-
公开(公告)号:CN117768147A
公开(公告)日:2024-03-26
申请号:CN202311489190.3
申请日:2023-11-09
Applicant: 山东鲁软数字科技有限公司
IPC: H04L9/40
Abstract: 本申请公开了一种提高企业网络安全的系统,主要涉及网络安全技术领域,用以解决现有的内部网络的侵犯事件较高的问题。包括:外网数据接收单元,用于获得第二外网数据,确定第一流量;内网数据接收单元,用于获得第二内网数据,确定第二流量;流量判断单元,用于在第一流量大时,将第二外网数据存储至黑名单;在第二流量大时,将第二外网数据存储至数据缓存区;外网数据发送单元,用于将数据缓存区存储的第二外网数据发送至内网终端信息对应的内网终端;身份认证单元,用于判断是否存在与第二内网数据的内网终端信息一致的数据;在存在一致的数据时,将第二内网数据缓存至数据缓存区中;内网数据发送单元,用于将第二内网数据发送至外部网络。
-
公开(公告)号:CN117635106A
公开(公告)日:2024-03-01
申请号:CN202311496369.1
申请日:2023-11-10
Applicant: 山东鲁软数字科技有限公司
IPC: G06Q10/20 , G06Q50/06 , G06Q10/0631
Abstract: 本发明涉及电力设备维护技术领域,具体提供一种电力设备监测方法、系统、终端及存储介质,包括:获取电力设备的监测数据,所述监测数据包括电压数据、电流数据和环境数据;预先构建电力设备之间的关联关系,并基于所述关联关系对所述监测数据进行关联故障分析;根据分析结果定位故障设备,并为故障设备生成维修任务;将所述维修任务下发至任务管理队列,并将任务管理队列中的具有关联关系的维修任务绑定为一个执行任务;将所述任务管理队列中的任务逐一发送至维修派遣终端。本发明保证了维修任务的高效执行,形成了对被监测设备的闭环管理。
-
公开(公告)号:CN116048550A
公开(公告)日:2023-05-02
申请号:CN202211574314.3
申请日:2022-12-08
Applicant: 山东鲁软数字科技有限公司
Abstract: 本发明提供一种嵌入式设备的程序配置方法、应用方法及配置终端,基于编写源C/C++及汇编程序编写源代码;通过编译器编译程序;在SDK中仿真软件运行编译后的程序;将程序下载到目标机上;通过JTAG方式调试程序;如程序无误,下载到目标机。本发明可以移植操作系统,从而使软件设计层次化。设计者可以根据自己特定的需要来设计移植自己的操作系统,即添加删除部分组件,添加相应的硬件驱动程序,为上层应用提供系统调用。
-
公开(公告)号:CN117767536A
公开(公告)日:2024-03-26
申请号:CN202311501967.3
申请日:2023-11-10
Applicant: 山东鲁软数字科技有限公司
IPC: H02J13/00
Abstract: 本发明一种电力设备管理数字化监测系统及方法,属于电力设备管理技术领域,所述系统包括:数据采集模块在设备侧节点采集电力设备运行数据;数据传输模块将采集的电力设备运行数据传输给状态估算模块;传输检测模块对数据传输模块的工作状态进行检测;状态估算模块对电力设备运行数据进行状态估算修正,对电力设备是否存在故障进行初步判定;运算模块对状态估算模块的初步判定结果进一步运算,确定电力设备是否存在故障并输出。本发明实现电力设备运行状态的实时监测,及时发现故障,并能够将设备的运行状态和故障位置进行数字化输出,节省人力且提高准确率,提高电力系统处理突发事故的能力,实现数据传输的可靠性以及提高了电力系统运维效率。
-
公开(公告)号:CN113673696B
公开(公告)日:2024-03-22
申请号:CN202110963263.2
申请日:2021-08-20
Applicant: 山东鲁软数字科技有限公司
Abstract: 本发明公开了一种基于强化联邦学习的电力行业起重作业违章检测方法,该方法包括以下步骤:S1、使用联邦学习C,对A节点和B节点使用本地数据进行训练并得到模型;S2、将步骤S1中得到的模型输入强化学习模块,使用强化学习DQN进行模型融合,调整A节点和B节点模型的权值;S3、强化学习模块通过强化学习,生成强化融合模型;S4、联邦学习C中心节点使用强化融合模型采用加权平均来对A节点和B节点的模型进行模型融合;S5、将融合后的模型下发到A节点和B节点;S6、重复步骤S1到S5,直至模型训练完成。有益效果:使用强化学习保证联邦学习共同建模效果,选择优质节点共同建立模型,降低异构性问题的影响。
-
公开(公告)号:CN113673696A
公开(公告)日:2021-11-19
申请号:CN202110963263.2
申请日:2021-08-20
Applicant: 山东鲁软数字科技有限公司
Abstract: 本发明公开了一种基于强化联邦学习的电力行业起重作业违章检测方法,该方法包括以下步骤:S1、使用联邦学习C,对A节点和B节点使用本地数据进行训练并得到模型;S2、将步骤S1中得到的模型输入强化学习模块,使用强化学习DQN进行模型融合,调整A节点和B节点模型的权值;S3、强化学习模块通过强化学习,生成强化融合模型;S4、联邦学习C中心节点使用强化融合模型采用加权平均来对A节点和B节点的模型进行模型融合;S5、将融合后的模型下发到A节点和B节点;S6、重复步骤S1到S5,直至模型训练完成。有益效果:使用强化学习保证联邦学习共同建模效果,选择优质节点共同建立模型,降低异构性问题的影响。
-
-
-
-
-