一种基于DTW算法的短期电力负荷预测系统

    公开(公告)号:CN112862163A

    公开(公告)日:2021-05-28

    申请号:CN202110081082.7

    申请日:2021-01-21

    Abstract: 本发明公开了一种基于DTW算法的短期电力负荷预测系统,包括用户进线口处统一安装的家用电能表和非侵入式负荷检测模块,所述电能表的输出端连接于非侵入式负荷检测模块的输入端,所述非侵入式负荷检测模块的输出端连接有家用配电箱,所述家用配电箱电性连接有家用电器。本发明的有益效果是:将家用负荷开、关时的暂态波形和功率变化值作为特征量,运用DTW算法计算测试模板与参考模板之间的相似度,有效的识别出家庭用电的各项负荷数据。了解不同类型电器在一段时间内的功率消耗情况,有利于用户更加合理安排电器使用,做好电器负荷管理,制定节能计划节省开支,从而合理用电,节约能源。

    嵌套命名实体识别模型的训练方法、装置、设备和介质

    公开(公告)号:CN113656544A

    公开(公告)日:2021-11-16

    申请号:CN202110921590.1

    申请日:2021-08-11

    Abstract: 本发明涉及嵌套命名实体识别模型的训练方法、装置、电子设备和存储介质,该方法包括:获取标注好的数据集,根据数据集确定第一数据集,根据第一数据集确定实体词边界预测结果;根据实体词边界预测结果确定实体类型预测结果;根据第一数据集、实体词边界预测结果和实体类型预测结果计算实体词边界预测损失和实体类型预测损失;根据实体词边界预测损失和实体类型预测损失调整模型参数得到嵌套命名实体识别模型。本申请实施例没有使用堆叠式的模型,避免了堆叠式LSTM+CRF错误传递的问题,并将实体词边界预测损失与实体类型预测损失结合起来调整模型参数得到嵌套命名实体识别模型,因为模型联合了实体词边界与实体类型的信息,提高了嵌套命名实体识别能力。

    命名实体识别数据增强的方法、装置、电子设备和介质

    公开(公告)号:CN113516196B

    公开(公告)日:2024-04-12

    申请号:CN202110820558.4

    申请日:2021-07-20

    Abstract: 本发明涉及命名实体识别数据增强的方法、装置、电子设备和介质,该方法包括:获取第一数据集,将第一数据集进行扩充得到扩充数据集,将扩充数据集分为第一份扩充数据集和第二份扩充数据集;将第一份扩充数据集输入到BERT模型中得到句向量数据集;对句向量数据集聚类得到聚类结果;对聚类结果对抗训练确定簇数据集;使用GPT模型微调簇数据集得到第二数据集;使用第二数据集训练GPT模型得到预测模型;将第二份扩充数据集输入到预测模型中得到预测结果数据集;将预测结果数据集中的命名实体标签通配符替换为实体词典中的文字,确定第三数据集;将第三数据集与第一数据集合并得到最终的数据集。本申请实施例采用数据增强的方式可以减小所需要的数据量。

    一种大屏可视化组态编辑方法及系统

    公开(公告)号:CN116452729A

    公开(公告)日:2023-07-18

    申请号:CN202210063682.5

    申请日:2022-01-09

    Abstract: 本发明公开了一种大屏可视化组态编辑方法及系统,包括:场景目录构建、场景接入展示、场景多屏联动、共用的场景设计平台以及可视化场景共享素材库。所述系统,进一步整合数据资源,融合各典型示范性成果总体指标与关键数据,进行可组态融合展示开发与配置。通过可组态融合展示应用,实现各种展示模式的快速切换,合理有效的利用各种显示设备和技术。通过共用的场景设计平台构建,方便快捷的开展可视化设计开发工作,实现多屏联动、场景穿透、场景组态编辑等功能。

    嵌套命名实体识别模型的训练方法、装置、设备和介质

    公开(公告)号:CN113656555A

    公开(公告)日:2021-11-16

    申请号:CN202110957232.6

    申请日:2021-08-19

    Abstract: 本发明涉及嵌套命名实体识别模型的训练方法、装置、设备和介质,该方法包括:获取标注好的数据集,根据数据集确定第一数据集,根据第一数据集确定实体词边界开始向量和实体词边界结束向量;根据实体词边界开始向量和实体词边界结束向量确定命名实体识别预测得分矩阵;根据命名实体识别预测得分矩阵确定文字样本对应的实体类型的预测结果;根据第一数据集和实体类型的预测结果计算得到实体类型预测损失;根据实体类型预测损失调整模型参数得到嵌套命名实体识别模型。本申请没有使用堆叠式的模型,避免了错误传递的问题,并根据实体词边界词确定实体类型预测损失,通过预测损失调整模型参数得到嵌套命名实体识别模型,提高了嵌套命名实体识别能力。

    联邦学习在电力数据分析中的应用及隐私保护方法

    公开(公告)号:CN118468986A

    公开(公告)日:2024-08-09

    申请号:CN202410610641.2

    申请日:2024-05-16

    Abstract: 联邦学习在电力数据分析中的应用及隐私保护方法,是客户端在中央服务器的协调下共同训练模型,客户端接收服务器下发的初始化模型,根据本地数据训练出一个本地模型并上传给服务器,服务器对客户端上传的模型参数进行安全聚合并反馈给客户端,客户端根据更新的模型进行下一次迭代,如此进行多次迭代直至模型收敛;采用了将同态加密和差分隐私结合的方法,使用差分隐私对参与方上传的模型参数δi添加噪声,使其满足ε‑差分隐私,然后再对添加噪声后的参数使用同态加密进行加密。联邦学习方法能够有效保证客户端敏感数据的隐私性,应用利用主成分分析提取特征,识别模型获得了更好的性能,同时联邦识别模型具有与集中式方法相当的性能。

Patent Agency Ranking