-
公开(公告)号:CN117609366A
公开(公告)日:2024-02-27
申请号:CN202311403650.6
申请日:2023-10-26
申请人: 国网信息通信产业集团有限公司 , 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 国家电网有限公司
摘要: 本发明属于数据存储技术领域,具体提供一种轻量级数据存储管理方法、装置、设备及介质,所述方法包括如下步骤:每个区块的数据落盘完成后,将对应的区块号按照落盘的时间顺序写入数据引擎;系统崩溃时,检索数据引擎获取最新写入的区块号;将获取的所述区块号作为断点,结合该节点的区块数量确认丢失数据的区块信息;启动以太坊同步过程恢复丢失的数据。节点可以判断当崩溃发生时,完全落盘的最后一个区块号,这个区块号将作为断点和起始块,并由节点开始区块同步进程。所述方法通过追踪的方式直接定义最新的断点,实现了最少的数据同步量。
-
公开(公告)号:CN118246520A
公开(公告)日:2024-06-25
申请号:CN202410223337.2
申请日:2024-02-28
申请人: 北京邮电大学 , 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 国网电力科学研究院有限公司 , 国家电网有限公司
IPC分类号: G06N3/098 , G06N3/0464 , G06N3/049 , G06F18/214 , G06F18/22 , G06F18/23 , H02J3/00
摘要: 本发明提供一种面向电力负荷预测的联邦学习方法、装置、设备及介质,涉及人工智能领域。该方法包括:基于用电模式将多个电站客户端划分成多个协作训练域;基于时域卷积网络构建负荷预测模型并下发到各协作训练域的电站客户端;在每个电站客户端分别使用各自的训练样本对负荷预测模型进行训练得到个性化层参数和通用层参数;对属于相同协作训练域的各电站客户端对应的个性化层参数进行边缘聚合以更新个性化层;先对属于相同协作训练域的各电站客户端对应的通用层参数进行边缘聚合,再对各个协作训练域边缘聚合后的通用层参数进行域间全局聚合以更新通用层。本发明的方案能够减少时延,模型能够更快收敛,提高联邦学习在资源异构场景下的性能。
-
公开(公告)号:CN117117849A
公开(公告)日:2023-11-24
申请号:CN202311081650.9
申请日:2023-08-25
申请人: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 国家电网有限公司
摘要: 本发明提供一种光伏功率预测方法、装置、设备及存储介质。根据所述第一历史实际光伏功率和第一历史辐照数据获得第二历史实际光伏功率及第二历史辐照数据;分别保留与所述第二历史实际光伏功率对应的第二历史温度数据、第二历史云量数据和第二历史湿度数据;根据第二历史辐照数据及第二历史温度数据确定初始历史光伏预测功率;将上述所有保留的数据及初始历史光伏预测功率训练设定神经网络模型;获取辐照预测数据及温度预测数据,并确定初始光伏预测功率;将初始光伏预测功率输入至训练后的设定神经网络模型中进行误差修正,获得目标光伏预测功率。本发明可以提高光伏功率预测的准确性。
-
公开(公告)号:CN114337993B
公开(公告)日:2022-06-14
申请号:CN202210251798.1
申请日:2022-03-15
申请人: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 浙江大学 , 国网电力科学研究院有限公司 , 国家电网有限公司
IPC分类号: H04L9/06
摘要: 本发明公开了一种应用于边缘物联代理的白盒SM4加解密方法及系统,包括:利用外部编码及解码函数对输入数据进行外部编码;利用存储有改进的白盒SM4算法的边缘物联代理对外部编码后的输入数据进行加解密计算,得到加解密计算结果;利用外部编码及解码函数对加解密计算结果进行外部解码,得到加解密结果;外部编码及解码函数的处理过程,包括:根据设置的伪状态的数量确定待添加的随机伪数据;将随机伪数据加入到输入数据进行仿射变换,完成外部编码;对加解密计算结果进行逆仿射变换,完成外部解码。优点:通过引入伪状态,极大地提升了白盒实现的多样性与含混度,本发明在安全性上提升的幅度明显更高,保护效率有明显提升。
-
公开(公告)号:CN117290720A
公开(公告)日:2023-12-26
申请号:CN202311022799.X
申请日:2023-08-14
申请人: 国网江苏省电力有限公司信息通信分公司 , 北京邮电大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC分类号: G06F18/214 , G06Q50/06 , G06N20/00
摘要: 本发明提供一种面向电力终端的个性化联邦多任务学习方法及相关设备,包括:根据K个相似的机器学习任务,将全局多任务模型划分为一个用于提取共同数据特征的基础模块和K个用于输出预测结果的特定任务模块;对于每个机器学习任务建立对应的逻辑簇,用于聚合和存储全局多任务模型,并将全局多任务模型和每个机器学习任务下发至所有电力终端进行联邦训练,以获得特定任务模块的更新梯度值;将对应的更新梯度值上传至边缘服务器,调度已逻辑簇执行全局聚合操作,以获得全局模块;将全局模块与基础模块进行组合,以获得更新的全局多任务模型。本发明提出一种基于逻辑簇的个性化联邦多任务学习框架,解决了电力物联网场景中多服务下的协作问题。
-
公开(公告)号:CN114337993A
公开(公告)日:2022-04-12
申请号:CN202210251798.1
