一种基于大模型驱动的数字电力营销培训方法及装置

    公开(公告)号:CN117745490A

    公开(公告)日:2024-03-22

    申请号:CN202311592194.4

    申请日:2023-11-24

    摘要: 本申请提出了一种基于大模型驱动的数字电力营销培训方法及装置,该方法包括:选择基础大模型,基于电力知识,采用迁移学习的方法对基础大模型进行训练,得到大模型;获取学员在电网营销学习中的特征数据与标签数据,通过特征数据与标签数据构建学习质量预测模型;将学员的历史学习数据输入学习质量预测模型,得到学员的未来学习质量预测分数,将预测分数超过阈值的学员作为目标学员,提取目标学员的学习路径;根据待推荐学员的学习路径、学习目标与目标学员的学习路径,构建提示Prompt,将Prompt输入大模型,结合向量存储知识数据库得到与待推荐用户匹配的学习内容推荐。本申请能够在电力营销学习中,为学员提供个性化的学习内容推荐。

    一种基于VFL的低压居民用户异常用电识别方法及系统

    公开(公告)号:CN114154617A

    公开(公告)日:2022-03-08

    申请号:CN202111256656.6

    申请日:2021-10-27

    摘要: 一种基于VFL的低压居民用户异常用电识别方法及系统,方法包括以下步骤:步骤1,采集低压居民用户的设定时长的历史用电数据,导入至数据库中,并对用电数据进行预处理;步骤2,以步骤1经过预处理获得的用电数据,提取能够代表低压居民用户用电模式的特征数据,步骤3,使用步骤2获得的特征数据提取全局异常、局部异常、地域空间、时间序列四个维度的低压居民用户异常用电特征,进行纵向联邦;步骤4,构建卷积神经网络模型,对经过上述步骤处理过的数据进行分层抽样、描述神经网络结构以及配置训练方法,完成模型的训练;步骤5,使用模型进行工作,加载训练好的模型,输入待判断的用电数据即可完成判别用户异常用电情况。