-
公开(公告)号：CN114021188A
公开(公告)日：2022-02-08
申请号：CN202111299904.5
申请日：2021-11-04
Applicant: 全球能源互联网研究院有限公司南京分公司 , 国网江苏省电力有限公司 , 国家电网有限公司大数据中心 , 南京大学 , 国家电网有限公司
Abstract: 本申请提供一种联邦学习协议交互安全验证方法、装置及电子设备，该方法包括：在联邦学习过程中，模拟针对当前联邦学习协议的隐私窃取攻击行为；检测当前模拟的隐私窃取攻击行为达到的攻击总收益；根据隐私窃取攻击行为达到的攻击总收益，确定当前联邦学习协议的交互安全验证结果。上述方案提供的方法，通过对当前联邦学习协议进行攻击模拟，根据当前模拟的隐私窃取攻击行为能够达到的攻击总收益，确定了当前联邦学习协议在数据交互方面的安全性，为进一步提高联邦学习参与者的隐私安全奠定了基础。
-
-
公开(公告)号：CN112906790A
公开(公告)日：2021-06-04
申请号：CN202110192708.1
申请日：2021-02-20
Applicant: 国网江苏省电力有限公司营销服务中心 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: G06K9/62
Abstract: 本申请公开了一种基于用电数据的独居老人识别方法和系统，所述方法包括：随机选取批量低压用户用电数据，对选取数据进行清洗；对数据进行特征选择并向量化；对向量化的数据进行聚类分析；聚类分析结果结合电力营销数据，筛选疑似独居老人群体样本数据；对疑似独居老人群体样本数据进行随机验证，确定模型训练用正样本和负样本；构建独居老人识别模型，并利用正样本、负样本进行模型训练；获取全量用户用电数据，利用独居老人识别模型识别独居老人。本发明可借助电表等电力采集设备获得数据，无需投入大量资金安装监控设备；可以在缺少训练样本的情况下，利用原始用电数据，构建独居老人识别模型，快速定位独居老人用户。
-
公开(公告)号：CN112906790B
公开(公告)日：2023-08-18
申请号：CN202110192708.1
申请日：2021-02-20
Applicant: 国网江苏省电力有限公司营销服务中心 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: G06F18/2431 , G06F18/214 , G06F18/23213 , G06F18/22
Abstract: 本申请公开了一种基于用电数据的独居老人识别方法和系统，所述方法包括：随机选取批量低压用户用电数据，对选取数据进行清洗；对数据进行特征选择并向量化；对向量化的数据进行聚类分析；聚类分析结果结合电力营销数据，筛选疑似独居老人群体样本数据；对疑似独居老人群体样本数据进行随机验证，确定模型训练用正样本和负样本；构建独居老人识别模型，并利用正样本、负样本进行模型训练；获取全量用户用电数据，利用独居老人识别模型识别独居老人。本发明可借助电表等电力采集设备获得数据，无需投入大量资金安装监控设备；可以在缺少训练样本的情况下，利用原始用电数据，构建独居老人识别模型，快速定位独居老人用户。
-
公开(公告)号：CN119475143A
公开(公告)日：2025-02-18
申请号：CN202411357375.3
申请日：2024-09-27
Applicant: 中国电力科学研究院有限公司 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: G06F18/2433 , G06N5/01 , G06Q50/06
Abstract: 本发明提供了一种电力数据异动风险发现方法、系统，设备和介质，包括：基于电力数据流量构成的电力数据流量全景视图的连通性，采用基于迭代禁忌搜索的启发式算法识别出电力数据流量全景视图中的关键节点；监测关键节点，通过比对关键节点变化，发现异常数据节点；本发明通过进行电力数据流量全景视图的连通性分析，识别出业务链路中的关键节点，明确防护重点，并能够在数据异动发生时快速准确地追查出数据异动源头，通过实施本发明的方法，可以提高数据安全性，保护业务活动链路的结构和功能，防止敏感数据的泄露对业务造成严重影响，并解决了现有数据异动追查过程中缺乏全景视角和难以发现数据异动节点的问题。
-
Patent Agency Ranking
公开(公告)号：CN115587230B
公开(公告)日：2024-04-12
申请号：CN202211164123.X
申请日：2022-09-23
Applicant: 国网江苏省电力有限公司营销服务中心 , 国网江苏省电力有限公司
IPC: G06F16/906 , G06F16/2455 , G06Q50/06 , G06F18/22 , G06F18/28
