-
公开(公告)号：CN105872068A
公开(公告)日：2016-08-17
申请号：CN201610273953.4
申请日：2016-04-28
申请人： 国网浙江省电力公司信息通信分公司 , 国家电网公司 , 国网浙江省电力公司
CPC分类号： H04L67/10 , G06F8/60 , G06F8/70 , G06N5/00 , G06N5/04 , G06Q10/06311 , G06Q50/06 , H04L67/1097
摘要： 本发明的目的在于提供一种云平台以及基于该云平台的运检方法，通过软硬件结合的方式，提供一种高效的服务平台以及配套的业务流程来克服现有技术中工作效率低的问题。为了实现所述目的，本发明一种云平台，至少包括计算、网络、存储功能模块，还包括运维自动化配套功能模块，以及展示交互UI，所述云平台至少还带有一个具备自我学习的知识库模块以及能够根据知识库模块的定义要求，自动调度指定处理脚本，并进行相应的结果处理和通知、保存的自动处理模块。通过这样的设置，本发明基于云的自动化运检方法提供一个可自我学习的硬件平台，并且能一定程度上进行自动管理的智能化平台。并且基于该平台设计服务流程。
-
公开(公告)号：CN107402981B
公开(公告)日：2023-07-18
申请号：CN201710549726.4
申请日：2017-07-07
申请人： 国网浙江省电力公司信息通信分公司 , 国网浙江省电力公司
摘要： 本发明旨在提供种基于分布式离线数据库的数据增量处理方法及系统，以解决现有技术方案中因主键值变更，大数据平台在进行数据增量合并后数据出现重复的问题。包括如下步骤：获取增量数据的关键信息并写入增量变化表；获取增量数据记录表中操作状态为变更的增量数据记录作为待处理数据记录；获取待处理数据记录中更新前主键和更新后主键不相等的记录作为待拆分数据记录；将待拆分数据记录拆分为操作状态为删除的数据记录和拆分为操作状态为添加的数据记录；根据增量变化表进行数据增量合并。有益技术效果：防止数据因为主键变更而出现重复。
-
公开(公告)号：CN107436924A
公开(公告)日：2017-12-05
申请号：CN201710549733.4
申请日：2017-07-07
申请人： 国网浙江省电力公司信息通信分公司 , 国网浙江省电力公司
IPC分类号： G06F17/30
CPC分类号： G06F17/30557
摘要： 本发明旨在提供一种基于海量大数据平台的实时数据接入质量监测方法，以解决现有技术方案中没有检测方法可以对数据接入质量进行检测。包括：实时监控大数据平台与数据源端，当数据源端发送数据给大数据平台时，进行如下步骤：根据大数据平台从数据源端接收的数据计算获得大数据平台接收数据的数据条数作为接收量；获取由数据源端统计的发送数据的数据条数作为对比量；根据接收量与对比量计算获得实际数据漏点率；根据实际数据漏点率与预设的数据漏点率阈值判断是否进行报警。有益效果：根据数据源端统计的数据条数与大数据平台获取的数据条数进行比较，进而得出实际数据漏点率，并根据实际数据漏点率进行预警，进而实现对数据接入质量的监测。
-
公开(公告)号：CN107402981A
公开(公告)日：2017-11-28
申请号：CN201710549726.4
申请日：2017-07-07
申请人： 国网浙江省电力公司信息通信分公司 , 国网浙江省电力公司
IPC分类号： G06F17/30
CPC分类号： G06F17/30575 , G06F17/30374
摘要： 本发明旨在提供种基于分布式离线数据库的数据增量处理方法及系统，以解决现有技术方案中因主键值变更，大数据平台在进行数据增量合并后数据出现重复的问题。包括如下步骤：获取增量数据的关键信息并写入增量变化表；获取增量数据记录表中操作状态为变更的增量数据记录作为待处理数据记录；获取待处理数据记录中更新前主键和更新后主键不相等的记录作为待拆分数据记录；将待拆分数据记录拆分为操作状态为删除的数据记录和拆分为操作状态为添加的数据记录；根据增量变化表进行数据增量合并。有益技术效果：防止数据因为主键变更而出现重复。
-
公开(公告)号：CN107977737B
公开(公告)日：2021-06-08
申请号：CN201711152207.0
申请日：2017-11-19
申请人： 国网浙江省电力公司信息通信分公司 , 浙江华云信息科技有限公司
摘要： 本发明公开了基于mxnet框架深度神经网络的配变负荷预测方法，涉及配变负荷预测方法。目前没有统一的方法对配变进行刻画和描述，工作人员无法对配变进行全面了解，不能精准的预测负荷变化趋势。本发明包括下步骤：获取系统内部数据和外部数据；对获取的数据进行提炼，获取负荷相关指标数据和历史负荷数据；以台区为单位，通过最优组合预测模型、人工神经网络算法，分别拟合负荷中长期负荷预测模型及短期负荷预测模型；针对负荷预测结果及指标维度，提炼与负荷相关的标签体系，构建台区画像视图；通过人机界面显示。本技术方案建立负荷预测评估模型，监测负荷波动，实现预测的连续性，掌握公变重要特性‑负荷动态变化过程，能精准的预测负荷变化趋势。
