-
公开(公告)号：CN112785029A
公开(公告)日：2021-05-11
申请号：CN202011221935.4
申请日：2020-11-05
申请人： 江苏方天电力技术有限公司 , 东南大学
摘要： 本发明公开了一种基于深度聚类模型的充电站用电量预测方法，包括：充电站数据的增强及预处理；基于深度聚类模型的特征映射，充电站所属簇的确定；基于最近邻算法的充电站电量预测。本发明方法使用深度神经网络同时学习充电站数据的特征表示和簇的分配，通过将数据映射到隐层特征空间，迭代地优化聚类目标和重构损失，减少了误差传播的可能性；进一步使用最近邻算法对充电站用电量进行预测。本方法相比于以往的充电站用电预测方法，能够挖掘到数据的隐含特征，缩小搜索空间，具有更高的预测精度。
-
公开(公告)号：CN112528316A
公开(公告)日：2021-03-19
申请号：CN202010984734.3
申请日：2020-09-18
申请人： 江苏方天电力技术有限公司 , 东南大学
摘要： 本发明公开一种基于贝叶斯网络的隐私保护世系工作流发布方法，包括如下步骤：通过训练贝叶斯网络衡量世系工作流中模块间的依赖程度，评估不同模块在溯源查询的重要性不同；划分工作流中的强、弱关联模块，针对不同模块类型设计定制化隐藏处理方案，综合平衡隐私性与可用性，对强关联模块，保证在隐藏操作后原经过该模块的世系路径仍然保留；对弱关联模块，牺牲较弱关联依赖以保证隐私安全。本发明结合对隐私模块最小二分拆分方法与删除数据依赖方法，实现了在保护世系工作流模块隐私不泄露的同时有效维持溯源查询的可用性。
-
公开(公告)号：CN104331435B
公开(公告)日：2017-11-21
申请号：CN201410569282.7
申请日：2014-10-22
申请人： 国家电网公司 , 江苏省电力公司 , 江苏省电力公司信息通信分公司 , 江苏方天电力技术有限公司 , 江苏省电力公司南京供电公司
IPC分类号： G06F17/30
摘要： 本发明公开了一种基于Hadoop大数据平台的低影响高效率的海量数据抽取方法，用Golden Gate从关系型数据库的在线日志文件中抽取变化的数据；将变化数据分别放到各自类别的文件中；利用MapReduce对数据进行解析与处理；对数据进行清洗、转换和过滤异常数据，并转换成适合分布式数据库HBase存储的格式；采用批量导入数据的方式将数据装载到分布式数据库HBase中；使用Tomcat服务器作为Web Server提供Web层的访问服务。本发明可以快速地将海量数据从关系型数据库抽取到大数据平台中，由于通过对数据源日志文件的分析实现对增量数据的抽取，因此本发明在抽取数据时对数据源系统的影响非常小。
-
公开(公告)号：CN106570783A
公开(公告)日：2017-04-19
申请号：CN201610954108.3
申请日：2016-10-27
申请人： 国网江苏省电力公司 , 江苏方天电力技术有限公司 , 国家电网公司
IPC分类号： G06Q50/06
CPC分类号： G06Q50/06
摘要： 本发明公开了一种基于大数据思维的客户用电行为分析模型，结合用户所属的行业、地区背景，分析用户的用电构成、峰谷用能合理性、功率因素、产能利用率、超容用电、环境变化引起的用电量及负荷变化关联关系；将用电分析结果及合理用电建议推送给企业用户，指导用户合理签订购售电合同、选择电价政策、生产活动安排，降低用户的生产、用能成本，促进用户利益最大化；同时公司可通过价格、政策等措施引导、推进用户进行结构调整，转变增长方式；指导用户合理签订购售电合同、选择电价政策、生产活动安排、错峰用电，降低用户的生产、用能成本，促进用户利益最大化、促进节能降耗。
-
公开(公告)号：CN104063480B
公开(公告)日：2016-09-21
申请号：CN201410312530.X
申请日：2014-07-02
申请人： 国家电网公司 , 江苏省电力公司 , 江苏方天电力技术有限公司
IPC分类号： G06F17/30
摘要： 本发明公开了一种基于用电大数据的负荷曲线并行聚类方法，通过dbN小波系对所有负荷曲线进行小波去噪，以降低曲线中的小波动对聚类结果产生的影响，并采用了基于多核并行技术的K均值聚类算法进行负荷曲线聚类，筛选出特征明显的聚类结果，整合分析得到了最终的负荷曲线分类。本发明实现了海量负荷曲线的并行聚类算法，有效地提高了负荷曲线聚类的速度，为研究电力用户负荷特性，进行负荷、电量预测打下了基础。
-
公开(公告)号：CN104579823A
公开(公告)日：2015-04-29
申请号：CN201410769037.0
申请日：2014-12-12
申请人： 国家电网公司 , 江苏省电力公司 , 江苏省电力公司信息通信分公司 , 江苏方天电力技术有限公司
