-
公开(公告)号：CN118916621B
公开(公告)日：2025-03-21
申请号：CN202411265070.X
申请日：2024-09-10
Applicant: 中国长江电力股份有限公司
IPC: G06F18/15 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06F123/02
Abstract: 本申请公开了一种基于流域梯级调度系统的时序数据缺失补全方法及系统，涉及数据处理技术，包括：顺序获取梯级流域各子流域的水量监测数据；以及，获取各子流域坝前的流域视频监测数据；检测水量监测数据中的异常数据，并确定异常数据的异常时间区间；从对应的流域视频监测数据中截取所确定的异常时间区间的图像数据；基于所截取的图像数据，利用预先训练的水域局部图生成模型，生成与检测点区域关联的多张局部图像；根据多张局部图像，确定检测点区域的水量模拟数据；根据水量模拟数据中的最值对异常时间区间的异常数据进行补全。本申请的方法结合流域的监控数据，在不改动现有的硬件条件的情况下，实现对水情时序数据的补全。
-
公开(公告)号：CN118228123A
公开(公告)日：2024-06-21
申请号：CN202410407174.3
申请日：2024-04-07
Applicant: 中国长江电力股份有限公司
IPC: G06F18/2411 , G06F18/243 , G06F18/214 , G06N20/10
Abstract: 一种基于类别划分的多特征自适应异常水位数据识别方法，包括以下步骤：步骤1：按照分钟进行不同站点的水位数据采集；步骤2：将不同站点的水位数据集Y为两类，分别为训练数据集据YTrain和测试数据集YTest；步骤3：对训练数据集YTrain通过SVM算法进行分类模型训练；步骤4：采用随机森林进行训练，得到随机森林模型MRF；步骤5：对于步骤3中的非周期性数据集YNOCyele，设定异常阈值ZMAX和ZMIN；步骤6：对于待进行异常判断的数据X，使用MSVM进行判断，得到Xftr；步骤7：判断是否为正常数据；步骤8：判断数据是否为异常数据，本发明较好的应用了数据周期性的特点，首先对数据进行分类，非周期性数据按照已经设置好的阈值，直接进行相应的判断；周期性数据则通过模型进行相应的识别。
-
公开(公告)号：CN118916621A
公开(公告)日：2024-11-08
申请号：CN202411265070.X
申请日：2024-09-10
Applicant: 中国长江电力股份有限公司 , 南京南瑞水利水电科技有限公司
IPC: G06F18/15 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06F123/02
Abstract: 本申请公开了一种基于流域梯级调度系统的时序数据缺失补全方法及系统，涉及数据处理技术，包括：顺序获取梯级流域各子流域的水量监测数据；以及，获取各子流域坝前的流域视频监测数据；检测水量监测数据中的异常数据，并确定异常数据的异常时间区间；从对应的流域视频监测数据中截取所确定的异常时间区间的图像数据；基于所截取的图像数据，利用预先训练的水域局部图生成模型，生成与检测点区域关联的多张局部图像；根据多张局部图像，确定检测点区域的水量模拟数据；根据水量模拟数据中的最值对异常时间区间的异常数据进行补全。本申请的方法结合流域的监控数据，在不改动现有的硬件条件的情况下，实现对水情时序数据的补全。
-
公开(公告)号：CN118449720A
公开(公告)日：2024-08-06
申请号：CN202410402908.9
申请日：2024-04-03
Applicant: 中国长江电力股份有限公司
IPC: H04L9/40 , G01K13/00 , H04L41/16 , G06N3/0442 , G06F18/25
Abstract: 本发明涉及基于在线学习与记忆网络的实时异常检测方法，包括：收集实时流式数据，进行数据预处理；建立流式数据的在线学习模型；构建记忆模块网络，设定记忆模块网络的记忆更新机制；根据新数据点进行在线学习，更新在线学习模型的参数；从记忆单元中提取与当前数据点相关的历史信息；将在线学习模型得到的新数据点的当前特征与记忆单元提取的历史信息进行融合，得到融合特征；根据所述融合特征，判断当前数据点是否为异常。本发明本发明结合在线流式学习和记忆模块，能在不断变化的环境中快速识别出异常模式，并提供实时决策支持；通过在线流式学习组件对数据流的动态变化有良好的适应性。
-
-
-
Search Results
4
records
(took 0.042 seconds)
