-
公开(公告)号：CN111274218A
公开(公告)日：2020-06-12
申请号：CN202010030016.2
申请日：2020-01-13
申请人： 国网浙江省电力有限公司信息通信分公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
摘要： 本发明公开了一种电力信息系统多源日志数据处理方法，包括采集日志数据，用于获取多种来源不同的日志数据，并将采集的每条日志信息扫描分割成字段序列存储到数据库中，日志数据来源包括网络设备日志，安全设备日志和系统日志；数据预处理，用于去除冗余数据获取有效数据，将网络设备日志，安全设备日志和系统日志去除冗余数据并分别存储到对应的数据库中；关联融合多源日志数据，根据采集到的网络设备日志，安全设备日志和系统日志数据库中的日志数据建立关联规则库。其中在数据预处理中，为了去除不在研究范围内的冗余数据，采用模糊聚类算法将日志数据分类，模糊聚类方法将日志数据不确定的划分到类别中，更加符合实际情况。
-
公开(公告)号：CN111259947A
公开(公告)日：2020-06-09
申请号：CN202010030009.2
申请日：2020-01-13
申请人： 国网浙江省电力有限公司信息通信分公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
摘要： 本发明公开一种基于多模态学习的电力系统故障预警方法和系统，基于电力信息系统的数据库、网络等异常的运行故障记录，进行数据库、网络异常相关联的典型数据特征的分析，构建系统日志故障特征库；基于系统的网络数据标签，针对该系统进行特征归类，构建基于分类算法的系统健康画像；基于知识库与推理机的原理，进行知识库与推理机的高速和高精度决策，通过对电力信息系统故障的关系分析，针对不同的故障类型提出处理策略；针对系统故障处理模型进行同一时间多类型故障训练，进行故障预测模型的泛化增强；进行电力信息系统的预测故障实时告警。本发明通过多模态学习等机器学习技术构建系统故障预测模型，实现系统隐患预测，提高运维效率。
-
公开(公告)号：CN111209314A
公开(公告)日：2020-05-29
申请号：CN202010029975.2
申请日：2020-01-13
申请人： 国网浙江省电力有限公司信息通信分公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC分类号： G06F16/2458 , G06F16/23 , G06F16/27 , G06F9/54
摘要： 本发明公开了一种电力信息系统海量日志数据实时处理系统，包括：接收数据模块；融合存储模块；数据加载模块，用于数据存储和数据查询过程的实时加载；实时分析处理模块，采用Storm框架技术实时计算海量数据；数据快速查询检索模块，包括查询请求获取模块，关联规则建立模块和查询结果显示模块，所述查询请求获取模块用于获取用户输入的查询关键字；所述关联规则建立模块基于Storm框架技术并行处理数据，建立数据之间的关联；所述查询结果显示模块将查询结果输出到用户端。采用Storm框架技术、HBase数据库和基于Storm框架技术的关联规则获取方法，实现海量日志数据的低延时的实时存储和查询结果获取。
-
公开(公告)号：CN112508363B
公开(公告)日：2024-08-27
申请号：CN202011338528.1
申请日：2020-11-25
申请人： 国网浙江省电力有限公司信息通信分公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC分类号： G06Q10/0639 , G06Q50/06 , G06F18/214 , G06N3/047 , G06N3/0499
摘要： 本发明公开了一种基于深度学习的电力信息系统状态分析方法及装置，包括：获取训练样本；根据信息系统状态分析结果种类对每个训练样本进行对应种类的标注，其中特征相似的训练样本采用相同标注；以训练样本和对应的标注数据作为深度学习网络的输入进行信息系统状态分析模型训练；基于训练完成的信息系统状态分析模型进行信息系统状态分析。本发明通过在标注数据时，对特征相似的训练样本采用相同标注，实现只需将所有训练样本进行特征相似性衡量，然后将特征相似的划分为一类进行相同标注，提高训练样本标注效率，同时采用深度置信网络提高了状态分析的客观性，避免了采用主客观指标权重赋权进行状态分析造成的主客观性不平衡。
-
公开(公告)号：CN112508363A
公开(公告)日：2021-03-16
申请号：CN202011338528.1
申请日：2020-11-25
申请人： 国网浙江省电力有限公司信息通信分公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
摘要： 本发明公开了一种基于深度学习的电力信息系统状态分析方法及装置，包括：获取训练样本；根据信息系统状态分析结果种类对每个训练样本进行对应种类的标注，其中特征相似的训练样本采用相同标注；以训练样本和对应的标注数据作为深度学习网络的输入进行信息系统状态分析模型训练；基于训练完成的信息系统状态分析模型进行信息系统状态分析。本发明通过在标注数据时，对特征相似的训练样本采用相同标注，实现只需将所有训练样本进行特征相似性衡量，然后将特征相似的划分为一类进行相同标注，提高训练样本标注效率，同时采用深度置信网络提高了状态分析的客观性，避免了采用主客观指标权重赋权进行状态分析造成的主客观性不平衡。
-
公开(公告)号：CN112508243A
公开(公告)日：2021-03-16
申请号：CN202011338529.6
