-
公开(公告)号：CN118822113A
公开(公告)日：2024-10-22
申请号：CN202411311401.9
申请日：2024-09-20
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京邮电大学
IPC: G06Q10/063 , G06Q50/06
Abstract: 本发明公开一种电力物联网的多源数据处理方法、装置、设备及介质，涉及电力物联网数据处理技术领域。该方法应用于电力物联网包括平台侧和边缘侧的策略层，该方法包括：通过数据分发节点接收至少一个待分发源节点的业务数据；通过数据分发节点基于各待分发源节点的业务数据确定各待分发源节点优先级，根据优先级确定目标待分发源节点集合，将各目标待分发源节点业务数据构成的目标业务数据集发送到平台侧；利用平台侧的预设神经网络提取目标业务数据集的语义特征集合，将语义特征映射为对应的码字并发送至对应的目标节点，其中任意两个语义特征的关联度满足预设条件时，被映射为同一个码字。有效的提升了数据的处理效率。
-
公开(公告)号：CN119862951A
公开(公告)日：2025-04-22
申请号：CN202411925532.6
申请日：2024-12-25
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京邮电大学
Abstract: 本发明公开了一种电力物联终端智能运维方法、装置、存储介质和程序产品，涉及电网技术领域，该方法为：获取终端设备的状态检测数据以及中心服务器下发的知识图谱生成模型；基于状态检测数据对知识图谱生成模型进行训练，并获取知识图谱生成模型在训练过程的损失函数梯度数据；将损失函数梯度数据上传到中心服务器，以使中心服务器基于损失函数梯度数据训练全局知识图谱生成模型；获取终端设备的实时运行数据，并上传到中心服务器，以通过全局知识图谱生成模型确定实时运行数据对应的异常状态检测结果以及电力物联终端状态运维知识图谱。本发明提高了电力物联终端异常状态检测的准确性，提升了电力物联终端智能运维的效率。
-
公开(公告)号：CN117336295A
公开(公告)日：2024-01-02
申请号：CN202311300377.4
申请日：2023-10-09
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京邮电大学
Inventor： 夏元轶 , 滕昌志 , 曾锃 , 缪巍巍 , 张瑞 , 肖茂然 , 张明轩 , 李世豪 , 洪涛 , 余益团 , 张震 , 李成原 , 王琴 , 赵海涛 , 夏文超 , 倪艺洋 , 徐波
Abstract: 本发明公开了一种基于Flink的网关任务处理系统和方法。包括：总控设备用于基于所部署的Flink将用户所上传的待处理网关任务发送给边缘网关服务器；边缘网关服务器用于基于所部署的Flink根据待处理网关任务进行数据采集和资源分类以获取目标网关数据，根据目标网关数据进行任务处理能力评估，根据评估结果获取边缘网关服务器任务处理结果；总控设备用于当确定识别结果中包含任务未完成指示时，则将待处理网关任务发送给协助集群，并将协助集群的反馈结果作为最终任务执行结果反馈给用户。通过部署有Flink的总控设备、边缘网关服务器以及协助集群之间的协同工作，能够针对用户所上传的待处理网关任务高效准确的获取执行结果，并反馈给任务提交用户。
-
公开(公告)号：CN118822113B
公开(公告)日：2024-12-17
申请号：CN202411311401.9
申请日：2024-09-20
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京邮电大学
IPC: G06Q10/063 , G06Q50/06
Abstract: 本发明公开一种电力物联网的多源数据处理方法、装置、设备及介质，涉及电力物联网数据处理技术领域。该方法应用于电力物联网包括平台侧和边缘侧的策略层，该方法包括：通过数据分发节点接收至少一个待分发源节点的业务数据；通过数据分发节点基于各待分发源节点的业务数据确定各待分发源节点优先级，根据优先级确定目标待分发源节点集合，将各目标待分发源节点业务数据构成的目标业务数据集发送到平台侧；利用平台侧的预设神经网络提取目标业务数据集的语义特征集合，将语义特征映射为对应的码字并发送至对应的目标节点，其中任意两个语义特征的关联度满足预设条件时，被映射为同一个码字。有效的提升了数据的处理效率。
-
公开(公告)号：CN118114839A
公开(公告)日：2024-05-31
申请号：CN202410427892.7
申请日：2024-04-10
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京邮电大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种电力物联设备运行数据预测模型训练方法、态势预测方法、装置、设备及介质。该方法包括：采集至少两个电力物联设备的实际运行数据，作为运行数据样本；采用TSEM技术，基于运行数据样本确定至少两个电力物联设备间的时间序列特征和至少两个电力物联设备间的空间相关性特征；根据运行数据样本、时间序列特征和空间相关性特征训练得到运行数据预测模型。本方案采用TSEM技术捕捉电力物联设备间的时间序列特征和空间相关性特征，为训练高可靠性的运行数据预测模型提供了强有力的数据支撑，有助于训练出高可靠性且高准确性的运行数据预测模型，从而有助于实现高效且准确的电力物联设备态势预测。