-
公开(公告)号：CN108108223B
公开(公告)日：2022-05-24
申请号：CN201711241427.0
申请日：2017-11-30
申请人： 国网浙江省电力公司信息通信分公司 , 浙江华云信息科技有限公司 , 杭州才云科技有限公司
摘要： 本发明公开了基于Kubernetes的容器管理平台，包括：用于操作的管理界面，其基于Oauth2.0协议与统一权限管理系统对接，以使得用户通过所述管理界面访问并管理所述统一权限管理系统；容器云平台，用于在阿里云的环境下部署Kubernetes集群，以使得用户通过所述管理界面访问所述Kubernetes集群的资源。本发明可以通过统一的平台来管理底层阿里云资源和容器资源，并通过平台与统一权限管理系统的联系进行用户信息的管理。
-
公开(公告)号：CN108108223A
公开(公告)日：2018-06-01
申请号：CN201711241427.0
申请日：2017-11-30
申请人： 国网浙江省电力公司信息通信分公司 , 浙江华云信息科技有限公司 , 杭州才云科技有限公司
摘要： 本发明公开了基于Kubernetes的容器管理平台，包括：用于操作的管理界面，其基于Oauth2.0协议与统一权限管理系统对接，以使得用户通过所述管理界面访问并管理所述统一权限管理系统；容器云平台，用于在阿里云的环境下部署Kubernetes集群，以使得用户通过所述管理界面访问所述Kubernetes集群的资源。本发明可以通过统一的平台来管理底层阿里云资源和容器资源，并通过平台与统一权限管理系统的联系进行用户信息的管理。
-
公开(公告)号：CN107977737A
公开(公告)日：2018-05-01
申请号：CN201711152207.0
申请日：2017-11-19
申请人： 国网浙江省电力公司信息通信分公司 , 浙江华云信息科技有限公司
摘要： 本发明公开了基于mxnet框架深度神经网络的配变负荷预测方法，涉及配变负荷预测方法。目前没有统一的方法对配变进行刻画和描述，工作人员无法对配变进行全面了解，不能精准的预测负荷变化趋势。本发明包括下步骤：获取系统内部数据和外部数据；对获取的数据进行提炼，获取负荷相关指标数据和历史负荷数据；以台区为单位，通过最优组合预测模型、人工神经网络算法，分别拟合负荷中长期负荷预测模型及短期负荷预测模型；针对负荷预测结果及指标维度，提炼与负荷相关的标签体系，构建台区画像视图；通过人机界面显示。本技术方案建立负荷预测评估模型，监测负荷波动，实现预测的连续性，掌握公变重要特性-负荷动态变化过程，能精准的预测负荷变化趋势。
-
公开(公告)号：CN204557577U
公开(公告)日：2015-08-12
申请号：CN201520254673.X
申请日：2015-04-23
申请人： 国家电网公司 , 国网浙江省电力公司 , 国网浙江省电力公司信息通信分公司
摘要： 本实用新型的目的在于解决现有所存在的问题，找到一种设有硬盘固定架的基于IEC 61968和企业服务总线的配电网信息系统，使其便于添加硬盘。为了实现目的，本实用新型一种基于IEC 61968和企业服务总线的配电网信息系统，包括服务器，服务器上设有硬盘固定架，硬盘固定架包括横板，横板右侧下端连接有与其垂直的竖板，竖板上设有贯穿竖板左右端的第一螺孔，横板上端固定有吸盘。通过实施本实用新型可以取得以下有益技术效果：可以通过两个或两个以上固定架配合与固态硬盘连接固定，并通过固定架上的吸盘与机箱连接，不但连接方便，而且散热效果好。
-
公开(公告)号：CN103714124B
公开(公告)日：2017-04-26
申请号：CN201310671734.8
申请日：2013-12-10
IPC分类号： G06F17/30
摘要： 本发明的目的是克服现有技术的偏见，设计一套科学的超大规模低压数据处理方法，利用现有的网络构架，更便于数据的存储和检索，并且能及时分析其中的异常数据。在整个系统运行过程中也避免数据的遗漏。本发明超大规模低压数据处理方法所采用的技术方案是：所述整个数据库在宿主主机上存储在一个单一的文件中，在内存中创建低压电网数据的缓存，电网数据的缓存按操作人员的所属运行单位建立，形成整个低压电网的子集等步骤。本发明属于对传统技术的一种改良，通过本发明所述的超大规模低压数据处理方法能有效设置最小计算单元，通过设置格网型空间索引结合R树索引的方式，极大地提高了索引的效率，减少了计算量。
-
-
-
-
-
-
-
-
-
搜索结果
29 条记录 (耗时 0.065 秒)