摘要： 本发明公开了一种基于大数据流的网络流量异常检测系统及方法，其特征在于：分布式实时采集网络设备中的网络数据包信息，并实时传输到分布式流处理平台进行网络数据解析、特征匹配和访问统计，解析及检测后的网络数据根据异常状况存储到大数据平台，以便于网络数据进行聚类分析、分类训练并动态更新所述网络数据协议特征库。本系统采用分布式流式处理机制达到实时检测，并且利用大数据平台分布式存储、数据计算分析的能力，实现网络数据分布式存储，更准确训练网络数据协议特征库。
-
公开(公告)号：CN112149988A
公开(公告)日：2020-12-29
申请号：CN202010983477.1
申请日：2020-09-18
申请人： 江苏方天电力技术有限公司 , 东南大学
IPC分类号： G06Q10/06 , G06Q50/06 , G06F40/216 , G06F40/295
摘要： 本发明涉及一种基于层次分析法和熵权法的电力企业主数据识别方法，具体如下：步骤a.确定主数据评价指标；步骤b.确定候选实体；步骤c.基于评价指标与候选实体，建立层次模型；步骤d.基于选定的k个评价要素，结合专家评估认定的初步评分向量，构建指标评分判别矩阵Mevl；步骤e.对判别矩阵Mevl进行一致性检验，求解Mevl最大特征值对应的特征向量，基于特征向量获得指标权重向量WAHP；步骤f.对m个实体在k个指标评估分数，构成实体评分矩阵Mscore；g.基于Mscore计算各指标的均分和信息熵，基于均分和信息熵获得指标权重向量Wen；步骤h.通过加权法计算最终指标权重；步骤i.基于最终指标权重修正Mscore，计算实体总评分，进行排序，选取评分最高的若干实体作为主数据实体。
-
公开(公告)号：CN110889777A
公开(公告)日：2020-03-17
申请号：CN201911156463.6
申请日：2019-11-22
申请人： 江苏方天电力技术有限公司
摘要： 本发明公开了一种电力在线客服客观评价方法，包括基于采集的客服指标，计算客服指标分值和信息熵；根据客服指标信息熵，计算客服指标权重；根据客服指标分值和权重，计算客服评价分数。同时公开了相应的评价系统和在线客服系统。本发明的方法基于客观采集的指标数据计算客服评价分数，减少了主观人为因素，调高了准确性；本发明的系统可直接加载在现有的线客服系统中，实现线客服系统的自我评价。
-
公开(公告)号：CN110599030A
公开(公告)日：2019-12-20
申请号：CN201910852879.5
申请日：2019-09-10
申请人： 江苏方天电力技术有限公司 , 东南大学
摘要： 本发明公开了一种基于正反特征库加权匹配的电力风险预警方法，包括以下步骤：步骤a、形成相应的历史记录和待预警记录，构造与历史记录和待预警记录参数对应的模式特征库；步骤b、将待预警记录与预定义的模式特征库中的特征规则进行匹配，根据匹配结果计算匹配距离；步骤c、分别形成正向匹配特征规则集RSp和反向匹配特征规则集RSr；步骤d、分别计算正向匹配特征规则集RSp和反向匹配特征规则集RSr的风险指数；步骤e、基于风险指数，计算综合风险指数。本发明提供的一种基于正反特征库加权匹配的电力风险预警方法，能够实时监测记录数据与历史数据模式特征库匹配，准确有效地对特高压接续金具进行故障预警。
-
公开(公告)号：CN106875058A
公开(公告)日：2017-06-20
申请号：CN201710085417.6
申请日：2017-02-17
申请人： 江苏方天电力技术有限公司 , 国网江苏省电力公司 , 国家电网公司
发明人： 郑海雁 , 颜庆国 , 丁晓 , 刘凌燕 , 霍尧 , 谢林枫 , 熊政 , 徐金玲 , 李新家 , 王红星 , 吴钢 , 方超 , 徐明珠 , 尹飞 , 仲春林 , 李昆明 , 季聪 , 邵俊 , 宋煜 , 喻伟 , 赵勇 , 严永辉 , 李平 , 赵芮
CPC分类号： G06Q10/04 , G06Q10/06315 , G06Q50/06
摘要： 本发明公开了一种电力业扩可开放容量智能判断方法，包括以下步骤：分析获取用户相似负荷特性；根据用户气象用电量影响模型和用户未来每天的基准电量预测用户未来每天的用电量；根据用户未来每天的基准负荷、用户相似负荷特性和用户气象负荷影响模型预测用户未来每天的负荷；根据待接入用户的配变的历史负荷和未来气象的温度数据，预测配变未来每天的负荷；将用户未来每天的负荷和待接入用户的配变未来每天的负荷叠加；从叠加后的负荷数据中提取日最大负荷，根据日最大负荷和配变的容量计算日最大负载率并判断待接入用户的配变是否可以接入用户。本发明基于大数据技术，结合各类气象环境的温度数据，可以进行科学客观的计算，提高研判的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
63 条记录 (耗时 0.083 秒)
