-
公开(公告)号：CN108595539B
公开(公告)日：2021-09-03
申请号：CN201810299875.4
申请日：2018-04-04
Applicant: 烟台海颐软件股份有限公司
IPC: G06F16/215 , G06F16/23 , G06F16/2458
Abstract: 本发明属于数据分析领域，涉及一种基于大数据的行迹相似对象识别方法与系统。本发明利用空间归一化模块、数据整理模块、空间点位序列生成模块、行为轨迹序列提取模块、行为矩阵生成模块、行为矩阵运算模块依次连接，对行迹位置原始数据构建行迹标识字典；依据行迹标识字典标准化传入数据；统合属于每个对象的行迹点位数据；构建每个对象在时间窗口内的行迹点位序列；对每个对象的行迹点位序列生成位移轨迹序列；构建行为计算矩阵来计算轨迹相似度；输出行为相似性符合条件的结果。本发明通过获取分析不同对象的空间位置移动信息并利用算法计算不同对象空间位置变化相互间的相似度，探究对象之间的相似性关系、识别及寻找行为相似的对象与群体。
-
公开(公告)号：CN119739837A
公开(公告)日：2025-04-01
申请号：CN202510237478.4
申请日：2025-03-03
Applicant: 烟台海颐软件股份有限公司
IPC: G06F16/3329 , G06N5/022 , G06Q50/06 , G06F16/31
Abstract: 本发明属于电力自然语言数据问答技术领域，具体涉及一种多元知识链接驱动的NL2SQL问题增强方法。所述方法包括：利用数据库表信息构建电力数据模式，并梳理出电力领域知识；构建问题解析Prompt模板，并利用大语言模型分析原始问题的结构，从原始问题中提取关键实体；基于梳理出的电力领域知识及从原始问题中提取的关键实体，采用混合相似度检索的方式检索电力领域知识；通过多级模式链接方法，以获取到与原始问题相关的数据库表与数据模式；基于检索出的电力领域知识及所获取到的数据模式，进行知识标准化并设计问题增强Prompt模板，利用大语言模型对原始问题进行重构增强，消除混淆和干扰因素，提高问答的准确度。
-
公开(公告)号：CN113240011A
公开(公告)日：2021-08-10
申请号：CN202110528781.1
申请日：2021-05-14
Applicant: 烟台海颐软件股份有限公司
Abstract: 本发明涉及数据处理领域，具体涉及一种深度学习驱动的异常识别与修复方法及智能化系统。包括以下步骤：S1：数据结构识别，S2：数据特征变换，S3：训练异常检测和修复神经网络，S4：异常数据识别与异常修复，S5：数据特征还原。采用深度学习方法，对每个特征使用双分量混合模型，其中一个分量用于解释干净单元(即正常值)，另一个分量用于解释异常单元(即异常值)；通过降低异常单元的影响来模拟潜在的正常数据分布，为数据单元提供异常值分数和对单元修复的估计；将变分自编码器和生成对抗网络两个深度生成模型进行结合，有利于生成更好的修复结果；最终实现利用无监督学习方式对混合属性数据进行cell‑level(单元级别)的异常识别及修复。
-
公开(公告)号：CN113240010A
公开(公告)日：2021-08-10
申请号：CN202110528743.6
申请日：2021-05-14
Applicant: 烟台海颐软件股份有限公司
IPC: G06K9/62
Abstract: 本发明涉及结构化数据异常检测领域，具体涉及一种支持非独立分布混合数据的异常检测方法及系统。包括元数据管理模块，数据集成模块，数据管理模块，任务管理与调度模块，数据关联模块，特征变换模块，模型训练模块，异常评估模块，结果管理模块。基于本算法构建的系统可以适用于结构化混合数据、单纯的分类数据、单纯的数值型数据三种不同目的智能化异常检测，可以极大的提升异常检测的效率和普适性，尤其是在数据治理、工业异常检测应用中。
-
公开(公告)号：CN112232600A
公开(公告)日：2021-01-15
申请号：CN202011285857.4
申请日：2020-11-17
Applicant: 烟台海颐软件股份有限公司
IPC: G06Q10/04 , G06Q50/06 , G06F16/215 , G06F16/2458
Abstract: 本发明特别涉及一种基于变分模态分解的短期电力负荷预测方法，步骤如下：S1获取预测日及预测日前三个月的负荷数据和多元相关数据；S2数据预处理与关联；S3电力负荷序列模态分解；S4温度相关性判别；S5生成各分量特征向量；S6建立自适应步长负荷预测模型；S7利用LGBM梯度提升算法，建立电力负荷预测模型；S8预测结果整合；S9、预测结果修正。本发明还包括电力负荷预测系统，其包括数据获取模块，数据预处理与关联模块，负荷序列模态分解模块，温度相关性判别模块，生成各分量特征向量，负荷波动情况判别与模型调整模块，各分量预测模块，各分量预测结果整合模块，预测结果修正模块。本发明适用于电力负荷各分量复杂组成情况，预测精度高，使用更灵活，普适性好。