-
公开(公告)号：CN118631847A
公开(公告)日：2024-09-10
申请号：CN202410779325.8
申请日：2024-06-17
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京邮电大学
Inventor： 夏元轶 , 滕昌志 , 蒋承伶 , 曾锃 , 缪巍巍 , 张瑞 , 肖茂然 , 张明轩 , 洪涛 , 李世豪 , 余益团 , 张震 , 赵海涛 , 倪艺洋 , 夏文超 , 贾艺行 , 李龙泽
Abstract: 本发明公开了一种电力物联业务分布式动态调度方法、装置、设备及存储介质，包括：获取目标电力物联业务；所述目标电力物联业务中包括多个电力物联业务；基于重要程度指数对所述目标电力物联业务进行排序，获得排序结果；基于所述排序结果确定所述目标电力物联业务中各所述电力物联业务的最终优先级；根据所述最终优先级依次根据预设电力物联业务服务器资源调度模型确定各所述电力物联业务的业务资源调度策略。利用该方法；通过确定电力物联业务的优先级将业务进行排序优先处理重要业务，并在平台侧利用优化模型寻找最佳业务资源调度策略，有效提高了业务数据传输的高效性，保证了电网业务数据的高效处理与服务质量。
-
公开(公告)号：CN118312623A
公开(公告)日：2024-07-09
申请号：CN202410398771.4
申请日：2024-04-03
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京邮电大学
IPC: G06F16/36 , G06F16/35 , G06F40/295 , G06N3/0442 , G06Q10/20 , G06Q50/06 , G06N5/02
Abstract: 本发明公开了一种故障识别知识图谱的构建方法、装置、设备及存储介质。该方法包括：将历史运维数据输入实体识别模型，得到初始三元组，其中，所述初始三元组包括故障实体；根据专家评语集对每个故障实体对应的初始因素集合进行筛选，得到每个故障实体对应的目标因素集合，其中，所述专家评语集包括：预设数量的专家对每个故障实体对应的因素集合中的任意两个因素的重要性比对评分；根据所述故障实体对应的目标因素集合和所述初始三元组确定目标三元组；根据所述目标三元组构建故障识别知识图谱，通过本发明的技术方案，能够构建用于故障排查的故障识别知识图谱，进而提升故障排查的准确度。
-
公开(公告)号：CN117216714A
公开(公告)日：2023-12-12
申请号：CN202311135766.6
申请日：2023-09-04
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京邮电大学
IPC: G06F18/25 , G06F18/213 , G06F18/24
Abstract: 本发明实施例公开一种多模态数据融合处理方法、装置、设备和存储介质。该方法包括获取电力物联网中待处理原始多模态数据集；基于预设特征映射关系对各模态中每个模态目标数据对应的原始特征向量进行特征映射得到多模态增强数据集；确定多模态增强数据集中各增强模态分别对应模态内部特征之间的关系融合矩阵，并将各增强模态以及与各增强模态分别对应的关系融合矩阵进行融合得到多模态特征融合数据集；基于多模态特征融合数据集中各融合模态分别对应的初始模态特征以及神经网络模型对各融合模态进行模态间的特征融合。本发明实施例，通过上述技术方案，解决模态内和模态间的一致性和差异性问题，提高多模态数据融合处理性能以及数据融合准确度。
-
公开(公告)号：CN119539028A
公开(公告)日：2025-02-28
申请号：CN202411362878.X
申请日：2024-09-27
Applicant: 南京邮电大学
IPC: G06N3/098 , G06N3/082 , G06N3/0464
Abstract: 本发明涉及分布式学习和无线通信技术领域，特别是一种残差自适应压缩的高效通信联邦学习模型训练方法及系统。客户端获取全局模型并更新；利用本地模型内存集和更新模型权重获得本地模型残差；对残差进行自适应稀疏压缩并传输至服务器；服务器选择可靠客户端进行模型权重预测和聚合；将更新后的全局模型广播至客户端，重复上述步骤直至收敛。本发明通过自适应压缩和可靠客户端选择，显著降低了通信开销，提高了模型收敛速度和最终性能。特别适用于资源受限的边缘计算场景，有效解决了联邦学习中的通信效率、模型性能和隐私保护等关键问题，为联邦学习的广泛应用提供了新的可能性。
-
公开(公告)号：CN118972900B
公开(公告)日：2025-02-11
申请号：CN202411460580.2
申请日：2024-10-18
Applicant: 南京邮电大学 , 江苏移动信息系统集成有限公司
Abstract: 本发明公开了基于图神经网络的空天地网络流量卸载决策方法及系统，涉及通信网络优化技术领域，包括：接收空天地一体化网络中的节点相关数据，将节点相关数据进行时间窗口划分，并进行特征提取，得到节点特征数据，其中，所述节点相关数据包括节点连接状态数据和节点间的实时流量数据；将节点特征数据输入至预先建立的图神经网络模型GNN内，通过对节点和边的特征进行编码和聚合，生成每个节点的表示向量，利用每个节点的表示向量对GNN进行训练，得到训练后的GNN；接收空天地一体化网络中的网络状态和节点特征，输入至训练后的GNN内，输出得到性能预测结果，基于性能预测结果，结合多目标优化技术，从而实现网络整体的流量最佳卸载。
