提取该故障的特征,同数据库中记录的未知故障的特征进行聚类分析,实现对已知类型故障的识别和未知类型故障的归纳,综合分析故障位置检测、故障类型判别和聚类分析的结果,得到待检测图像的故障情况。本发明通过设计多阶段算法,同时提出基于对比学习和多任务协同的端到端训练策略,有效提高了故障检测效率和精准度,实现在复杂电网场景下的故障精细化定位与分类。
-
公开(公告)号:CN118861535A
公开(公告)日:2024-10-29
申请号:CN202411359486.8
申请日:2024-09-27
Applicant: 国网江西省电力有限公司信息通信分公司
IPC: G06F18/10 , G06F18/232 , G06F18/2413 , G06F18/2433 , G06N3/045 , G06N3/084 , G06F21/53
Abstract: 本发明提供了一种基于数据安全沙箱的数据清洗方法及系统,涉及数据清洗领域。技术方案:提取处理数据安全沙箱内数据得到原始数据,进一步处理得到特征向量集后,分类得到若干个向量组;重采样原始数据并划分为训练集和测试集,引入特征差异加权机制堆叠组合多个增强特征编码器搭建得到初始模型,基于训练集和测试集对初始模型进行训练和测试得到SEFE模型;用SEFE模型对所述特征向量集去噪后进行异常值检测得到异常值,将异常值超过判定标准标记为异常数据;聚类后计算异常数据的分布与正常数据分布的差异度,将差异度超过预设阈值的异常数据评级为脏数据,提取脏数据进行数据管理。本发明提高了针对数据安全沙盒的数据清洗的效率和速度和筛查能力。
-
-
-