-
公开(公告)号:CN105701591A
公开(公告)日:2016-06-22
申请号:CN201410713214.3
申请日:2014-11-28
申请人: 国家电网公司 , 中国电力科学研究院 , 国网河南省电力公司 , 江苏省电力公司信息通信分公司 , 东南大学
摘要: 本发明提供了一种基于神经网络的电网业务分类方法,该方法包括以下步骤:I、数据集预处理及分类;II、用个体网络训练集训练并生成指定数量的个体神经网络;III、用网络选择训练集确定所述个体神经网络的权值系数;IV、根据所述权值系数判断是否保留所述个体神经网络,生成神经网络组合模型;V、用测试样本集对模型进行测试,结合阈值调整神经网络组合,VI、输出最优神经网络组合模型及分类结果。该方法基于一种改进的CS算法对个体神经网络进行选择,并结合神经网络特点,生成神经网络组合模型,提高了选择的效率和准确度,从而在处理电网业务数据和识别业务类型的时候更精确、高效。
-
公开(公告)号:CN105184486A
公开(公告)日:2015-12-23
申请号:CN201510564935.7
申请日:2015-09-08
摘要: 本发明涉及一种基于有向无环图支持向量机的电网业务分类方法,包括:将采集数据分为训练集与测试集并采用卡方检验的特征选择算法对所述训练集进行处理,获取所述训练集对应的最优特征集,利用训练集中每两类构造一个SVM二分类器,基于有向无环图支持向量机(Directed Acyclic Graphs Support Vector Machine,DAG-SVM)算法对SVM二分类器进行处理,将分类错误概率小的分类器进行分类判决,排除样本属于某类的可能性,而在分类错误概率大的分类器中,不排除样本属于任一类的可能性,将两个类别都保留,并以此为依据调整有向无环图构造的学习结构直至获取测试集样本的分类结果,本发明方法解决了解决传统DAG-SVM算法存在的误差累积问题,能够有效的提高电网业务识别的准确率。
-
公开(公告)号:CN105160598A
公开(公告)日:2015-12-16
申请号:CN201510543233.0
申请日:2015-08-28
摘要: 本发明涉及一种基于改进EM算法的电网业务分类方法,将采集数据分为训练集和测试集并进行预处理,通过SFS算法选取合适的属性集,引入训练数据的类先验信息进行EM算法,得到一个高斯混合模型和类信息相关的矩阵,矩阵可以用来限制某个高斯模型只能表示特定的几种类别,再利用此矩阵和基于q参数的确定性退火EM算法q-DAEM来得到一个准确的聚类模型;本发明提供的方法能够利用EM算法和训练集的类先验信息来生成一个Z矩阵,在q-DAEM算法中引入Z矩阵,可以在迭代时有更好的收敛速度,生成一个合适的聚类模型,对电网采集数据进行处理,能够有效提高业务识别能力。
-
公开(公告)号:CN105184316A
公开(公告)日:2015-12-23
申请号:CN201510543111.1
申请日:2015-08-28
CPC分类号: G06K9/6269 , G06Q50/06
摘要: 本发明涉及一种基于特征权学习的支持向量机电网业务分类方法,利用特征权学习方法结合支持向量机多分类特点,对业务分类问题进行处理,包括:将采集数据划分为训练集与测试集,采用1-a-1SVM分类方法将多分类问题分解为一系列SVM二分类问题,对每个SVM二分类器分别进行参数寻优与特征子集选取,并引入特征学习思想,对不同特征赋予不同的权值,以表征其重要性程度。根据选取的最优特征子集与最优参数训练模型,得到的模型即为分类模型,然后对测试集样本进行分类;本发明提供的方法,通过根据各自特点分别选取每个SVM二分类器中最优参数与特征子集重新训练SVM分类模型,充分考虑了不同子分类器之间的差异性,具有更好的分类精度。
-
公开(公告)号:CN105160598B
公开(公告)日:2021-01-15
申请号:CN201510543233.0
申请日:2015-08-28
IPC分类号: G06K9/62 , G06F30/27 , G06F113/04
摘要: 本发明涉及一种基于改进EM算法的电网业务分类方法,将采集数据分为训练集和测试集并进行预处理,通过SFS算法选取合适的属性集,引入训练数据的类先验信息进行EM算法,得到一个高斯混合模型和类信息相关的矩阵,矩阵可以用来限制某个高斯模型只能表示特定的几种类别,再利用此矩阵和基于q参数的确定性退火EM算法q‑DAEM来得到一个准确的聚类模型;本发明提供的方法能够利用EM算法和训练集的类先验信息来生成一个Z矩阵,在q‑DAEM算法中引入Z矩阵,可以在迭代时有更好的收敛速度,生成一个合适的聚类模型,对电网采集数据进行处理,能够有效提高业务识别能力。
-
公开(公告)号:CN105184316B
公开(公告)日:2019-05-14