Abstract: 结合行业文本和用电负荷的高耗能企业识别方法及系统，首先通过已确定为高耗能行业的清单，进行高耗能行业标准库的建立。该行业标准库包括企业名称标准矩阵、企业产品标准库、企业用电曲线标准矩阵和企业用电特征标准库。完成标准库的建立后，获取待识别企业文本信息和用电信息，计算与标准库的相似度，获得四大类特征向量。将四大类特征向量加权求和，得到企业与各个行业之间的相似度总体得分。将该得分与阈值比较，判断企业是否从属于某个高耗能行业。该方法结合文本信息和用电信息，提供了更加可靠精准的企业识别判定结果。
-
公开(公告)号：CN113705229B
公开(公告)日：2023-11-10
申请号：CN202110977166.9
申请日：2021-08-24
Applicant: 国网江苏省电力有限公司营销服务中心 , 国网江苏省电力有限公司
IPC: G06F40/289 , G06Q10/0631 , G06Q30/018 , G06Q50/06
Abstract: 本发明公开了一种基于电力大数据的高危企业违规生产识别方法，其特征在于，该方法包括以下步骤：步骤1，获取高危企业和非高危企业清单，匹配用电量数据和用户基本信息，并对数据进行预处理；步骤2，构建企业特性特征库，提取并筛选企业特性特征；步骤3，利用筛选出的企业特性特征建立并训练高危企业识别模型，识别出高危企业；步骤4，对于识别出的高危企业，构建用电生产特性特征库，提取并筛选用电特性特征；步骤5，利用筛选出的用电生产特性特征建立并训练违规生产识别模型，识别出违规生产的高危企业。本发明可识别潜在的高危企业违规生产，化被动监管为主动预防，将高危企业的风险降到最低。
-
公开(公告)号：CN113822561A
公开(公告)日：2021-12-21
申请号：CN202111075843.4
申请日：2021-09-14
Applicant: 国网江苏省电力有限公司营销服务中心 , 国网江苏省电力有限公司
Abstract: 本发明公开了一种基于用电量数据和径向基神经网络的资源配置方法，包括以下步骤：获取该地区企业用电量数据、历史的产业数据以及地区天气温度数据，对数据进行清洗和整合，并区分训练集和测试集；将训练集数据作为径向基神经网络模型输入，进行模型训练，生成电力‑产业预测模型；将测试集数据作为模型输入，得到地区产业预测结果，利用资源优化算法进行资源的优化配置。本发明依靠企业电力数据和地区环境数据，模拟预测产业发展趋势，能够快速准确进行资源的优化配置。
-
公开(公告)号：CN112686473A
公开(公告)日：2021-04-20
申请号：CN202110090391.0
申请日：2021-01-22
Applicant: 国网江苏省电力有限公司营销服务中心 , 国网江苏省电力有限公司
Abstract: 一种基于分类算法的用电量预测方法及系统，其方法包括以下步骤：1.采集第二客户端的企业用户的用电历史数据与第一客户端的企业税务数据；2.对采集的数据进行预处理；3.对预处理的用电历史数据进行分类；4.通过加密样本筛选出第一客户端与第二客户端的共同用户；5.将共同用户的分类数据与相对应的企业税务数据进行加密模型训练以得到每一类分类的电量预测模型；6.采集最新用电数据与企业税务数据，输入至相对应的预测模型进行预测。本发明在一定程度上解决了传统电量预测模型学习精度与预测准度下降的问题，预测效率高，预测精度高，实用性强，具有较好的适应性及可靠性。
-
公开(公告)号：CN119357437A
公开(公告)日：2025-01-24
申请号：CN202411498012.1
申请日：2024-10-24
Applicant: 国网江苏省电力有限公司营销服务中心 , 国网江苏省电力有限公司 , 河海大学
IPC: G06F16/901 , G06N3/042 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于图神经网络和LSTM的动态图表示方法及系统，包括如下步骤：基于图神经网络和改进的LSTM记忆循环网络对DGNN模型进行改进得到DLGN模型；采集训练数据集，将时间序列长度按照活动频率比例分为不同的时间段，对DLGN模型进行训练；获取动态图节点初始化向量输入训练后的DLGN模型，得到节点的嵌入向量。本发明将采用图神经网络聚合节点信息之后输入到LSTM记忆网络，采用改进的LSTM的循环网络来获取图网络动态时间序列信息，利用了图神经网络在学习图结构信息的优势，以及循环神经单元LSTM在时间方面的优势，将两者结合使得节点嵌入向量在节点分类和链接预测任务呈现出较好的效果。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.148 seconds)
