-
公开(公告)号：CN111309871B
公开(公告)日：2024-01-30
申请号：CN202010220922.9
申请日：2020-03-26
申请人： 普华讯光(北京)科技有限公司 , 国网冀北电力有限公司计量中心
IPC分类号： G06F16/33 , G06F16/35 , G06F40/30 , G06N3/0455 , G06N3/0442 , G06N3/096
摘要： 本发明公开了一种基于文本语义分析需求与输出成果之间匹配度的方法，包括以下步骤：步骤1.数据集标注；步骤2.技术文档预处理；步骤3.单参数模型训练及预测；步骤4.多参数模型预测结果集成；本发明的有益效果：首次将深度学习与NLP技术应用于企业项目管理的项目关联度计算领域，根据项目需求及成果描述计算两个项目之间的关联匹配度，有效降低了关联项目定位的难度，同时也可以帮助需求方快速、高效地定位适配自己需求的优质项目，大幅度缩减用于成果筛选匹配方面的时间及资源投入，凭借已有项目成果技术文档与项目申报指南的文本数据计算项目之间的关联匹配程度，进而辅助大型企业在项目招投标环节中筛选高匹配度的优质项目。
-
公开(公告)号：CN110110737A
公开(公告)日：2019-08-09
申请号：CN201910204451.X
申请日：2019-03-18
申请人： 普华讯光(北京)科技有限公司
摘要： 本发明涉及企业运营技术领域，尤其涉及一种基于用电数据的企业生命周期阶段识别方法及识别系统。该方法包括以下步骤：步骤S1、采集目标行业的用电量数据及该目标行业内多个企业的用电数据；步骤S2、确定企业的生命周期类型；步骤S3、构建企业特征；步骤S4、对生命周期类型为成熟期和衰退期的企业进行过采样处理，得到企业训练样本集；步骤S5、根据企业训练样本集对梯度提升决策树模型进行代价敏感改造，得到企业生命周期阶段识别模型。本发明以目标行业及企业公开的用电数据为基础，得到企业生命周期阶段识别模型，将企业的企业特征输入该模型中，就能得到该企业的生命周期阶段，具有易于实现和准确率高的优点。
-
公开(公告)号：CN106740202A
公开(公告)日：2017-05-31
申请号：CN201611189801.2
申请日：2016-12-21
申请人： 国网冀北电力有限公司电力科学研究院 , 华北电力科学研究院有限责任公司 , 国网冀北电力有限公司承德供电公司 , 普华讯光(北京)科技有限公司 , 国家电网公司
IPC分类号： B60L11/18
CPC分类号： B60L11/1842
摘要： 本发明提供了一种充电、馈电一体化的V2G电动汽车充电系统，其中，系统包括：多个充电桩(10)；直流母线(20)，用于为电动汽车(V)提供电能；多个第一双向逆变器(30)，设置于充电桩(10)和直流母线(20)之间，用于将直流母线(20)上的电能传送给充电桩(10)以便给电动汽车(V)充电，或者将充电桩(10)上电动汽车(V)的电能传送给直流母线(20)；第二双向逆变器(40)，设置于直流母线(20)与公共电网(E)之间，用于将公共电网(E)上的电能传送给直流母线(20)，或者将直流母线(20)上的电能传送给公共电网(E)。本发明可以实现公共电网对电动汽车充电，以及电动汽车对公共电网馈电，平衡电网负载需求。
-
公开(公告)号：CN105205531A
公开(公告)日：2015-12-30
申请号：CN201410305888.X
申请日：2014-06-30
申请人： 国家电网公司 , 国网冀北电力有限公司电力科学研究院 , 普华讯光(北京)科技有限公司
发明人： 张艳丽 , 孙志杰 , 介志毅 , 傅军 , 王莉 , 谢枫 , 张凌宇 , 程杰 , 陈洪涛 , 牛逸宁 , 刘同新 , 徐剑 , 李守超 , 高小博 , 闫东泽 , 赵玉妲 , 兰得志 , 贾喜涛
摘要： 本发明涉及一种基于机器学习的反窃电预测方法及装置，其中，所述方法包括：获取学习样本数据和预测样本数据；其中，所述学习样本数据包括：窃电特征因子、用户编号、电压等级、行业类别和所属线路，所述预测样本数据包括：窃电特征因子、用户编号、电压等级、行业类别和所属线路；对所述学习样本数据和所述预测样本数据进行预处理；对预处理后的学习样本数据确定反窃电神经网络模型；将所述预测样本数据作为所述反窃电神经网络模型的输入量，运行所述反窃电神经网络模型，输出每个用户的窃电嫌疑系数；根据所述窃电嫌疑系数预测窃电嫌疑户。
-
公开(公告)号：CN109934371A
公开(公告)日：2019-06-25
申请号：CN201711364767.2
申请日：2017-12-18
申请人： 普华讯光(北京)科技有限公司
