-
公开(公告)号:CN116645978A
公开(公告)日:2023-08-25
申请号:CN202310735303.7
申请日:2023-06-20
Applicant: 方心科技股份有限公司
IPC: G10L25/51 , G10L25/24 , G10L25/30 , G06F18/214
Abstract: 本发明公开了一种基于超算并行环境的电力故障声类别增量学习系统及方法,电力故障声类别增量学习系统采用可扩展的网络架构包括音频预处理器、特征提取器、权重生成器和分类器,音频预处理器用于将电力故障声的音频信号进行数据增广并转换为梅尔谱图;特征提取器用于提取梅尔谱图中的高层语义特征,每次增加新的类别,系统中就增加一个特征提取器;权重生成器用于针对不同特征提取器生产的特征图,计算出不同的权重,对各特征图乘以对应权重后再进行拼接;分类器由多层全连接层构成,用于根据特征图给出电力故障声类别判断。本发明使得系统可以同时识别旧类别和新增类别;使得各个特征图的组合更加合理。
-
公开(公告)号:CN117234883B
公开(公告)日:2024-06-04
申请号:CN202311286576.4
申请日:2023-10-07
Applicant: 方心科技股份有限公司
Abstract: 本发明公开了一种电力业务应用的性能评估方法及系统,通过构建电力业务应用在ARM架构平台上资源占用量化评价指标体系;归纳分析ARM架构平台上不同计算资源的关键指标,整理分析采集的数据;不同计算资源的关键指标包括CPU计算资源的关键指标、内存资源的关键指标、存储资源的关键指标和网络带宽资源的关键指标,采集的数据指对不同计算资源的关键指标的重要程度进行对比打分;构造比较判断矩阵,计算各层权重结果,并进行一致性检验,若一致性检验不通过则重新归纳分析关键指标,整理分析采集的数据;若一致性检验通过则构造应用类型的指标权重函数,判断应用类型。本发明可有效指导电力业务应用向国产化自主可控超算平台的迁移。
-
公开(公告)号:CN117370135B
公开(公告)日:2024-04-02
申请号:CN202311352512.X
申请日:2023-10-18
Applicant: 方心科技股份有限公司
Abstract: 本发明公开了一种基于电力应用弹性测试的超算平台性能评测方法及系统,通过在超算平台上创建docker虚拟容器;初始化配置docker虚拟容器的物理硬件资源,并运行docker虚拟容器;在docker虚拟容器中安装电力应用软件和性能评测软件;运行docker虚拟容器中的电力应用软件,并通过性能评测软件获取docker虚拟容器中各类硬件资源的使用情况,找出其中的瓶颈资源和过剩资源;判断各类资源的使用情况是否趋于均衡;如果各类资源的使用情况趋于平衡时,则根据均衡时各类硬件资源的配置,通过硬件资源预估算法求出电力应用对各类硬件资源的需求。本发明增加了超算平台性能评测方法的灵活性。
-
公开(公告)号:CN117194546A
公开(公告)日:2023-12-08
申请号:CN202311255541.4
申请日:2023-09-26
Applicant: 方心科技股份有限公司
IPC: G06F16/25 , G06F16/27 , G06F16/2458 , G06F9/50 , G06F9/54
Abstract: 本发明公开了一种基于超算平台的并行化电力数据库集成提取方法及系统,通过收集用户任务需求,对用户任务需求中的任务进行等量划分,并将等量划分后的任务均衡分配给相应的进程进行同步处理;基于分配好的任务,获取单进程所分配到的任务;根据单进程分配到的任务的详情,在对应的子数据库中检索出对应的数据;按照预设的定时序列来对检索出的数据进行集成;与客户端建立socket连接,对集成的数据进行双向交互;轮询所有运行中的数据提取模块,一旦识别到数据提取模块完成任务时,则读取数据提取模块的处理结果;将处理结果通过网络连接迅速发送给客户端。本发明实现对大规模、复杂的电力数据的快速、高效的处理。
-
公开(公告)号:CN116431355A
公开(公告)日:2023-07-14
申请号:CN202310691660.8
申请日:2023-06-13
Applicant: 方心科技股份有限公司
Abstract: 本发明公开了一种基于电力领域超算平台的计算负载预测方法及系统,通过对收集到的超算平台历史计算负载数据集进行数据预处理,数据预处理包括数据裁剪、空值处理、数据清理和数据归一化处理;将处理好的数据进行划分,一半作为训练集,一半作为测试集;在神经网络架构搜索模型上搜索最佳神经网络模型;将重新划分的数据集在搜索到的所述最佳神经网络模型上进行训练测试。本发明大大提高了神经网络架构搜索的速度和超算平台计算负载的预测准确率;对原始数据进行了预处理并提出了健康特征并对数据进行了随机掩码和随机噪声处理,提高了数据鲁棒性,可以产生更加有意义的特征表示。
