-
公开(公告)号：CN114816814B
公开(公告)日：2025-04-11
申请号：CN202210293314.X
申请日：2022-03-23
Applicant: 北京邮电大学
IPC: G06F11/07 , G06F18/2433 , G06F18/211 , G06F18/10 , G06F18/214 , G06N5/01 , G06N20/20
Abstract: 本发明实施例提出了一种基于迁移学习的双层动态加权磁盘异常检测方法，包括：收集磁盘SMART信息并对磁盘数据集进行属性特征筛选，之后对其进行指数平滑处理得到稳定磁盘数据集，并提取出目标域磁盘数据集以及多个源域磁盘数据集；计算磁盘数据集源域样本与目标域样本的初始权重；训练各源域对应的迁移模型；加权集成各源域所得模型结果，实现对目标域磁盘的故障检测；随着目标域型号磁盘的不断运行，根据所增加新数据样本，进一步提高磁盘异常检测性能；本发明实施例提供的技术方案，能有效提高新投入磁盘的故障检测效果。
-
公开(公告)号：CN118818414A
公开(公告)日：2024-10-22
申请号：CN202411183169.5
申请日：2024-08-27
Applicant: 北京邮电大学 , 中国电力科学研究院有限公司
IPC: G01R35/04
Abstract: 本发明公开了一种基于动量更新双路重构自校正电能表异常检测方法及系统，属于电能表异常检测技术领域。本发明方法，包括：获取电能表的原始时间序列数据，并基于所述原始时间序列数据生成时间序列集；基于所述时间序列集及基于动量更新Transformer记忆模块的双路重构自校正框架，训练得到用于电能表异常检测的检测模型；基于所述检测模型，根据目标电能表的时间序列集，对所述目标电能表的异常进行检测。本发明增强了模型对正常数据的学习能力同时提高正异常的区分度，提高了异常检测的性能。
-
公开(公告)号：CN116432964A
公开(公告)日：2023-07-14
申请号：CN202310403864.7
申请日：2023-04-14
Applicant: 北京邮电大学
IPC: G06Q10/0631 , G06F17/16 , G06Q50/06
Abstract: 本发明实施例提出了一种基于收敛交叉映射的电力调度自动化系统故障溯源方法，包括：收集电力调度自动化系统故障前后的运行数据，计算组件故障前后的排列熵，根据排列熵变化量度量组件自身异常程度；计算故障前后组件间收敛交叉映射系数，构建正常状态下电力调度自动化系统的因果图，并根据因果链接变化情况求得组件全局因果关系变化程度；对正常状态下的因果图进行社区划分，在耦合紧密的社区范围内计算组件局部因果关系变化程度，然后结合组件自身异常程度、全局和局部因果关系变化程度拟合故障程度度量指标，根据故障程度排序结果定位故障根因组件。本发明实施例提供的技术方案，能够提高电力调度自动化系统故障溯源的准确性。
-
公开(公告)号：CN113112188B
公开(公告)日：2022-05-17
申请号：CN202110529491.9
申请日：2021-05-14
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于预筛选动态集成的电力调度监控数据异常检测方法，包括：使用电力调度监控历史数据训练一定数量的基检测器；使用孤立森林方法对全部基检测器进行预筛选，筛选掉性能较差的基检测器；使用集成式KNN算法从历史数据中选择与待检测数据欧式距离较小的历史数据作为验证子集；使用最大值法根据筛选后剩余的基检测器在验证子集上的输出生成验证子集的假真值，计算基检测器在验证子集上的输出与假真值的皮尔逊相关系数；使用基于直方图的基检测器选择方法根据皮尔逊相关系数选择基检测器，平均所选基检测器的输出作为待检测数据的检测结果。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
公开(公告)号：CN114399407A
公开(公告)日：2022-04-26
申请号：CN202210147086.5
申请日：2022-02-17
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于动静态选择集成的电力调度监控数据异常检测方法，包括：使用电力调度监控历史数据训练一定数量的基检测器；使用孤立森林剔除性能较差的基检测器；使用平均值法根据剩余基检测器的输出生成历史数据的假真值，并分别将假真值和基检测器的输出转换为二类标签；剔除假真值过小的历史数据，并提取基检测器在剩余历史数据上的元特征和元标签；通过元特征和元标签训练随机森林；提取基检测器在待检测数据上的元特征，将其输入随机森林，根据随机森林的输出选择基检测器，取所选基检测器的输出的最大值作为待检测数据的检测结果。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114722947B
公开(公告)日：2024-12-06
申请号：CN202210383775.6
申请日：2022-04-12
Applicant: 北京邮电大学
IPC: G06F18/214 , G06F18/2431 , G06F18/2413 , G06N20/00 , G06Q50/06
