-
公开(公告)号：CN113128913B
公开(公告)日：2022-05-17
申请号：CN202110529495.7
申请日：2021-05-14
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于反转信息熵动态集成的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据划分为训练集和验证集，使用训练集训练一定数量的基分类器，基分类器的输出为输入数据属于正常类的概率；使用异常类标记方法将验证集中一部分历史数据标记为异常类；使用KNN算法从验证集中选择与待检测数据欧式距离较小的历史数据作为验证子集；使用基于反转信息熵的基分类器评价方法计算基分类器在验证子集中数据上的得分；使用基于无参数统计学假设检验的基分类器选择方法根据得分选择基分类器，平均所选基分类器的输出作为待检测数据的检测结果。本发明实施例提供的技术方案，能够降低电力调度监控数据异常检测的漏报率。
-
公开(公告)号：CN113591400A
公开(公告)日：2021-11-02
申请号：CN202110968331.4
申请日：2021-08-23
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于特征相关性分区回归的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据划分为训练集和测试集，基于皮尔逊相关系数计算训练集特征间的相关系数矩阵；根据计算所得相关系数矩阵对训练集进行特征子空间的划分；根据特征子空间内特征相关程度的高低选择特征作为伪标签，剩余特征作为预测属性，基于支持向量回归SVR训练用于预测伪标签的回归模型；对测试集进行与训练集相同的特征子空间划分，并使用对应的回归模型计算各特征子空间中测试集样本的异常程度；根据特征子空间内相关程度计算所对应的权重；根据加权后集成的最终异常分数获得测试集样本的检测结果。
-
公开(公告)号：CN113128076A
公开(公告)日：2021-07-16
申请号：CN202110542073.3
申请日：2021-05-18
Applicant: 北京邮电大学
IPC: G06F30/20 , G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F111/08 , G06F119/12
Abstract: 本发明实施例提出了一种基于双向加权图模型的电力调度自动化系统故障溯源方法，包括：采集电力调度自动化系统中服务器组件的资源占用数据，将这些数据组成的多个时间序列离散化，获得包含告警段的时间序列，剔除该时间序列中包含的告警时间段，获得无告警段时间序列；计算组件信息熵和组件间传递熵，建立有无告警段的信息相关矩阵，通过其变化率衡量告警前后的差异程度，采用归一化技术获得信息差异矩阵；提取信息变化较高的特征及特征间交互信息，构建双向加权图模型，结合节点自身信息和出入度信息变化拟合故障源头程度指标进行排序，依据排序结果追溯故障源头。本发明实施例提供的技术方案，提高电力调度自动化系统故障溯源的性能。
-
公开(公告)号：CN114781495B
公开(公告)日：2024-12-13
申请号：CN202210348671.1
申请日：2022-04-01
Applicant: 北京邮电大学
IPC: G06F18/2431 , G06F18/214 , G06N3/0475 , G06N3/045 , G01R35/04
Abstract: 本发明实施例提出了一种基于样本全局再平衡的智能电表故障分类方法，包括：将智能电表不同类别下的故障历史数据作为输入数据集，划分得到多个二类数据集；针对每个二类数据集，构建VAE与GAN的融合模型，分别将每个样本作为模型的输入，将其隐编码划分为重要特征编码和次要特征编码；通过隐编码重构技术得到其变异隐编码，经解码器还原、互信息约束与判别器对抗，生成多个考虑输入样本重要特征的可靠相似变异样本；设计作用于两类样本隐编码之间的特征斥力技术进行有监督的特征表示学习；通过混合编码技术叠加样本各维度重构误差作为重要特征编码的补充，据此判定待测样本在每个二类数据集下的分类结果，通过硬投票得到其故障类别。
-
Patent Agency Ranking
公开(公告)号：CN117056839A
公开(公告)日：2023-11-14
申请号：CN202310806501.8
申请日：2023-07-03
Applicant: 北京邮电大学
IPC: G06F18/2433 , G06N3/048 , G06N3/088 , G06Q50/06
