-
公开(公告)号：CN118631494A
公开(公告)日：2024-09-10
申请号：CN202410621413.5
申请日：2024-05-20
申请人： 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司信息通信分公司 , 国网智能电网研究院有限公司 , 国家电网有限公司 , 北京邮电大学
IPC分类号： H04L9/40
摘要： 一种电力数据中台的攻击溯源方法、系统、设备及介质，包括：基于预先确定的高风险用户利用鲁汶社区检测算法划分为若干社区；对各社区利用任一节点的直接连接数、任一节点到其它节点的平均距离、任一节点在其它节点对之间最短路径上出现的频率和任一节点及其相邻节点的重要性，确定各社区的中心重点用户作为攻击风险用户；其中，鲁汶社区检测算法基于合谋概率、合谋次数、合谋的时间间隔及相关数据的敏感等级识别高风险用户中的社区结构并划分；利用社群检测技术可以实时追踪用户的行为，捕捉潜在威胁；根据中心性度量计算从电力数据网络中挖掘出关键用户，识别潜在风险并提升数据中台的数据安全性；利用贝叶斯网络模型计算和评估用户的风险水平。
-
公开(公告)号：CN112686292A
公开(公告)日：2021-04-20
申请号：CN202011558713.1
申请日：2020-12-25
申请人： 国网辽宁省电力有限公司信息通信分公司 , 国网辽宁省电力有限公司 , 国家电网有限公司
摘要： 本发明是一种基于图注意力网络的电力网络拓扑辨识方法，其特点是：基于图数据，整合图数据的内部关联关系，经过知识推理对网络拓扑进行辨识。首先根据电网信息数据梳理描述线路的特征量；其次基于图注意力网络方法，考虑节点、线路之间的相关关系，加权聚合特征量，进而对线路进行归类，判定线路的开断状态；最后结合邻接矩阵和线路归类判定生成电力网络拓扑，实现拓扑辨识。其方法科学合理，适用性强，拓扑辨识精度高，效果佳，具有很好的工程应用价值。
-
公开(公告)号：CN116303918A
公开(公告)日：2023-06-23
申请号：CN202211415276.7
申请日：2022-11-11
申请人： 国网辽宁省电力有限公司信息通信分公司 , 国家电网有限公司
IPC分类号： G06F16/332 , G06F16/36 , G06F40/242 , G06N3/0442 , G06N3/08
摘要： 本发明提供了一种基于电力与融合领域的知识图谱问答推理方法及系统，方法包括：基于提出的问题，识别问题中的主题实体和生成问题的依存句法树，基于知识图谱和主题实体获取子图及答案候选集；将依存句法树转化为层次结构图，通过图神经网络模型使问题嵌入q中融入依存信息，通过层次结构图获取问题的分词的层次权重；基于问题嵌入q和层次权重，获取推理步的推理指令向量，基于推理指令向量和子图的关系嵌入进行打分，重复多次推理步后，通过打分函数获取最高分数的答案候选集中的候选实体作为最终答案。层次权重提高了每个推理步识别正确关系的准确率，增强了问答的准确性，过滤掉不重要的子图节点，有效的排除了干扰信息。
-
公开(公告)号：CN115878732A
公开(公告)日：2023-03-31
申请号：CN202211453781.0
申请日：2022-11-21
申请人： 国网辽宁省电力有限公司信息通信分公司 , 国家电网有限公司
摘要： 本发明公开了一种面向云业务运行日志的关联关系分析方法，包括获取云业务的历史运行数据；判断获取的故障日志信息是否存在于已有的运行日志关联关系数据库中，得到运行日志关联关系；若存在，则利用关联关系的及时性从众多的故障中确定故障源；否则，利用故障日志之间的相似性和对应的关联关系确定故障源；根据确定的故障源，将业务实例对应的关联关系实时更新至运行日志关联关系数据库中。本发明记录并更新面向云业务运行日志关联关系数据库，从而可以及时从众多的故障中找到故障源，为云业务中复杂故障处置智能辅助决策提高支撑。
-
公开(公告)号：CN113869556A
公开(公告)日：2021-12-31
申请号：CN202111020639.2
申请日：2021-09-01
申请人： 国家电网有限公司 , 国网辽宁省电力有限公司信息通信分公司
发明人： 王浩淼 , 顾海林 , 关艳 , 田浩杰 , 王志斌 , 高曦莹 , 胡楠 , 胡畔 , 冉冉 , 薄珏 , 白亮 , 胡非 , 曲睿婷 , 齐俊 , 夏雨 , 刘育博 , 高强 , 刘晓强 , 刘祉成 , 张戈 , 邢子墨 , 黄梦彤 , 教传明 , 张福良 , 姜博宇 , 钟瑞
摘要： 本发明提供了一种用电量预测方法、装置及设备。所述方法包括设定提前阶数，获取提前阶数内的用电量数据和影响因素数据，并按照时间序列形成训练数据集；对训练数据集进行模态分解，得到若干个内涵模态分量和一个残差项，并进行数据标准化；将数据标准化后的若干个内涵模态分量区分为高频分量和低频分量；对高频分量和低频分量分别建立预测模型，得到各个分量的预测结果，集成各个分量的预测结果，进行数据标准化逆变换，得到目标时间的用电量预测结果。以此方式，可以充分利用极限提升树对高频复杂分量具有较好适用性以及岭回归对低频平稳分量具有较好适用性的特性，使数据多元化，预测过程高效，预测数据更准确。