申请日:2022-03-15
申请人: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司 , 浙江大学 , 国网电力科学研究院有限公司 , 国家电网有限公司
IPC分类号: H04L9/06
摘要: 本发明公开了一种应用于边缘物联代理的白盒SM4加解密方法及系统,包括:利用外部编码及解码函数对输入数据进行外部编码;利用存储有改进的白盒SM4算法的边缘物联代理对外部编码后的输入数据进行加解密计算,得到加解密计算结果;利用外部编码及解码函数对加解密计算结果进行外部解码,得到加解密结果;外部编码及解码函数的处理过程,包括:根据设置的伪状态的数量确定待添加的随机伪数据;将随机伪数据加入到输入数据进行仿射变换,完成外部编码;对加解密计算结果进行逆仿射变换,完成外部解码。优点:通过引入伪状态,极大地提升了白盒实现的多样性与含混度,本发明在安全性上提升的幅度明显更高,保护效率有明显提升。
-
公开(公告)号:CN113726616B
公开(公告)日:2022-03-22
申请号:CN202111296954.8
申请日:2021-11-04
申请人: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司双创中心 , 国网江苏省电力有限公司
IPC分类号: H04L43/0823 , H04L67/12 , H04L9/40 , G16Y40/50 , G16Y40/10 , G16Y30/10 , G16Y10/35 , G06F16/901
摘要: 本发明提供了一种基于电力物联网实时检测异常数据的方法、装置及系统,其中,该方法包括:基于自定义数据交互规范设置第一格式校验规则,并将第一格式校验规则下发至边设备,指示边设备检测终端设备应当按照自定义数据交互规范上传的业务数据是否符合第一格式校验规则;接收边设备上传的第一有效业务数据,第一有效业务数据为符合第一格式校验规则的业务数据。通过本发明实施例提供的技术方案,边设备能够检测业务数据是否异常,在异常时能够起到拦截业务数据的作用,保证物联管理平台中的数据清洁。基于格式校验规则可以实时、准确地判断业务数据是否异常,能够提高实时性,并拦截异常数据,有效避免占用网络带宽。
-
公开(公告)号:CN113726616A
公开(公告)日:2021-11-30
申请号:CN202111296954.8
申请日:2021-11-04
申请人: 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司双创中心 , 国网江苏省电力有限公司
IPC分类号: H04L12/26 , H04L29/06 , H04L29/08 , G16Y40/50 , G16Y40/10 , G16Y30/10 , G16Y10/35 , G06F16/901
摘要: 本发明提供了一种基于电力物联网实时检测异常数据的方法、装置及系统,其中,该方法包括:基于自定义数据交互规范设置第一格式校验规则,并将第一格式校验规则下发至边设备,指示边设备检测终端设备应当按照自定义数据交互规范上传的业务数据是否符合第一格式校验规则;接收边设备上传的第一有效业务数据,第一有效业务数据为符合第一格式校验规则的业务数据。通过本发明实施例提供的技术方案,边设备能够检测业务数据是否异常,在异常时能够起到拦截业务数据的作用,保证物联管理平台中的数据清洁。基于格式校验规则可以实时、准确地判断业务数据是否异常,能够提高实时性,并拦截异常数据,有效避免占用网络带宽。
-
公开(公告)号:CN115202879A
公开(公告)日:2022-10-18
申请号:CN202210828289.0
申请日:2022-07-13
IPC分类号: G06F9/50 , G06F9/48 , G06V10/771 , G06V10/774 , G06V10/82 , H04L67/10
摘要: 本发明公开了一种基于多类型智能模型的云边协同调度方法及应用,应用于云边协同系统中,云边协同系统包括云计算中心以及多个边缘节点,该方法包括:构建预测模型,预测模型包括分别部署在N个边缘节点上的N个推理模型以及对应的N个选择模型;基于预测模型中的选择模型调度对应的推理模型执行目标任务。该方法可以应用于不同的网络结构、不同的应用以及不同的输入数据集上;且基于相关参数矩阵提取特征值,提高预测模型识别效果,降低任务的执行时间;基于多DNN并存的模型选择方法,提升预测模型对图像处理应用的整体精度;同时,通过采用边缘设备和云计算中心相互协同调度的方式执行目标任务,减小了带宽资源损耗,且保证了数据的安全性。
-
公开(公告)号:CN114567560A
公开(公告)日:2022-05-31
申请号:CN202210067473.8
申请日:2022-01-20
IPC分类号: H04L41/0894 , H04L41/14 , H04L67/1001 , H04L67/60 , G06N3/08
摘要: 本发明公开一种基于生成对抗模仿学习的边缘节点动态资源分配方法,包括:获取边缘节点上的边缘环境信息,根据边缘环境信息,利用预先训练的资源分配策略模型得到资源分配策略;根据资源分配策略向请求服务的各用户节点分配应用服务资源;资源分配策略模型基于预训练的用户请求策略模型利用Q‑learning强化学习算法训练得到;用户请求策略模型为基于历史真实边缘环境信息利用生成对抗训练得到。本发明无需通过与大量真实边缘环境交互便可实现资源分配策略模型的策略优化,从而在实际边缘节点资源分配时能够获得更贴合实际用户需求的资源分配策略,提升边缘节点应用为用户提供服务的效率,优化用户服务体验。
-
-
-
-
-
-
-
-
-