Abstract: 本发明实施例提出了基于时空异常Transformer的电力调度监控数据异常检测方法，包括：构建时空异常Transformer模型，将电力调度监控历史数据作为模型的输入，计算重构误差、时间维关联性偏差和空间维关联性偏差；结合重构误差、时间维关联性偏差和空间维关联性偏差计算模型的损失，将损失作为优化目标对模型进行训练；将待检测的电力调度监控数据作为模型的输入，计算重构误差、时间维关联性偏差和空间维关联性偏差；结合重构误差、时间维关联性偏差和空间维关联性偏差计算输入数据的异常分数，据此判定输入的电力调度监控数据是否为异常。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
公开(公告)号：CN113591400B
公开(公告)日：2023-06-27
申请号：CN202110968331.4
申请日：2021-08-23
Applicant: 北京邮电大学
IPC: G06F30/27 , G06F18/214 , G06F18/2411 , G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06F119/02
Abstract: 本发明实施例提出了一种基于特征相关性分区回归的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据划分为训练集和测试集，基于皮尔逊相关系数计算训练集特征间的相关系数矩阵；根据计算所得相关系数矩阵对训练集进行特征子空间的划分；根据特征子空间内特征相关程度的高低选择特征作为伪标签，剩余特征作为预测属性，基于支持向量回归SVR训练用于预测伪标签的回归模型；对测试集进行与训练集相同的特征子空间划分，并使用对应的回归模型计算各特征子空间中测试集样本的异常程度；根据特征子空间内相关程度计算所对应的权重；根据加权后集成的最终异常分数获得测试集样本的检测结果。
-
公开(公告)号：CN115099306A
公开(公告)日：2022-09-23
申请号：CN202210569747.3
申请日：2022-05-24
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明实施例提出了一种基于多标签置信度比较的智能电表故障分类方法，包括：对智能电表不同故障类别下的历史数据进行划分，得到多个二类数据集，作为输入数据；遍历各二类数据集中的每个样本，将其作为目标样本并在该样本的近邻样本池中进行多次随机采样，构成多个差异化的目标‑近邻样本对；基于由大量目标‑近邻样本对组成的扩充后的新数据集，构建多标签信任判别网络在目标‑近邻样本对内开展目标样本与对照样本组之间的多标签置信度比较；在测试阶段，对于任一待测样本，任意组合其多个不同的对照样本组得到该测试样本的多个目标‑近邻样本对，集成各组预测结果进行反向推理得到在每个二类数据集下的判别结果，通过软投票得到故障类别。
-
公开(公告)号：CN114816814A
公开(公告)日：2022-07-29
申请号：CN202210293314.X
申请日：2022-03-23
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于迁移学习的双层动态加权磁盘异常检测方法，包括：收集磁盘SMART信息并对磁盘数据集进行属性特征筛选，之后对其进行指数平滑处理得到稳定磁盘数据集，并提取出目标域磁盘数据集以及多个源域磁盘数据集；计算磁盘数据集源域样本与目标域样本的初始权重；训练各源域对应的迁移模型；加权集成各源域所得模型结果，实现对目标域磁盘的故障检测；随着目标域型号磁盘的不断运行，根据所增加新数据样本，进一步提高磁盘异常检测性能；本发明实施例提供的技术方案，能有效提高新投入磁盘的故障检测效果。
-
公开(公告)号：CN114722940A
公开(公告)日：2022-07-08
申请号：CN202210363323.1
申请日：2022-04-07
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明实施例提出了一种基于近邻样本对构造的智能电表故障分类方法，包括：将智能电表不同类别下的故障历史数据作为输入数据集，划分得到多个二类数据集；针对每个二类数据集，将每个样本作为目标样本，从其近邻样本池中进行多次随机采样，获得等量的多个同类和异类对照样本组，分别与目标样本组合后得到多个近邻样本对，作为后续分类任务中的正样本或负样本；基于平衡的近邻样本对数据集，构建基于对比学习的模式判别网络用于目标样本与对照样本组的标签匹配任务；对于给定测试样本，任意组合与其对应的不同类别的对照样本组得到大量近邻样本对，经结果集成和逆向推理得到分类器在每个二类数据集下的判别结果，通过软投票得到其故障类别。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 1.165 seconds)