申请日：2020-11-25
申请人： 国网浙江省电力有限公司信息通信分公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC分类号： G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F16/215 , G06F16/2458
摘要： 本发明公开了电力信息系统多故障预测网络模型的训练方法及装置，包括：获取时间序列的告警数据集，对所述告警数据集进行数据增强，得到增强的训练样本集；基于训练样本集获取用于模型训练的输入样本和与输入样本对应的目标输出样本；基于所述输入样本、目标输出样本和预设的网络模型损失函数对预设的神经网络模型进行迭代训练，获取多故障预测网络模型。本发明通过对原始数据集进行数据增强处理，实现数据特征均衡，基于数据增强后的训练样本集进行模型训练拟合得到的多故障预测网络模型具备更高的预测精度和更稳定的预测效果。
-
公开(公告)号：CN112508243B
公开(公告)日：2022-09-09
申请号：CN202011338529.6
申请日：2020-11-25
申请人： 国网浙江省电力有限公司信息通信分公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC分类号： G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F16/215 , G06F16/2458
摘要： 本发明公开了电力信息系统多故障预测网络模型的训练方法及装置，包括：获取时间序列的告警数据集，对所述告警数据集进行数据增强，得到增强的训练样本集；基于训练样本集获取用于模型训练的输入样本和与输入样本对应的目标输出样本；基于所述输入样本、目标输出样本和预设的网络模型损失函数对预设的神经网络模型进行迭代训练，获取多故障预测网络模型。本发明通过对原始数据集进行数据增强处理，实现数据特征均衡，基于数据增强后的训练样本集进行模型训练拟合得到的多故障预测网络模型具备更高的预测精度和更稳定的预测效果。(56)对比文件李艳霞.不平衡数据分类方法综述《.控制与决策》.2019,第34卷(第4期),第673-688页.Shengguo Hu，etc.MSMOTE: ImprovingClassification Performance when TrainingData is imbalanced《.2009 SecondInternational Workshop on ComputerScience and Engineering》.2009,
-
公开(公告)号：CN117592475A
公开(公告)日：2024-02-23
申请号：CN202311454391.X
申请日：2023-11-01
申请人： 国网浙江省电力有限公司信息通信分公司 , 国网浙江省电力有限公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司
IPC分类号： G06F40/295 , G06N3/0442 , G06N3/08
摘要： 本发明公开了一种实体识别方法及相关装置，所述方法包括：获取待识别文本序列；基于第一编码器和第二编码器对所述待识别文本序列进行编码，得到初始向量，其中，所述第二编码器基于提取器和预设的编码规则进行编码；将所述初始向量传递给解码器进行解码，得到目标向量；将所述目标向量作为所述待识别文本序列的预测序列。上述过程中，采用第二编码器中提取器和预设编码进行编码，不再基于词典与知识库进行编码，避免了而现有的词典覆盖有限，很多语料存在缺乏对应领域的词典的情况，实体归一化后得到的文本实体的准确性低的问题。
-
公开(公告)号：CN110912737A
公开(公告)日：2020-03-24
申请号：CN201911115628.5
申请日：2019-11-14
申请人： 国网浙江省电力有限公司信息通信分公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司
IPC分类号： H04L12/24
摘要： 本发明涉及一种基于混合模型的动态感知性能预告警方法，包括：（1）采集业务系统的性能指标数据；（2）将采集到的性能指标数据进行数据清洗并存储；（3）将处理过的性能指标数据传入混合模型，获得未来时刻的预测值；（4）若预测值在告警门限内则表示该预测值在正常范围内，否则发出性能预告警信息。本发明所述的基于混合模型的动态感知性能预告警方法，既能提取序列数据的线性趋势，又能捕捉序列数据的非线性规律，相比于单一模型，所提混合模型的拟合性更优，精度更高，进一步提高业务系统预测精度，实现了对业务系统性能状态的动态感知，从而提前发现并解决业务系统潜在的性能问题。
-
公开(公告)号：CN118298815A
公开(公告)日：2024-07-05
申请号：CN202410468800.X
申请日：2024-04-18
申请人： 国网浙江省电力有限公司信息通信分公司 , 国网浙江省电力有限公司 , 安徽继远软件有限公司 , 国网信息通信产业集团有限公司
摘要： 本申请提供了一种声学模型的训练方法及装置，该方法包括：基于Dropout算法对深度神经网络进行预训练，得到初始的深度神经网络；将语音帧训练样本输入至预先训练好的GMM‑HMM声学模型，得到GMM‑HMM声学模型确定的标注数据；根据语音帧训练样本和标注数据，对初始的深度神经网络进行训练，得到训练好的深度神经网络；基于训练好的深度神经网络确定观察概率；根据观察概率对隐马尔科夫模型进行训练。
-
-
-
-
-
-
-
-
-
搜索结果
116 条记录 (耗时 0.139 秒)