申请号:CN201510543111.1
申请日:2015-08-28
摘要: 本发明涉及一种基于特征权学习的支持向量机电网业务分类方法,利用特征权学习方法结合支持向量机多分类特点,对业务分类问题进行处理,包括:将采集数据划分为训练集与测试集,采用1‑a‑1SVM分类方法将多分类问题分解为一系列SVM二分类问题,对每个SVM二分类器分别进行参数寻优与特征子集选取,并引入特征学习思想,对不同特征赋予不同的权值,以表征其重要性程度。根据选取的最优特征子集与最优参数训练模型,得到的模型即为分类模型,然后对测试集样本进行分类;本发明提供的方法,通过根据各自特点分别选取每个SVM二分类器中最优参数与特征子集重新训练SVM分类模型,充分考虑了不同子分类器之间的差异性,具有更好的分类精度。
-
公开(公告)号:CN106789190A
公开(公告)日:2017-05-31
申请号:CN201611106431.1
申请日:2016-12-05
申请人: 国网河南省电力公司信息通信公司 , 国家电网公司
IPC分类号: H04L12/24 , H04L12/721
摘要: 本发明涉及一种电力通信网脆弱性评估及路由优化方法,属于电力通信技术领域。本发明对电力通信网的网络拓扑进行建模,将电力通信网定义成为一个有权无向网络;根据影响节点和边脆弱性的拓扑脆弱性因素、业务脆弱性因素以及设备脆弱性因素建立节点和边的脆弱性评估模型,并根据所述脆弱性评估模型对电力通信网的脆弱性进行评估。本发明将影响节点和边脆弱性的因素总结为拓扑脆弱性,业务脆弱性以及设备脆弱性三种因素,并根据三者关系得到综合脆弱性指标,能够全面表现节点和边的脆弱性大小,提高对电力通信网脆弱性评估的准确性。
-
公开(公告)号:CN106571913A
公开(公告)日:2017-04-19
申请号:CN201610971906.7
申请日:2016-10-31
申请人: 全球能源互联网研究院 , 国网江苏省电力公司南京供电公司 , 国家电网公司 , 南京邮电大学 , 国网河南省电力公司信息通信公司 , 国网冀北电力有限公司信息通信分公司
CPC分类号: H04L67/14 , H04L9/0838 , H04L9/0861 , H04L63/06 , H04L63/0807 , H04L63/083 , H04L63/12
摘要: 本发明公开一种面向电力无线专网的两方认证密钥协商方法,包括:服务器生成自身的私钥和终端的公私钥,并根据所述服务器的私钥和所述终端的公钥生成所述终端的身份标识符;发送所述终端的私钥和身份标识符到所述终端;所述终端根据其私钥和身份标识符生成认证消息。由此提高了安全性和节省了计算消耗。
-
公开(公告)号:CN106506087A
公开(公告)日:2017-03-15
申请号:CN201610947102.3
申请日:2016-10-26
申请人: 国网河南省电力公司信息通信公司 , 国家电网公司 , 大连理工大学
IPC分类号: H04B10/50 , H04B10/516
CPC分类号: H04B10/503 , H04B10/516
摘要: 本发明涉及一种光载无线宽带系统,包括中心站和基站,中心站包括至少两个激光器模块,激光器模块输出连接N×1光耦合器的输入端,N×1光耦合器的输出端连接光环形器的第一端口,法布里-珀恩激光器连接光环形器的第二端口,光环形器的第三端口连接1×N光耦合器的输入端,1×N光耦合器的各输出端通过光滤波器连接电光调制器的输入端,电光调制器的输出端通过光纤连接对应基站。该系统能够产生多路光微波信号,系统器件利用率得到了很大提升,系统效率同样得到提升,并且在同样满足产生多路光微波信号的基础上,本发明提供的宽带系统结构得到了很大地简化。
-
公开(公告)号:CN104682922A
公开(公告)日:2015-06-03
申请号:CN201410723064.4
申请日:2014-12-02
申请人: 国家电网公司 , 国网河南省电力公司信息通信公司 , 大连理工大学
IPC分类号: H03K3/017
CPC分类号: H03K3/017
摘要: 本发明涉及一种高速RZ/NRZ转换装置和NRZ/RZ转换装置。RZ/NRZ转换装置包括移相器、边沿D触发器和差分放大器,RZ信号连接到边沿D触发器的输入端,时钟脉冲通过移相器连接到边沿D触发器的时钟信号输入端,边沿D触发器的输出端连接差分放大器的输入端,差分放大器的输出端输出NRZ信号。NRZ/RZ转换装置包括边沿D触发器和与门,NRZ信号连接到边沿D触发器的输入端,时钟脉冲连接到边沿D触发器的时钟信号输入端,边沿D触发器的输出端和上述时钟脉冲连接到与门的输入端,与门输出RZ信号。两个转换装置具有体积小、功耗低、实现简单、成本低、输出信号质量高等优点,并且对前端光信号的功耗要求低,对光信号偏振态不敏感,应用前景广阔。
-
-
-
-
-
-
-
-
-