一种多分辨率情形下负荷数据分类方法、装置、设备及介质

    公开(公告)号:CN119377771A

    公开(公告)日:2025-01-28

    申请号:CN202411481964.2

    申请日:2024-10-23

    Abstract: 本发明涉及一种多分辨率情形下负荷数据分类方法、装置、设备及介质,其中方法包括以下步骤:获取历史用电数据信息以及负荷的类别信息并进行预处理;基于不同时间尺度对负荷数据进行处理,形成多分辨率负荷数据矩阵;基于负荷数据矩阵,通过使用卷积神经网络获取负荷数据的局部特征;利用Transformer的自注意力机制和相对位置编码获得多分支负荷数据特征;利用融合模型实现多分支CNN和Transformer算法所获取的负荷数据的长短尺度特征的融合;基于融合特征进行分类,输出每个负荷所属类别的概率,确定负荷的类别。与现有技术相比,本发明针对负荷数据的分类问题,不仅能实现多分辨率情形下负荷特征的深度提取,同时能够有效提升对负荷数据分类的准确性。

    一种基于贝叶斯网络的大面积停电事件智能推演方法

    公开(公告)号:CN110148937A

    公开(公告)日:2019-08-20

    申请号:CN201910445727.3

    申请日:2019-05-27

    Abstract: 本发明涉及一种基于贝叶斯网络的大面积停电事件智能推演方法,通过典型大面积停电案例总结出电力安全突发事件的一般演化过程。围绕情景状态、处理方法和处理目标三个要素分析大面积停电事件演化的多条路径,选取关键情景,构建事件发展的情景网络。结合历史案例和专家意见计算网络节点间跳转的条件概率。以仿真方式搭建出大面积停电事件的贝叶斯网络并实现了多路径多结果推演。本发明有效解决了典型电力安全事件情景推演的不确定性和多路径问题,可以直观体现应急措施的效果,有利于应急人员及时调整处置措施,不断提高应急水平。对分析突发事件演化机制具有重要意义。

    基于GRU-CNN的综合能源网络安全攻击检测方法

    公开(公告)号:CN112333194A

    公开(公告)日:2021-02-05

    申请号:CN202011239713.5

    申请日:2020-11-09

    Abstract: 本发明提供一种基于GRU‑CNN的综合能源网络安全攻击检测方法,包含步骤:S1、按时序采集网络节点的第一至第d类工作数据,建立第一工作数据集;S2、根据GRU‑CNN网络的门控循环单元的时间步长,基于所述第一工作数据集生成训练数据集和测试数据集,为所述训练数据集设置对应的标签;S3、通过所述训练数据集训练GRU‑CNN网络,其中训练数据集作为门循环控制单元的输入,通过门循环控制单元提取训练数据集的序列特征,并将该序列特征输入GRU‑CNN网络的卷积神经网络,通过卷积神经网络根据序列特征提取对应的多维度特征,并建立多维度特征到攻击类型的映射;S4、将测试数据集输入训练好的GRU‑CNN网络,得到综合能源网络的安全攻击类型的分类结果。

Patent Agency Ranking