-
公开(公告)号：CN113887871A
公开(公告)日：2022-01-04
申请号：CN202111022089.8
申请日：2021-09-01
申请人： 国家电网有限公司 , 国网辽宁省电力有限公司信息通信分公司
发明人： 顾海林 , 胡楠 , 胡畔 , 冉冉 , 薄珏 , 白亮 , 胡非 , 曲睿婷 , 齐俊 , 夏雨 , 刘育博 , 高强 , 刘晓强 , 刘祉成 , 张戈 , 邢子墨 , 黄梦彤 , 教传明 , 张福良 , 姜博宇 , 钟瑞
摘要： 本发明的实施例提供了一种电力需求响应调整方法、装置及设备。所述方法包括获取用电方在下一用电周期的预计用电数据；获取所述售电方在下一用电周期的预计电价数据和预计售电量数据，发送至供电方，使供电方输出最优激励率；根据最优激励率对所述预计电价数据进行周期性调整，将调整后的电价发送至用电方，使用电方进行购电量决策。以此方式，使得各售电方在每天用电低谷时段轮流获得激励，从而将用户的高耗能用电负荷分摊至日内各低谷时段；售电方制定最优的价格策略，从而促进用电方根据分时电价和自身的生产计划，调节其用电行为，激励高能耗企业提升能源使用效率，可有效降低供电网络负荷波动，提升电网可靠性水平。
-
公开(公告)号：CN115456842A
公开(公告)日：2022-12-09
申请号：CN202211113688.5
申请日：2022-09-14
申请人： 国网辽宁省电力有限公司信息通信分公司 , 国家电网有限公司
摘要： 本发明属于联邦学习技术领域，提供了一种联邦学习框架下的应急方案生成方法，包括如下步骤，采集本地历史应急案例数据，对应急案例数据进行预处理存储形成训练数据集；接受中心服务器发送的训练指令，基于各自训练数据集协同训练K均值聚类模型；接受中心服务器发送的目标案例的特征值向量，利用训练后的K均值聚类模型提取本地历史案例应急方案并按照相似度排序发送至中心服务器。本发明引入基于案例推理的技术，通过判断目前要解决的目标案例问题与历史案例具有的相似性，根据历史应急案例采取的应急方案来制定现在目标应急案例的应急方案，使应急案例更准确。
-
公开(公告)号：CN114330587A
公开(公告)日：2022-04-12
申请号：CN202210001509.2
申请日：2022-01-04
申请人： 国网辽宁省电力有限公司信息通信分公司 , 国家电网有限公司
摘要： 本发明提供了一种特定指标下的两阶段联邦学习激励方法，包括如下步骤：接受平台服务器发布的平台模型精度提升任务指标；根据平台服务器发布的模型精度提升目标制定学习策略；基于上述学习策略训练获取平台服务器的总奖励额；获得平台服务器基于对平台模型精度值提升贡献占比分配的奖励额。本发明提出的一种在特定模型精度指标下的两阶段联邦学习激励机制，可以更加同实际相结合，降低了不必要的成本浪费，而且从数据质量与数据数量的角度设计的激励机制更加全面、科学，系统性地提高了联邦学习的训练效率。
-
公开(公告)号：CN115470854A
公开(公告)日：2022-12-13
申请号：CN202211121417.4
申请日：2022-09-15
申请人： 国网辽宁省电力有限公司信息通信分公司 , 东北大学 , 国家电网有限公司
摘要： 本发明公开了一种信息系统故障分类方法及分类系统，其中，所述分类方法包括如下步骤：获取系统历史提示信息数据集；从所述系统历史提示信息数据集中获得多个子数据集；利用BERT深度学习网络对所述多个子数据集中进行模型训练、验证和测试，对应得到多个训练好的BERT卷积神经网络模型；利用所述多个模型得到级联网络；利用所述级联网络对故障进行分类。该信息系统故障分类方法及分类系统，实现了分级分类的效果，分类的准确性高、分类效率高。
-
公开(公告)号：CN115456279A
公开(公告)日：2022-12-09
申请号：CN202211125090.8
申请日：2022-09-13
申请人： 国网辽宁省电力有限公司信息通信分公司 , 国家电网有限公司
摘要： 本发明提供了一种基于长短期记忆网络的工业增加值预测方法及系统，包括获取历史的工业增加值数据和工业增加值的影响因素数据，将工业增加值数据和工业增加值的影响因素数据按照时间序列形成训练数集；在联邦学习框架下对训练数集依次进行数据标准化、平稳性检验和特征筛选，获取若干个稳态规范化最具影响力的相关变量；基于若干个稳态规范化最具影响力的相关变量，建立联邦学习框架下的长短期记忆网络预测模型，获取标准化后的目标时间的工业增加值；对标准化后的目标时间的工业增加值进行数据标准化逆变换，获取目标时间的工业增加值实际预测结果。通过平稳性检验、特征筛选和数据标准化处理，使预测过程高效安全，预测结果准确。
-
-
-
-
-
-
-
-
-
搜索结果
25 条记录 (耗时 0.069 秒)
