-
公开(公告)号:CN117932475A
公开(公告)日:2024-04-26
申请号:CN202311697640.8
申请日:2023-12-11
IPC分类号: G06F18/243 , G06F18/214 , G06F18/22
摘要: 本公开提供一种嫁接数据源的匹配方法及相关设备。该方法包括:获取待匹配数据源;基于多个预设维度计算候选数据源与所述待匹配数据源之间的相似度;基于所述预设维度的目标权重和对应的所述相似度的乘积之和,得到所述候选数据源的匹配得分;将所述匹配得分最大的所述候选数据源确定为与所述待匹配数据源相匹配的目标数据源,从而提高数据源之间的匹配准确性。
-
公开(公告)号:CN115409066A
公开(公告)日:2022-11-29
申请号:CN202211060141.3
申请日:2022-08-31
申请人: 北京中电普华信息技术有限公司
摘要: 本申请提供一种时间序列数据的异常检测方法、装置及计算机存储介质,该方法、装置及计算机存储介质通过将时间序列监测数据分解并提取其中的高频分量和低频分量,分别根据高/低频分量的特点、采用对应的模型对高/低频分量进行分析、预测处理,并将高/低频分量对应的预测结果进行叠加得到未来时序下数据的预测值,进而以预测值为依据识别未来时序下真实数据中的异常点数据,可以实现对时间序列数据的实时检测,及时发现其中的异常点数据,以提醒维护人员尽早采取应对措施,避免造成无法弥补的损失。
-
公开(公告)号:CN117851798A
公开(公告)日:2024-04-09
申请号:CN202311596794.8
申请日:2023-11-27
申请人: 北京中电普华信息技术有限公司
IPC分类号: G06F18/2113 , G06F18/2132 , G06F18/241 , G06F18/214 , G06N3/0464
摘要: 本申请提供一种电力系统事件识别方法以及相关设备,所述方法包括:获取若干组PMU电力数据,根据所述若干组PMU电力数据的相关性确定所述PMU电力数据的最优排序;根据所述最优排序对所述PMU电力数据进行排序,得到PMU电力数据序列;其中,所述最优排序使得所述PMU电力数据序列的总方差最小;根据所述PMU电力数据序列确定电力特征序列,将所述电力特征序列输入到预先构建的神经网络分类器中,得到针对所述若干组PMU电力数据的识别结果。
-
公开(公告)号:CN117834547A
公开(公告)日:2024-04-05
申请号:CN202311568585.2
申请日:2023-11-22
申请人: 北京中电普华信息技术有限公司
IPC分类号: H04L47/2425
摘要: 本申请提供一种传输数据的方法及相关设备。所述方法包括:将待传输数据按照优先级进行分类,得到分类后数据;针对于每类所述分类后数据,基于所述待传输数据的当前状态,通过对所述待传输数据采取第一动作,得到对应所述第一动作的瞬时奖励;基于所述瞬时奖励和所述第一动作,得到第二动作;所述第二动作为传输所述待传输数据的动作;依据所述第二动作传输所述待传输数据。本申请实施例综合考虑了系统安全性与用户对数据的需求,对数据设置多个不同优先级,可以使重要的数据尽快传输,缩短用户等待时间。对于不同优先级的数据,根据实际情况对数据的调度策略不断做出调整,有效减少数据传输的延迟,提高了数据中台的资源使用效率。
-
公开(公告)号:CN117828820A
公开(公告)日:2024-04-05
申请号:CN202311587151.7
申请日:2023-11-24
申请人: 北京中电普华信息技术有限公司
IPC分类号: G06F30/20 , G06Q50/06 , G06F111/18
摘要: 本申请提供一种电力系统数字孪生模型库构建方法,包括:确定目标电力系统,根据所述电力系统的电力数据,通过建模软件,确定所述电力系统的数字孪生模型;根据数字孪生模型,确定逻辑业务模型;对所述逻辑业务模型和所述数字孪生模型进行逻辑连接,确定所述数字孪生模型库。本申请通过对所述逻辑业务模型和所述数字孪生模型进行逻辑连接,确定所述数字孪生模型库,从而使得模型库通过数据驱动可以实时更新模型属性并调整模型间的业务关系,从而支撑大型复杂电力数字孪生业务场景,可以有效降低人工干预的影响。
-
公开(公告)号:CN115563551A
公开(公告)日:2023-01-03
申请号:CN202211397865.7
申请日:2022-11-09
申请人: 北京中电普华信息技术有限公司
IPC分类号: G06F18/2413 , G06F18/214 , G06N3/0464 , G06N3/094 , G06F16/28
摘要: 本申请公开了一种数据处理方法及其相关产品。该方法包括:从未标记数据集中确定信息量最大的结构化数据作为目标样本,并进行标记;未标记数据集中包括多个未被标记的结构化数据;对已标记的目标样本进行分析处理,生成与已标记的目标样本具有相同标记信息的新的样本;以新的样本更新用于训练结构化数据检测模型的已标记数据集;已标记数据集中包括多个已标记的结构化数据。如此,通过选取信息量最大的结构化数据作为目标样本进行标记,而非对未标记数据集中的所有样本均进行标记,可以节约标记数据的资源。并且,新的样本与目标样本具有相同标记信息,以新的样本扩充已标记数据集,可以进一步减少标记数据的计算资源和人力资源。
-
-
-
-
-