一种电力负荷匹配方法、装置、设备及可读存储介质

    公开(公告)号:CN109377052B

    公开(公告)日:2022-03-11

    申请号:CN201811245423.4

    申请日:2018-10-24

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种电力负荷匹配方法,是依据用电设备的第一电力负荷曲线和第二电力负荷曲线构建二分图模型;然后通过二分图模型确定出各第一电力负荷曲线与第二目标电力负荷曲线匹配关系;最后依据预先存储的匹配关系确定第二目标电力负荷曲线与各用电设备之间的匹配关系。因为利用二分图模型不仅无需大量先验数据作为训练样本,且无需预先确定聚类数目和提取筛选大量暂态过程数据,同时,由于二分图模型自身的优越特性,所以可准确实现第一电力负荷曲线与第二电力负荷曲线的匹配,进而准确实现第二电力负荷曲线与各用电设备的匹配,进而可提高电力负荷的匹配准确性。另外,本发明还公开了一种电力负荷匹配装置、设备及可读存储介质,效果如上。

    电力数据异常检测模型的训练方法、装置、设备和介质

    公开(公告)号:CN111833583B

    公开(公告)日:2021-09-03

    申请号:CN202010674998.9

    申请日:2020-07-14

    摘要: 本申请公开了一种电力数据异常检测模型的训练方法、装置、设备和介质,将待训练电力数据序列输入长短期记忆网络进行特征提取,将当前时刻的隐含层的输出值乘以权重矩阵得到下一时刻的预测值,计算下一时刻的预测值与网络下一时刻的输入值的残差和第一损失值,全连接层对残差进行处理,softmax层对全连接层的输出进行处理,输出分类预测概率;根据第一损失值、待训练电力数据序列的分类预测概率和真实概率,通过联合损失函数计算网络的第二损失值;基于第二损失值反向更新网络参数,直至第二损失值低于预置损失值,得到电力数据异常检测模型,解决了现有技术中采用统计方法进行电力数据异常检测存在的检测准确率低和检测效率低的技术问题。

    电力数据异常检测模型的训练方法、装置、设备和介质

    公开(公告)号:CN111833583A

    公开(公告)日:2020-10-27

    申请号:CN202010674998.9

    申请日:2020-07-14

    摘要: 本申请公开了一种电力数据异常检测模型的训练方法、装置、设备和介质,将待训练电力数据序列输入长短期记忆网络进行特征提取,将当前时刻的隐含层的输出值乘以权重矩阵得到下一时刻的预测值,计算下一时刻的预测值与网络下一时刻的输入值的残差和第一损失值,全连接层对残差进行处理,softmax层对全连接层的输出进行处理,输出分类预测概率;根据第一损失值、待训练电力数据序列的分类预测概率和真实概率,通过联合损失函数计算网络的第二损失值;基于第二损失值反向更新网络参数,直至第二损失值低于预置损失值,得到电力数据异常检测模型,解决了现有技术中采用统计方法进行电力数据异常检测存在的检测准确率低和检测效率低的技术问题。

    一种SM4算法的分析方法、系统以及设备

    公开(公告)号:CN111478742A

    公开(公告)日:2020-07-31

    申请号:CN202010264770.2

    申请日:2020-04-07

    摘要: 本发明公开了一种SM4算法的分析方法、系统以及设备,适用于训练好的神经网络模型,方法包括以下步骤:采集未知设备执行SM4算法时的侧信道信息曲线,将其输入到训练好的神经网络模型中,输出预测中间值;根据预测中间值得到SM4算法轮秘钥;重复上述步骤,直至得到四个SM4算法轮秘钥;根据得到的四个SM4算法轮秘钥恢复出SM4算法秘钥,对SM4算法进行解析,得到SM4算法的敏感信息。本发明利用神经网络模型对目标设备进行侧信道分析进而恢复对应的敏感数据,通过神经网络模型的深度学习功能来达到从而达到精准分析的目的,并且在进行侧信道分析的过程中无需进行能量模型的假设,使得分析结果能够贴合实际情况。

    基于矩阵分解的电力负荷预测方法、装置及设备

    公开(公告)号:CN110309982A

    公开(公告)日:2019-10-08

    申请号:CN201910615863.2

    申请日:2019-07-09

    IPC分类号: G06Q10/04 G06F17/16 G06Q50/06

    摘要: 本发明公开了一种基于矩阵分解的电力负荷预测方法,包括获取电力负荷序列数据集,分别对各用户的序列数据进行组合,得到各电能量数据矩阵;对各电能量数据矩阵进行矩阵分解,得到各用户的电能量时间序列因子矩阵和电能量时序依赖因子矩阵;利用回声状态网络计算用户的下一预设时刻的电能量时序依赖因子;通过对各用户的电能量时间序列因子矩阵和下一预设时刻的电能量时序依赖因子进行矩阵运算,预测各用户的下一预设时刻的电力负荷值。应用本发明实施例所提供的技术方案,增强了复杂动态性的建模能力,较大地提高了对电力负荷数据的预测精度。本发明还公开了一种基于矩阵分解的电力负荷预测装置、设备及存储介质,具有相应技术效果。

    一种电力负荷匹配方法、装置、设备及可读存储介质

    公开(公告)号:CN109377052A

    公开(公告)日:2019-02-22

    申请号:CN201811245423.4

    申请日:2018-10-24

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种电力负荷匹配方法,是依据用电设备的第一电力负荷曲线和第二电力负荷曲线构建二分图模型;然后通过二分图模型确定出各第一电力负荷曲线与第二目标电力负荷曲线匹配关系;最后依据预先存储的匹配关系确定第二目标电力负荷曲线与各用电设备之间的匹配关系。因为利用二分图模型不仅无需大量先验数据作为训练样本,且无需预先确定聚类数目和提取筛选大量暂态过程数据,同时,由于二分图模型自身的优越特性,所以可准确实现第一电力负荷曲线与第二电力负荷曲线的匹配,进而准确实现第二电力负荷曲线与各用电设备的匹配,进而可提高电力负荷的匹配准确性。另外,本发明还公开了一种电力负荷匹配装置、设备及可读存储介质,效果如上。