摘要： 本发明涉及一种基于用电数据对企业进行偿付能力风险识别和预测的方法，所述方法包括：(1)9类用电业务数据的清洗和治理；(2)14项自变量指标数据的构建和标准化；(3)基于探索性因子分析技术的数据降维和特征提取；(4)利用缴费数据构造出反映企业偿付能力的响应变量；(5)利用集成机器学习模型进行二分类问题的模式识别和预测；(6)模型的参数调优策略。本发明为售电市场放开下的千万售电实体提供了一个评估客户风险的简化有效手段。
-
公开(公告)号：CN110348652A
公开(公告)日：2019-10-18
申请号：CN201810288389.2
申请日：2018-04-03
申请人： 普华讯光(北京)科技有限公司
摘要： 本发明涉及一种配电室运行健康度的量化评估方法，为了有效地指导配电室的智能化运维而设计。本发明所述的方法包括：配电室运行指标数据的sigmoid函数映射，作为数据的预处理；基于层次分析法计算指标的主观权重；基于熵权法计算指标的客观权重；基于层次分析法和熵权法计算指标的综合权重；计算各评价对象到指标最优解、最劣解的距离；计算各评价对象的相对贴近度，即指标评价矩阵；基于指标综合权重和指标评价矩阵，计算配电室运行健康度综合评分。本发明能够有效地对配电室运行状态进行监测、评价，指导配电室运维工作，提高供电质量和供电可靠性。
-
公开(公告)号：CN110033147A
公开(公告)日：2019-07-19
申请号：CN201810026055.8
申请日：2018-01-11
申请人： 普华讯光(北京)科技有限公司
摘要： 本发明涉及一种基于电网量测数据的台区健康度检测方法，包括：获取电网量测过程中的采集、线损、费控、设备四项监控项目的若干二级指标数据，所述二级指标数据包括户表级指标数据、台区级指标数据；基于所述的二级指标数据，利用预设的各二级指标对应的评分模型，得到台区内户表的各二级指标的得分；预设各户表级指标数据的权重，台区内各户表的户表级指标数据的得分分别进行加权运算，得到各户表的综合评分；筛选出户表综合评分低于预定评分阈值的户表；采用频繁项集挖掘算法找出各个户表的用户级指标的频繁项集和关联项集。
-
公开(公告)号：CN107742135A
公开(公告)日：2018-02-27
申请号：CN201610485950.7
申请日：2016-06-28
申请人： 国网冀北电力有限公司物资分公司 , 国家电网公司 , 普华讯光(北京)科技有限公司
IPC分类号： G06K17/00
CPC分类号： G06K17/0032
摘要： 本发明提供一种箱式批量射频识别系统，包括驱动器、读写器、控制机、电子标签、滑动模组、存储芯片以及显示屏；驱动器分别连接滑动模组和控制机，滑动模组用于移送和定位标识产品；存储芯片设置于读写器内，并用于获取电子标签的信息；控制机包含中央信息系统，用于处理所述读写器发送的信息；读写器分别连接控制机和天线；显示屏连接所述控制机，并用于显示电子标签的信息签；通过采用以上技术方案，能够提高产品的批量标签识别效率；保持识别的准确性，避免误读现象，以达到提高运输功效；同时本发明提供的方案识别稳定性较好，降低标识的成本和劳动力。
-
公开(公告)号：CN106302605A
公开(公告)日：2017-01-04
申请号：CN201510307449.7
申请日：2015-06-08
申请人： 普华讯光(北京)科技有限公司
CPC分类号： H04L65/1066 , H04L67/06
摘要： 本发明基于Openfire服务器的实时消息转发系统及实现方法，所述系统包括Openfire服务器、管理子系统、终端开发包和文件服务器四个部分。Openfire服务器用来和终端建立连接，并对终端进行安全认证，同时接收和转发消息。管理子系统主要对整个系统进行管控，包括设备管理模块、应用管理模块、安全认证模块、接口管理模块、日志管理模块和终端监控模块。终端开发包用来和Openfire服务器进行交互，可接收和发送消息，并上传下载附件。文件服务器用来保存终端上传的附件文件,并提供给终端设备下载文件的服务。本发明实现了能够保证消息转发可靠性的机制，极大地提高了业务的可靠性。
-
公开(公告)号：CN106157166A
公开(公告)日：2016-11-23
申请号：CN201510172080.3
申请日：2015-04-13
IPC分类号： G06Q50/06
摘要： 本发明智能化供电采集服务系统，包括通讯连接的后台业务子系统、移动采集智能处理装置，其中所述后台业务子系统，用于接收所述移动采集智能处理装置的反馈数据，生成数据库，基于所述数据库对相关数据进行整理、汇总、统计和分析，以及制定现场采集计划、工单任务，将所述的现场采集计划、工单任务发送至相应的移动采集智能处理装置；所述移动终端，基于所述的现场采集计划、工单任务实时获取采集数据，进行数据处理把数据实时传输到后台业务子系统。
-
-
-
-
-
-
-
-
-
搜索结果
31 条记录 (耗时 0.035 秒)
