一种自适应数据脱敏方法
    4.
    发明公开

    公开(公告)号:CN116401711A

    公开(公告)日:2023-07-07

    申请号:CN202310417816.3

    申请日:2023-04-19

    Abstract: 本发明公开了一种自适应数据脱敏方法,包括如下步骤:步骤一,数据抽取利用Sqoop技术从常用数据库、时序数据库、以及文件或FTP接口进行抽取,数据抽取过程保证原始数据的完整性,以及数据之间的逻辑关系完整;步骤二,数据脱敏通过数据脱敏算法库中的脱敏算法实现对敏感数据的转换,在脱敏过程中保持数据的关联性和完整性,确保数据在同一系统中的一致性;步骤三,数据分发数据脱敏后,通过数据库、文件、FTP接口进行分发。本发明以应用需求为导向,以脱敏策略驱动脱敏规则动态生成的方法,使脱敏结果有据可依且具有可重复性。使用成本低,并且便于算法和应用的扩展。

    一种基于无偏DFT的电力系统谐波信号频率估计方法

    公开(公告)号:CN115166355A

    公开(公告)日:2022-10-11

    申请号:CN202210688761.5

    申请日:2022-06-17

    Abstract: 本发明提出了一种基于无偏DFT的电力系统谐波信号频率估计方法,使用DFT谱线S(k),看作是一个非线性方程,来描述振幅、相位、频率和观察到的频谱之间的关系;然后,将非线性方程改写为包含3P个未知参数a、b(1)和b(2)的线性方程;将旁瓣干扰和频谱泄漏作为有用的信息,并在估计过程中考虑了所有频率分量的影响。本发明可以准确、不偏倚地估计系统频率。仿真结果表明,该算法能够有效地估计实际的系统频率。

    一种基于补零差值DFT的有噪实正弦信号频率估计方法

    公开(公告)号:CN115166354A

    公开(公告)日:2022-10-11

    申请号:CN202210683818.2

    申请日:2022-06-17

    Abstract: 本发明公开了一种基于补零差值DFT的有噪实正弦信号频率估计方法,包括:将初始序列r(n)补零到长度为M的序列;对r(n)在位置k处进行DFT变换,得到S(k);重写S(k),得到S(k)含有五个未知数的线性方程;任意选取五个不同的有噪信号补零DFT值得到线性矩阵;通过解线性矩阵得到含有的未知数,进而得到信号频率。本发明将旁瓣干扰和频谱泄漏作为有用的信息,并考虑了估计过程中所有频率分量的影响。因此,本方法可以准确、不偏倚地估计系统频率,有较高的估计精度和较低的计算复杂度。

    基于NLP的图形化自动成票方法
    7.
    发明公开

    公开(公告)号:CN119205085A

    公开(公告)日:2024-12-27

    申请号:CN202411710096.0

    申请日:2024-11-27

    Abstract: 本申请提供一种基于NLP的图形化自动成票方法。在该方案中,作业人员通过第一终端设备向服务器发送作业票成票请求,服务器利用NLP技术解析作业内容,提取关键信息并生成图像化作业票,并将作业票发送至第二终端设备进行审核,审核通过后,作业票被确定为目标作业票并返回至第一终端设备。通过上述方法,该基于NLP的图形化自动成票方法有效降低了人为失误和操作风险,保障了作业流程的安全性和规范性,为电网管理提供了全面、系统且智能化的支持,大幅提升了作业管理的质量和安全标准。

    一种基于无偏DFT的电力系统谐波信号频率估计方法

    公开(公告)号:CN115166355B

    公开(公告)日:2024-10-29

    申请号:CN202210688761.5

    申请日:2022-06-17

    Abstract: 本发明提出了一种基于无偏DFT的电力系统谐波信号频率估计方法,使用DFT谱线S(k),看作是一个非线性方程,来描述振幅、相位、频率和观察到的频谱之间的关系;然后,将非线性方程改写为包含3P个未知参数a、b(1)和b(2)的线性方程;将旁瓣干扰和频谱泄漏作为有用的信息,并在估计过程中考虑了所有频率分量的影响。本发明可以准确、不偏倚地估计系统频率。仿真结果表明,该算法能够有效地估计实际的系统频率。

    一种基于GPU的Spark SQL加速方法
    9.
    发明公开

    公开(公告)号:CN116303550A

    公开(公告)日:2023-06-23

    申请号:CN202310417348.X

    申请日:2023-04-19

    Abstract: 本发明公开一种基于GPU的Spark SQL加速方法,包括以下步骤:Spark SQL由投影、数据和条件组成,分别对应SQL查询过程中的结果、数据和操作,SQL语句按结果、数据和操作次序来描述;对读入的SQL语句进行解析,分辨出SQL语句中的关键词、表达式,从而判断SQL语句是否规范,进而形成执行树,将执行树和数据字典进行绑定和执行,在这些计划中选择一个最优计划执行。GPU使用Cuda语句可实现SQL中常用的数据组合、排序等操作,从而对数据查询等操作实现大幅加速。本发明将GPU与Spark平台相结合,将SQL的运算操作从CPU转移到GPU执行,实现对Spark SQL运算的提速。无需应用修改代码,无需额外增加服务器节点,可以直接节省硬件投资和系统维护成本。

    一种基于学习排序的配电网故障严重程度排序方法

    公开(公告)号:CN115187427A

    公开(公告)日:2022-10-14

    申请号:CN202210683625.7

    申请日:2022-06-17

    Abstract: 本发明提出了一种基于学习排序的配电网故障严重程度排序方法,首先分析了RankNet算法的原理,提出了适用于配电网故障数据的排序算法;然后使用训练数据训练神经网络,得到评分模型,在实际故障数据集上进行了测试,验证算法有效性;最后对算法进行总结,实现从标注样本对数据集学习得到评分函数,对故障样本进行准确的排序,以帮助运维部门合理安排检修顺序。该算法在测试数据集上有良好的表现,在实际故障样本组成的验证数据集上,对于排序靠前的严重故障有极佳的排序准确度,说明该算法的有效性较好。

Patent Agency Ranking