-
Patent Agency Ranking
公开(公告)号：CN111275576A
公开(公告)日：2020-06-12
申请号：CN202010057653.9
申请日：2020-01-19
Applicant: 烟台海颐软件股份有限公司
Abstract: 本发明公开了一种电价执行异常用户的识别方法，S10、进行用户用电群体划分；S20、构建用电行为特征向量；S30、利用用电行为特征向量进行电价合规性分析；S40、筛选出电价执行异常的用户，输出结果。本发明可以从海量的城镇居民用户中，通过分析其用电行为，有效的识别用电行为明显异于普通城镇居民户、但却错误的执行了城镇居民生活用电电价的个体，大幅度的减少人工排查的工作量。基于上述方法，本发明还公开了一种电价执行异常的识别系统。
-
公开(公告)号：CN111241288A
公开(公告)日：2020-06-05
申请号：CN202010051316.9
申请日：2020-01-17
Applicant: 烟台海颐软件股份有限公司
IPC: G06F16/35 , G06F16/31 , G06F40/289 , G06F16/36 , G06F40/205 , G06Q30/00 , G06Q50/06
Abstract: 本发明公开了一种大集中电力客户服务中心的突发事件实时感知系统以及构建方法，包括数据采集模块，文本数据处理模块，特征向量构建模块，多文档主题分析模块，事件感知模块，以及结果推送模块。本发明基于海量的客户服务中心业务受理工作单数据，依托Apache Flink、LDA、TextRank等技术与算法，构建了突发事件实时感知方法，实现客户服务中心文本信息的自动处理和突发事件汇聚，实现突发事件的自动识别，填补本项业务需求空白。
-
公开(公告)号：CN119003744A
公开(公告)日：2024-11-22
申请号：CN202411487039.0
申请日：2024-10-24
Applicant: 烟台海颐软件股份有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/38 , G06F40/186 , G06F40/226
Abstract: 本发明属于电力数据治理技术领域，具体涉及一种基于KCMAP的电力数据治理可信规划工作流方法，包括：面向电力数据治理设计知识组织结构并构建领域知识库且向量化存储；设计多阶知识prompt构建DR‑RAG模型从向量库中检索知识片段并利用LLM合成领域流程；设计知识能力匹配智能体，将领域流程知识与可用智能体基于智能体能力规约进行匹配，并修正领域流程知识；设计任务可信规划智能体，对电力数据治理作业基于领域知识流程进行分解和规划，生成任务计划；设计两阶段验证机制，确保任务计划的合理性与调度执行的准确性。
-
公开(公告)号：CN117763305A
公开(公告)日：2024-03-26
申请号：CN202311729543.2
申请日：2023-12-15
Applicant: 烟台海颐软件股份有限公司
IPC: G06F18/20 , G06F18/232 , G06F18/243 , G06N3/0442
Abstract: 本发明公开了一种计及行为共性的电力时序数据异常检测与修复方法，包括如下步骤：根据电力时序数据进行行为共性分析，获取到电力时序数据的群体聚类结果；根据电力时序数据计算时序异常得分，生成所有数据的异常得分集合；根据聚类结果和异常得分集合，进行计及行为共性的电力时序数据异常识别；根据异常识别结果和聚类结果，进行计及行为共性的电力时序数据异常修复。本发明从行为共性分析、时序异常评估、异常值修复三方面提出了创新性方案，有效提高了对于电力时序数据的异常检测与修复的准确度，解决了现有方法难以精准识别异常并修复的问题，这一完整流程对电力系统中的智能数据治理具有重要意义。
-
公开(公告)号：CN113240010B
公开(公告)日：2023-10-24
申请号：CN202110528743.6
申请日：2021-05-14
Applicant: 烟台海颐软件股份有限公司
IPC: G06F18/2433
Abstract: 本发明涉及结构化数据异常检测领域，具体涉及一种支持非独立分布混合数据的异常检测方法及系统。包括元数据管理模块，数据集成模块，数据管理模块，任务管理与调度模块，数据关联模块，特征变换模块，模型训练模块，异常评估模块，结果管理模块。基于本算法构建的系统可以适用于结构化混合数据、单纯的分类数据、单纯的数值型数据三种不同目的智能化异常检测，可以极大的提升异常检测的效率和普适性，尤其是在数据治理、工业异常检测应用中。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.034 seconds)
