-
公开(公告)号：CN118041637A
公开(公告)日：2024-05-14
申请号：CN202410192600.6
申请日：2024-02-21
Applicant: 上海电力大学
IPC: H04L9/40
Abstract: 本发明涉及一种家庭物联网中的恶意流量检测方法、装置及存储介质，方法包括以下步骤：采集家庭网关的流量数据，流量数据包含多个数据包；做数据清洗，丢弃流量数据中满足预设条件的数据包，得到待测数据；提取待测数据的统计特征；对待测数据进行会话重组，提取待测数据的签名特征，并形成DPPS序列；构造包含边集和节点集的DPTree作为签名特征，将签名特征与统计特征合并为待处理的特征值；去除空值，并进行预处理，得到包含良性流量和恶意流量的数据集；将数据集输入到模型中进行训练，得到恶意流量检测模型；部署恶意流量检测模型，接收并识别家庭网关的恶意流量。与现有技术相比，本发明具有运行成本低，检测精度高等优点。
-
公开(公告)号：CN113076196A
公开(公告)日：2021-07-06
申请号：CN202110378860.9
申请日：2021-04-08
Applicant: 上海电力大学
Abstract: 本发明提供一种结合注意力机制和门控循环单元的云计算主机负载预测法，包括：步骤1，采集历史工作负载数据；步骤2，对历史工作负载数据进行处理，得到处理后的数据，而后构建多组训练数据；步骤3，采用训练数据训练深度自动编码器，并导出自动编码器的中间隐藏层信息作为压缩后的数据；步骤4，将压缩后的数据输入到结合注意力机制的门控循环单元编码器‑解码器网络中进行训练，得到训练完成的结合注意力机制的门控循环单元编码器‑解码器网络；步骤5，将需要预测的历史数据，经过步骤2处理后，输入到深度自动编码器，得到压缩数据；步骤6，将压缩数据输入训练完成的结合注意力机制的门控循环单元编码器‑解码器网络，得到预测结果。
-
公开(公告)号：CN110618790A
公开(公告)日：2019-12-27
申请号：CN201910841588.6
申请日：2019-09-06
Applicant: 上海电力大学
IPC: G06F3/06 , G06F16/174
Abstract: 本发明涉及一种基于重复数据删除的雾存储数据去冗余方法，针对雾节点中访问频率较高的数据，在内存中构建索引表，每个索引值对应的红黑树作为存储数据指纹的结构，减少磁盘与内存间的I/O，提高查询速度；利用循环冗余码(CRC)技术判断具有相同数据指纹的数据块是否重复，并将冲突数据块用链表结构存储在指纹节点中，解决计算数据指纹时产生的hash冲突问题；在内存中持久化保存指纹表，分为内存某一时刻的映射文件和记录更新的日志文件，防止系统的突然崩溃；提出符合雾节点实际情况的数据去冗余方案，在对通讯效率要求较高的网络中，减少磁盘I/O，提高指纹查询速度。
-
公开(公告)号：CN114499819B
公开(公告)日：2024-12-10
申请号：CN202210208445.3
申请日：2022-03-03
Applicant: 上海电力大学
Abstract: 本发明公开了一种无可信机构的智能电表数据聚合方法，具有这样的特征，包括以下步骤：步骤1，聚合中心为各个参与者生成相关参数并发送给智能电表，并初始化系统。步骤2，聚合中心基于随机抽样方法和快速排序方法为每个智能电表创建对应的序列号。步骤3，每个智能电表根据各自的序列号生成一个n维向量并发送给聚合中心，聚合中心得到所有n维向量并计算得到向量Vagg后，使用向量Vagg计算任意聚合函数。步骤4，录用基于扩展的Shamir秘密共享方法对系统进行管理。
-
公开(公告)号：CN111815035B
公开(公告)日：2024-01-30
申请号：CN202010571442.7
申请日：2020-06-22
Applicant: 国网上海市电力公司 , 上海电力大学 , 华东电力试验研究院有限公司
IPC: G06Q10/04 , G06Q50/06 , G06F18/23213 , G06N3/0464 , H02J3/00
Abstract: 本发明涉及一种融合形态聚类及TCN‑Attention的短期负荷预测方法，包括以下步骤：S1：对负荷历史日数据进行形态聚类，形成多个负荷相似日簇；S2：对影响负荷预测的数据进行预处理，获取待预测日负荷预测的影响因素数据；S3：根据各负荷相似日簇与影响因素数据的相似性为待预测日选择对应的相似日簇训练子集；S4：将待预测日对应的相似日簇训练子集输入到预测模型进行训练；S5：输入待预测日的影响因素数据至训练完成的预测模型，输出短期负荷预测值；所述的预测模型包括依次连接的输入层、TCN残差模块、Attention机制模块和输出层，与现有技术相比，本发明具有预测速度快且预测(56)对比文件李鹏辉;崔承刚;杨宁;陈辉.基于ARIMALSTM组合模型的楼宇短期负荷预测方法研究.上海电力学院学报.2019,(第06期),全文.张冰;周步祥;石敏;魏金萧.基于灰色关联分析与随机森林回归模型的短期负荷预测.水电能源科学.2017,(第04期),全文.吴云;雷建文;鲍丽山;李春哲.基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测.电力系统自动化.2018,(第20期),全文.
