-
公开(公告)号：CN116886220A
公开(公告)日：2023-10-13
申请号：CN202310871897.4
申请日：2023-07-14
IPC分类号： H04B17/345 , G06N3/049 , H04B17/309 , H04B17/336
摘要： 本发明公开了一种无线通信干扰识别方法、装置、设备及存储介质。获取无线通信系统对应的目标输入数据，其中，无线通信系统对应于目标变电站，目标输入数据包括目标干扰功率数据、目标信号质量数据和目标距离数据，目标干扰功率数据包括预设设备的接收信号频域干扰功率，目标信号质量数据包括预设终端的空口信号质量，目标距离数据包括预设设备与预设终端之间的距离；将目标输入数据输入至预设脉冲神经网络模型进行处理；根据预设脉冲神经网络模型的输出，确定无线通信系统的干扰识别结果。综合考虑能够表征干扰的多个数据，有效解决了现有的无线通信干扰识别方法，存在干扰识别准确率低的问题，取到了提高干扰识别准确率的有益效果。
-
公开(公告)号：CN115103240A
公开(公告)日：2022-09-23
申请号：CN202210724299.X
申请日：2022-06-24
申请人： 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司
摘要： 本发明公开了一种台区用户电表数据采集方法及系统，所述方法包括集中器、采集器、采集接口模块、电表，集中器与采集器之间采用低压电力线高速载波通信网络进行通信，采集器通过串行接口与采集接口模块进行连接，采集接口模块通过串行接口与多个电表进行连接。采集器并行对电表进行数据采集，采集器通过监听机制进行数据上报，集中器不需依次对采集器通过轮询方式采集数据，从而显著提升电表数据采集效率。本发明通过改进集中器与采集器、采集器与电表之间的通信机制，充分发挥低压电力线高速载波通信能力，显著提升台区电表数据采集效率。
-
公开(公告)号：CN115100466A
公开(公告)日：2022-09-23
申请号：CN202210710527.8
申请日：2022-06-22
申请人： 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司
IPC分类号： G06V10/764 , G06V10/82 , G06Q50/06 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种非侵入式住宅负荷监测方法、装置及介质，本方法包括以下步骤：（1）V‑I特性曲线灰度图提取；（2）多层卷积层提取图片特征；（3）通过通道注意力模型与空间注意力模型进一步提取特征；（4）双向长短时记忆神经网络训练与辨识。本方法的优点在于，通道注意力模型与空间注意力能有效提取有用负荷特征，丢弃无用负荷特征，最终有效提升负荷辨识精度。
-
公开(公告)号：CN118965421A
公开(公告)日：2024-11-15
申请号：CN202410956089.2
申请日：2024-07-17
申请人： 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 南京理工大学
IPC分类号： G06F21/62 , G06F18/21 , G06F18/213 , G06F40/284
摘要： 本发明公开了一种敏感数据的识别方法、装置、设备、存储介质及产品，所述方法包括：获取待识别数据集，提取待识别数据集中的非结构化数据；对非结构化数据进行特征提取，得到对应的特征信息；特征信息包括内容特征与位置特征；根据特征信息，并结合设定数据识别模型，得到非结构化数据对应的标签，若标签与预设的敏感标签一致，则确定非结构化数据为敏感数据。本发明公开的敏感数据的识别方法，通过对非结构化数据进行特征提取，并根据提取的特征识别对应的标签，可以实现对敏感数据的快速识别，并且在特征提取时同时提取内容特征与位置特征，可以提高特征提取的精度，从而提高敏感数据识别的准确度。
-
公开(公告)号：CN117290720A
公开(公告)日：2023-12-26
申请号：CN202311022799.X
申请日：2023-08-14
申请人： 国网江苏省电力有限公司信息通信分公司 , 北京邮电大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC分类号： G06F18/214 , G06Q50/06 , G06N20/00
摘要： 本发明提供一种面向电力终端的个性化联邦多任务学习方法及相关设备，包括：根据K个相似的机器学习任务，将全局多任务模型划分为一个用于提取共同数据特征的基础模块和K个用于输出预测结果的特定任务模块；对于每个机器学习任务建立对应的逻辑簇，用于聚合和存储全局多任务模型，并将全局多任务模型和每个机器学习任务下发至所有电力终端进行联邦训练，以获得特定任务模块的更新梯度值；将对应的更新梯度值上传至边缘服务器，调度已逻辑簇执行全局聚合操作，以获得全局模块；将全局模块与基础模块进行组合，以获得更新的全局多任务模型。本发明提出一种基于逻辑簇的个性化联邦多任务学习框架，解决了电力物联网场景中多服务下的协作问题。
-
公开(公告)号：CN116886215A
公开(公告)日：2023-10-13
申请号：CN202310865413.5
申请日：2023-07-14
IPC分类号： H04B17/309 , H04W24/08