Abstract: 本发明实施例提出了一种基于近邻搜索分簇的电力调度监控数据异常检测方法，包括：将带正异常标签的电力调度监控历史数据作为训练数据集输入，通过计算样本之间的欧氏距离寻找异常样本在特征空间中的k个近邻；通过异常样本的近邻标签确定该样本是否为噪声或属于某个异常样本簇，并在该样本近邻中依次迭代搜索直到不再找到更多的属于该簇的异常样本；对分簇后的数据过滤噪声并计算每个簇中需要生成的异常样本数量，据此利用SMOTE线性插值在各个簇内合成新样本以平衡数据集；使用平衡后的数据集训练随机森林模型，以检测电力调度监控数据中的异常样本。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
公开(公告)号：CN117491939A
公开(公告)日：2024-02-02
申请号：CN202311440486.6
申请日：2023-11-01
Applicant: 北京邮电大学 , 中国电力科学研究院有限公司 , 国网山西省电力公司营销服务中心
Inventor： 高欣 , 薛冰 , 李保丰 , 翟峰 , 赵兵 , 郜波 , 秦煜 , 陈昊 , 梁晓兵 , 郑安刚 , 许斌 , 徐萌 , 冯云 , 赵英杰 , 卢建生 , 谢振刚 , 肖春 , 石智珩 , 焦广旭 , 贾勇 , 姚俊峰 , 杨子成
IPC: G01R35/04
Abstract: 本发明公开了一种基于双记忆增强自编码器的电能表异常检测方法，包括：获取待测电能表历史检测的多变量长时间序列数据；将多变量长时间序列数据划分为预设窗口长度的多个时间窗口数据；将多个时间窗口数据和其相邻时间窗口数据输入至预先训练的异常检测模型中，输出时间窗口数据对应的重构数据，其中异常检测模型采用基于双记忆增强自编码器；根据每个时间窗口数据的重构数据以及原始数据确定该时间窗口数据每个时间点的异常分数，并根据异常分数，确定待测电能表每个时间点的异常程度。
-
公开(公告)号：CN117195505A
公开(公告)日：2023-12-08
申请号：CN202311048733.8
申请日：2023-08-18
Applicant: 中国电力科学研究院有限公司 , 北京邮电大学 , 国网重庆市电力公司营销服务中心
Inventor： 刘婧 , 于海波 , 陈天阳 , 薛冰 , 高欣 , 谭煌 , 陈昊 , 陈文礼 , 李媛 , 刁新平 , 乔文俞 , 程瑛颖 , 苏宇 , 李亚杰 , 田成明 , 谷凯 , 郜波 , 郑安刚
IPC: G06F30/20 , G06F30/17 , G06Q50/06 , G01R35/04 , G06F119/02 , G06F119/06 , G06F111/08
Abstract: 本发明公开了一种用于电能表信息化评价校准模型的测评方法及系统，属于模型测评技术领域。本发明方法，包括：针对电能表信息化评价校准模型，确定与所述电能表信息化评价校准模型的模型准确度相关的测评指标和业务需求相关的测评指标；基于层次分析法，根据所述模型准确度相关的测评指标和所述业务需求相关的测评指标，构建用于所述电能表信息化评价校准模型测评的关键指标体系；利用多重假设检验方法对多个工况下的关键指标值进行联合验证，将验证结果映射为一个模型等级，根据所述模型等级确定所述电能表信息化评价校准模型性能的测评结果。本发明能够通过测评结果确定电能表信息化评价校准模型的可信度。
-
公开(公告)号：CN116543198A
公开(公告)日：2023-08-04
申请号：CN202310363977.9
申请日：2023-04-06
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提出了一种基于多粒度近邻图的智能电表故障分类方法，包括：将智能电表不同类别下的故障历史数据作为输入数据集，划分得到多个二类数据集；针对每个二类数据集，将每个样本作为目标样本，以目标样本和不同数量近邻样本构成多粒度近邻图，作为后续分类任务中的训练样本；基于构造的近邻图数据集，设计自编码器实现对近邻图节点特征的提取，根据近邻图的节点编码特征和近邻图原始节点邻接关系训练图注意力神经网络用于近邻图分类任务；对于给定测试样本，组合其测试样本与其对应的不同数量近邻样本构成的近邻样本组，经近邻图分类结果集成后得到分类器在每个二类数据集下的判别结果，通过软投票得到其故障类别。
-
公开(公告)号：CN113608968B
公开(公告)日：2023-06-23
申请号：CN202110967252.1
申请日：2021-08-23
Applicant: 北京邮电大学
IPC: G06F11/30
Abstract: 本发明实施例提出了一种基于密度距离综合决策的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据作为输入数据集，通过局部可达距离与核密度估计来计算样本的局部密度；使用自然对数函数作为缩放函数，计算每个样本与其近邻的密度比；通过欧式距离找到每个样本密度比自身大的近邻，计算密度提升距离；将局部密度比与密度提升距离标准化后计算乘积，得到最终的异常分数，并判定数据中的异常样本。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.027 seconds)