-
公开(公告)号:CN116383335A
公开(公告)日:2023-07-04
申请号:CN202310663877.8
申请日:2023-06-06
Applicant: 方心科技股份有限公司
Abstract: 本发明公开了一种面向多源异构电力数据集的集成方法与系统,通过构建局部本体;在局部本体的基础上生成电力领域本体;基于局部本体,对局部元数据进行抽取,并形成局部本体与局部元数据之间的映射关系;在电力领域本体的指导下,将局部元数据集成为全局元数据。本发明避免大量数据的存储和传输,可以极大降低数据存储和网络带宽成本;解决了由于各部门业务以及分工的不同,导致各应用系统彼此隔离,数据无法联通,产生了“信息孤岛”、数据冗余的问题,数据的价值得到充分的开发和利用。
-
公开(公告)号:CN116643844B
公开(公告)日:2024-02-06
申请号:CN202310595008.6
申请日:2023-05-24
Applicant: 方心科技股份有限公司
Abstract: 本发明公开了一种面向电力超算云资源自动扩展的智能化管理系统及方法,该系统包括中心控制模块、Prometheus服务监控和采集模块、需求分析模块、容量规划模块和Kubernetes集群,中心控制模块用于统筹各模块的工作;Prometheus服务监控和采集模块用于收集、处理和汇总服务的实时量化数据;需求分析模块用于查询可用的历史数据并检查性能质量参考指标,使用基于Transformer长序列预测模型捕获输入与输出之间的远程依赖,对未来负载进行有效预测;容量规划模块用于依据负载预测,估计在下
-
公开(公告)号:CN117435882A
公开(公告)日:2024-01-23
申请号:CN202311426920.5
申请日:2023-10-30
Applicant: 方心科技股份有限公司
IPC: G06F18/20 , G06F18/214 , G06Q50/06 , G06N3/04 , G06N3/09
Abstract: 本发明公开了一种基于ARM平台的电力用户异常行为监测方法及系统,根据目标地区的电力用户近年来的历史用电数据,构建神经网络模型的训练数据集;运用神经网络模型来实现未来用电数据预测;借助张量虚拟机,实现神经网络模型的编译;将编译完成的神经网络模型部署至ARM平台运行;接受新的用电情况和辅助信息,计算实际用电量和预测用电量的差值,当实际用电量和预测用电量的差值超过预设的电量阈值时,则表示出现用电导常情况,发出警报;收集实际用电量和预测用电量的差值在电量阈值附近的样本,并将样本提供给专家诊断系统,由专家诊断系统判断是否为异常情况,然后根据专家诊断系统的反馈来调整电量阈值。本发明能效比佳、功耗低。
-
公开(公告)号:CN116524135B
公开(公告)日:2023-09-15
申请号:CN202310817323.9
申请日:2023-07-05
Applicant: 方心科技股份有限公司
IPC: G06T17/00 , G06V10/74 , G06V10/764
Abstract: 本申请公开了一种基于图像的三维模型生成方法及系统。该三维模型生成方法包括:获取图像数据;对所述多张图像中包括的对象进行识别,并根据识别结果确定分类的图像数据;基于所述第一类型对象和所述第一类型对象对应的图像确定第一三维模型,以及基于所述第二类型对象和所述第二类型对象对应的图像确定第二三维模型;基于所述预设模型关联关系、所述第一三维模型和第二三维模型,确定目标三维模型;所述目标三维模型用于表征所述第一类型对象与所述第二类型对象之间的相对运动轨迹,以及表征不同的第二类型对象之间的相对运动轨迹。该三维模型生成方法能够提高三维模型的真实度,以及提高与真实对象之间的匹配度。
-
公开(公告)号:CN116643844A
公开(公告)日:2023-08-25
申请号:CN202310595008.6
申请日:2023-05-24
Applicant: 方心科技股份有限公司
Abstract: 本发明公开了一种面向电力超算云资源自动扩展的智能化管理系统及方法,该系统包括中心控制模块、Prometheus服务监控和采集模块、需求分析模块、容量规划模块和Kubernetes集群,中心控制模块用于统筹各模块的工作;Prometheus服务监控和采集模块用于收集、处理和汇总服务的实时量化数据;需求分析模块用于查询可用的历史数据并检查性能质量参考指标,使用基于Transformer长序列预测模型捕获输入与输出之间的远程依赖,对未来负载进行有效预测;容量规划模块用于依据负载预测,估计在下一个扩展操作中应该调配或取消调配的资源数量。本发明鲁棒性高;可有效地抑制资源扩展的抖动现象。
-
-
-
-
-
-
-
-
-