摘要： 本发明公开了一种底噪功率的估计方法、装置、设备及存储介质，所述方法包括：获取拟占用频段，对拟占用频段进行信号采集；将采集的拟占用频段信号划分为时域信号与频域信号，对时域信号与频域信号进行底噪电平估计，得到时域底噪信息和频域底噪信息；根据时域底噪信息和频域底噪信息确定拟占用频段的底噪功率。本发明提供的底噪功率的估计方法，通过从时域和频域两方面对底噪进行综合估计，可以准确评估拟占用频段的底噪功率，为下一步判断是否存在干扰提供了有力依据。
-
公开(公告)号：CN115103240B
公开(公告)日：2024-10-11
申请号：CN202210724299.X
申请日：2022-06-24
申请人： 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司
摘要： 本发明公开了一种台区用户电表数据采集方法及系统，所述方法包括集中器、采集器、采集接口模块、电表，集中器与采集器之间采用低压电力线高速载波通信网络进行通信，采集器通过串行接口与采集接口模块进行连接，采集接口模块通过串行接口与多个电表进行连接。采集器并行对电表进行数据采集，采集器通过监听机制进行数据上报，集中器不需依次对采集器通过轮询方式采集数据，从而显著提升电表数据采集效率。本发明通过改进集中器与采集器、采集器与电表之间的通信机制，充分发挥低压电力线高速载波通信能力，显著提升台区电表数据采集效率。
-
公开(公告)号：CN118246520A
公开(公告)日：2024-06-25
申请号：CN202410223337.2
申请日：2024-02-28
申请人： 北京邮电大学 , 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 国网电力科学研究院有限公司 , 国家电网有限公司
IPC分类号： G06N3/098 , G06N3/0464 , G06N3/049 , G06F18/214 , G06F18/22 , G06F18/23 , H02J3/00
摘要： 本发明提供一种面向电力负荷预测的联邦学习方法、装置、设备及介质，涉及人工智能领域。该方法包括：基于用电模式将多个电站客户端划分成多个协作训练域；基于时域卷积网络构建负荷预测模型并下发到各协作训练域的电站客户端；在每个电站客户端分别使用各自的训练样本对负荷预测模型进行训练得到个性化层参数和通用层参数；对属于相同协作训练域的各电站客户端对应的个性化层参数进行边缘聚合以更新个性化层；先对属于相同协作训练域的各电站客户端对应的通用层参数进行边缘聚合，再对各个协作训练域边缘聚合后的通用层参数进行域间全局聚合以更新通用层。本发明的方案能够减少时延，模型能够更快收敛，提高联邦学习在资源异构场景下的性能。
-
公开(公告)号：CN117117849A
公开(公告)日：2023-11-24
申请号：CN202311081650.9
申请日：2023-08-25
申请人： 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 国家电网有限公司
摘要： 本发明提供一种光伏功率预测方法、装置、设备及存储介质。根据所述第一历史实际光伏功率和第一历史辐照数据获得第二历史实际光伏功率及第二历史辐照数据；分别保留与所述第二历史实际光伏功率对应的第二历史温度数据、第二历史云量数据和第二历史湿度数据；根据第二历史辐照数据及第二历史温度数据确定初始历史光伏预测功率；将上述所有保留的数据及初始历史光伏预测功率训练设定神经网络模型；获取辐照预测数据及温度预测数据，并确定初始光伏预测功率；将初始光伏预测功率输入至训练后的设定神经网络模型中进行误差修正，获得目标光伏预测功率。本发明可以提高光伏功率预测的准确性。
-
公开(公告)号：CN108718310A
公开(公告)日：2018-10-30
申请号：CN201810481076.9
申请日：2018-05-18
申请人： 安徽继远软件有限公司 , 国网信息通信产业集团有限公司 , 国家电网公司 , 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 全球能源互联网研究院有限公司 , 国网信通亿力科技有限责任公司
发明人： 秦浩 , 蒲强 , 叶志远 , 李志浩 , 谢科军 , 薛伟 , 陈绪宝 , 黄云 , 曹灿 , 凡恒山 , 倪鹏程 , 王堃 , 卢伟东 , 邹保平 , 陈金城 , 杨清 , 林为民 , 张涛 , 马媛媛 , 张波 , 管小娟 , 赵俊峰 , 夏元轶
CPC分类号： H04L63/145 , G06F21/562 , G06F21/566 , G06N3/08 , H04L41/145 , H04L63/1416
摘要： 本发明公开了一种基于深度学习的多层次攻击特征提取及恶意行为识别方法，属于网络安全技术领域，包括利用深度学习方法对攻击行为数据库中的恶意代码进行训练，以构建恶意代码的攻击数据模型；基于攻击数据模型对网络层中的待测代码进行处理，得到待测代码的网络层数据特征；对物理层中的待测代码进行特征提取，得到待测代码的物理层数据特征；结合网络层数据特征和物理层数据特征，确定待测代码是否为恶意代码。本发明通过结合网路层数据特征和物理层数据特征对代码进行识别，有效的满足了系统防御性高的要求，保证了系统防御可靠性。有效的提高恶意代码检测准确率的同时有效的控制了系统检测时间的消耗。
-
-
-
-
-
-
-
-
-
搜索结果
89 条记录 (耗时 0.07 秒)