-
Patent Agency Ranking
公开(公告)号：CN110618790B
公开(公告)日：2023-04-28
申请号：CN201910841588.6
申请日：2019-09-06
Applicant: 上海电力大学
IPC: G06F3/06 , G06F16/174
Abstract: 本发明涉及一种基于重复数据删除的雾存储数据去冗余方法，针对雾节点中访问频率较高的数据，在内存中构建索引表，每个索引值对应的红黑树作为存储数据指纹的结构，减少磁盘与内存间的I/O，提高查询速度；利用循环冗余码(CRC)技术判断具有相同数据指纹的数据块是否重复，并将冲突数据块用链表结构存储在指纹节点中，解决计算数据指纹时产生的hash冲突问题；在内存中持久化保存指纹表，分为内存某一时刻的映射文件和记录更新的日志文件，防止系统的突然崩溃；提出符合雾节点实际情况的数据去冗余方案，在对通讯效率要求较高的网络中，减少磁盘I/O，提高指纹查询速度。
-
公开(公告)号：CN114757490A
公开(公告)日：2022-07-15
申请号：CN202210275687.4
申请日：2022-03-21
Applicant: 上海电力大学
Abstract: 本发明提供一种基于区块链的防共谋的微电网能源交易定价及评估系统，基于区块链网络构建，将购电方、供电方和电力审查中心分别作为区块链子系统的节点相互通信连接从而构成区块链子系统，并基于以太坊技术、采用共识机制使节点对交易达成共识，从而实现微电网能源交易。其中，由于供电终端在计算购电方的收益期望值时采用了贝叶斯纳什均衡博弈理论来确定交易对象，因此使得双边收益可以达到最大化。还由于采用了请求的可比较加密策略对收益期望值进行了加密，使得购电方即使无法获取真实的期望值但也可以比较其大小，有效防止了购电方与供电方在招投标及竞标过程中的恶意共谋行为，具有去中心化、安全高效、保证购‑供双边收益的能源交易的优点。
-
公开(公告)号：CN116346476A
公开(公告)日：2023-06-27
申请号：CN202310329473.5
申请日：2023-03-30
Applicant: 上海电力大学
Abstract: 本发明涉及一种基于区块链的微电网终端设备交互方法、装置和设备，本方法包括如下步骤：使用基于属性的签名算法对新加入的用户节点进行身份验证，验证成功后将用户节点加入已有区块链网络中；获取已有用户节点的资源访问请求，判断请求是否符合用户节点对应的访问策略，若用户节点的异常请求行为符合预设的恶意行为判定条件，则对用户节点的声誉度作出惩罚性更新。与现有技术相比，本发明实现了细粒度的分布式访问控制的同时实现了对微电网终端设备的动态管理，采用了签名算法来验证用户的身份，保护了用户的隐私，采用了布隆过滤器来加快访问策略搜索，减少了时间消耗，提供了新的信誉度算法，结合正面影响值和负面影响值来评估用户的信誉度。
-
公开(公告)号：CN114915415A
公开(公告)日：2022-08-16
申请号：CN202210409440.7
申请日：2022-04-19
Applicant: 上海电力大学
Abstract: 本发明提供了一种基于国密系列算法的高效恶意流量检测方法，包括以下步骤：步骤S1，发送方设定规则集；步骤S2，发送方与接收方设定协商密钥；步骤S3，发送方为规则集中规则生成具有通配符的向量、非通配符下标集合和随机数；步骤S4，发送方生成检测流量时所需的陷门信息；步骤S5，发送方通过协商密钥和向量生成快速检索表；步骤S6，发送方将陷门信息和快速检索表发送给云服务商；步骤S7，发送方将需要发送给接收方的明文数据转化为密文；步骤S8，发送方将密文发给云服务商，云服务商使用陷门信息、快速检索表和密文对流量进行过滤，得到正常流量和恶意流量；步骤S9，云服务商通过陷门信息还原出规则对应的操作，并对恶意流量执行操作。
-
公开(公告)号：CN114723686A
公开(公告)日：2022-07-08
申请号：CN202210288074.4
申请日：2022-03-22
Applicant: 上海电力大学
Abstract: 本发明涉及一种基于YOLO v4算法的自爆绝缘子检测方法，包括步骤：1)获取训练数据用的自爆绝缘子图像，并对其进行分辨率调整；2)采用有监督数据增强方法对步骤1)中调整后的绝自爆缘子图像进行数量扩充；3)采用无监督数据增强方法对步骤2)中的自爆绝缘子图像进行数量扩充；4)将扩充后的自爆绝缘子图像数据集输入至改进后的YOLO v4算法中进行训练，获取训练完成的绝缘子图像检测模型；5)将分辨率调整后的待检测的绝缘子图像输入至训练后的绝缘子图像检测模型中，进行自爆绝缘子的检测。与现有技术相比，本发明具有提升检测精度，提高输电线路巡检效率等优点。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.023 seconds)
