基于离散小波变换和FA-ELM的网络流量预测方法

    公开(公告)号:CN113411216A

    公开(公告)日:2021-09-17

    申请号:CN202110687331.7

    申请日:2021-06-21

    Abstract: 本发明提供了一种基于离散小波变换和FA‑ELM的网络流量预测方法,包括:步骤1,构建DWAFE模型,在所述DWAFE模型中设置数据管理员和模型管理员;步骤2,获取多个网络流量数据并将所述网络流量数据发送给所述数据管理员,所述数据管理员将所述网络流量数据进行数据预处理,得到数据预处理后的所述网络流量数据。本发明经过萤火虫算法优化的FA‑ELM模型,克服了ELM稳定性差的缺陷,对非线性数据预测的准确性高,能稳定可靠地应用于各领域的研究中,具有极大的现实意义。本发明提出的DWAFE模型结合了ARIMA模型和FA‑ELM模型各自的优势,做出精准的网络流量预测,根据预测结果计算出指定置信度下的动态阈值区间,从而实现设备运行状态实时感知,为设备故障预警提供强有力的支持。

    自动化运维任务的优先级处理方法和处理装置

    公开(公告)号:CN112379980A

    公开(公告)日:2021-02-19

    申请号:CN202011254217.7

    申请日:2020-11-11

    Abstract: 本申请公开了一种自动化运维任务的优先级处理方法和处理装置。所述任务包括第一任务、第二任务和第三任务,所述的第一任务的优先级高于所述第二任务和所述第三任务;所述方法包括:当所述第一任务由于访问第一临界区失败而被阻塞时,提升与所述第一任务共享第一临界区且正在访问所述第一临界区的第二任务的优先级;判断是否存在与第二任务共享第二临界区且正在访问所述第二临界区的第三任务;当存在所述第三任务时,提升所述第三任务的优先级。本申请实施例提供的方案避免了优先级低的第三任务拖延第二任务的执行,从而避免优先级高的第一任务延迟执行造成的优先级反转。

    基于胶囊网络的智能电网时间序列异常检测方法及系统

    公开(公告)号:CN114841212A

    公开(公告)日:2022-08-02

    申请号:CN202210540141.7

    申请日:2022-05-18

    Abstract: 本公开实施例中提供了一种基于胶囊网络的智能电网时间序列异常检测方法及系统,属于数据识别技术领域,具体包括:步骤1,采集目标电网的运维数据集输入胶囊网络的特征提取层,得到所述运维数据集对应的时序特征集;步骤2,将所述时序特征集封装成含有低层特征的多个时序子胶囊,并使用squash函数压缩;步骤3,根据权重矩阵计算全部所述时序子胶囊与每个时序父胶囊的关系,然后根据动态路由协议来更新所述时序父胶囊的权重;步骤4,根据全部所述时序父胶囊生成目标胶囊并进行重构,生成检测结果。通过本公开的方案,提高了检测效率、精准度、适应性和实时性。

    基于FARIMA-LSTM预测的电网主机动态阈值设定方法

    公开(公告)号:CN113435725A

    公开(公告)日:2021-09-24

    申请号:CN202110685848.2

    申请日:2021-06-21

    Abstract: 本发明提供了一种基于FARIMA‑LSTM预测的电网主机动态阈值设定方法,包括:步骤1,构建FARIMA‑LSTM模型;步骤2,收集服务器的内存负载数据并输入FARIMA‑LSTM模型进行数据预处理,对预处理后的内存负载数据进行周期性检验,得到周期性检验结果。本发明预测方法准确,适用范围广,运行时间短,通过周期调整消除了时间序列中的周期性影响,能够更清晰地揭示趋势,降低了周期对ARIMA模型拟合效果的影响,提高了趋势预测精度,利用服务器内存历史数据预测并估算设备运行指标动态阈值,实时的对服务器内存历史数据变化情况进行监控,及时的通知运维人员对设备进行运行状态检查,提高了设备故障的预知能力,充分提升了运维监控和故障抢修工作的主动性,提高了运维效率。

    一种智能电网信息设备监控系统及方法

    公开(公告)号:CN112926749A

    公开(公告)日:2021-06-08

    申请号:CN202011603738.9

    申请日:2020-12-30

    Abstract: 本发明提供了一种智能电网信息设备监控系统及方法,该系统包括历史数据模块、数据采集模块、数据分析模块和告警模块,历史数据模块存储有海量历史监控数据;数据采集模块实时采集电网的实时监控数据;数据分析模块基于海量历史监控数据分析出电网信息设备的动态阈值区间;数据分析模块还判断实时监控数据是否落入动态阈值区间;告警模块对尚未落入动态阈值区间的实时监控数据发出报警信号。该方法基于上述的系统。本发明利用海量历史监控数据,进行数据挖掘聚类分析、统计分析、机器学习挖掘、预测出设备健康运行状态动态阈值区间,使智能电网信息设备监测具有高准确度,告警收敛速度迅速,智能差异化感知、辨别故障,提升运维人员的工作效率。

    基于Phik特征选择的电网主机负载预测方法、设备及介质

    公开(公告)号:CN113610174B

    公开(公告)日:2024-10-15

    申请号:CN202110931677.7

    申请日:2021-08-13

    Abstract: 本公开实施例中提供了一基于Ph i k特征选择的电网主机负载预测方法、设备及介质,属于电学技术领域,具体包括:提取目标电网主机对应的历史数据,并将历史数据分为训练集和测试集;利用Person相关系数法对训练集的初始特征进行Person相关性分析得到多个时序分量,并选取与标签值均值相关性符合预设条件的时序分量作为第一特征集;根据Ph i k相关系数法对训练集中预测变量与辅变量之间的相关性,生成第二特征集;分别将第一特征集和第二特征集各输入一个GRU模型,然后将两个GRU模型的输出值输入特征融合层,得到目标电网主机对应的预测模型;根据预测模型和测试集,得到目标电网主机对应的负载预测区间。通过本公开的方案,提高了运行效率、适应性和预测精度。

Patent Agency Ranking