-
公开(公告)号：CN115348063B
公开(公告)日：2024-08-16
申请号：CN202210882066.2
申请日：2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
IPC: H04L9/40 , G06F18/23213 , G06F18/24 , G06N3/045 , G06N3/088
Abstract: 本发明涉及网络安全人工智能技术领域，公开了一种基于DNN及K‑means的电力系统网络流量识别方法，对原始数据进行筛选，选出可为分类提供较多信息的数据项组成数据样本；对样本数据进行整合操作和归一化操作进行预处理；迭代训练DNN网络模型，使用预处理的训练集训练DNN网络模型，用于电力系统网络流量的初步分类，得到分类置信度和正负例结果；对DNN网络模型处理后的判定为疑似服务器的样本再使用K‑means算法进行分类。与现有技术相比，本发明在电力网络数据的分类应用中具有较高的准确率，可以满足现实环境下电力系统网络流量分类的需求。
-
公开(公告)号：CN115348063A
公开(公告)日：2022-11-15
申请号：CN202210882066.2
申请日：2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
Abstract: 本发明涉及网络安全人工智能技术领域，公开了一种基于DNN及K‑means的电力系统网络流量识别方法，对原始数据进行筛选，选出可为分类提供较多信息的数据项组成数据样本；对样本数据进行整合操作和归一化操作进行预处理；迭代训练DNN网络模型，使用预处理的训练集训练DNN网络模型，用于电力系统网络流量的初步分类，得到分类置信度和正负例结果；对DNN网络模型处理后的判定为疑似服务器的样本再使用K‑means算法进行分类。与现有技术相比，本发明在电力网络数据的分类应用中具有较高的准确率，可以满足现实环境下电力系统网络流量分类的需求。
-
公开(公告)号：CN119577597A
公开(公告)日：2025-03-07
申请号：CN202411625312.1
申请日：2024-11-14
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: G06F18/243 , G06F18/214 , G06F18/10 , G06Q50/06
Abstract: 一种基于孤立森林算法的电力设备台账纠错方法，旨在解决电力系统中设备台账的设备类型与实际设备类型不相匹配的情况，以利于电力设备管理。方法包括：数据预处理，对设备类型标签编码并按MAC地址前六位分组；设计孤立森林算法模型，为每组构建异常检测模型；送分组数据集至模型进行训练；通过与原始数据集对比，确保异常设备类型为少数，调整参数优化模型；对异常台账进行人工确认并计算评价指标。本方法有效解决了设备类型不匹配问题，便于电力设备管理。
-
公开(公告)号：CN119577565A
公开(公告)日：2025-03-07
申请号：CN202411625314.0
申请日：2024-11-14
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: G06F18/2411 , G06F18/214 , G06F18/2113 , G06F18/15 , G06N3/0442 , H02J3/00 , G06F123/02
Abstract: 一种基于融合模型的光伏发电预测方法，属于光伏能源领域。传统光伏预测方法仅基于大量数据进行模型训练，往往存在着与光伏定律不符的预测结果。同时，针对特征子集的筛选通常采用单一方法，但光伏数据具有季节性、不确定性等特点，单一方法无法很好地描述各个特征与发电量的关系。本发明在传统预测方法的基础上融合光伏领域知识及定律，建立光伏约束模型；采用过滤法及包装法结合的算法建立特征子集的筛选模型，最后融合LSTM算法模型进行光伏预测。因此，本发明能够高效地筛选出更具代表性，相关性更佳的特征子集，并对光伏预测结果进行物理约束，从而提高模型的效果和泛化能力，实现光伏发电的准确预测。
-
公开(公告)号：CN115297016B
公开(公告)日：2024-02-20
申请号：CN202210876364.0
申请日：2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
IPC: H04L41/147 , H04L41/0677 , H04L41/16 , H04L43/0876 , H04L67/12 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及电网人工智能和数据处理技术领域，公开了一种基于深度学习的电力网络活跃度评价和预测方法，包括：获取原始数据，筛选待评价服务端口流量数据，进行活跃度计算；进行数据预处理，得到历史活跃度数据集，自动化定时对数据集进行更新；将数据集划分为训练样本和测试样本，训练样本进行样本重构并输入到不同的深度学习模型进行模型训练；将测试样本输入到训练好的模型中，并对模型进行评估和比较，得到一个该服务的最优模型，将模型保存；自动化实时获取不同网络服务的活跃度数据，得到未来的活跃度预测结果。与现有技术相比，本发明能够及时发现活跃度异常的网络服务并且便于网络的维护和管理，提升电力网络系统智能化水平。
-
Patent Agency Ranking
公开(公告)号：CN119577328A
公开(公告)日：2025-03-07
申请号：CN202411625308.5
申请日：2024-11-14
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: G06F18/10 , G06F18/2433 , G06N3/0442 , G06N3/084 , G06Q50/06 , H02J3/00
Abstract: 一种基于CNN‑LSTM的高压用户用电数据预测方法，以高压用户用电数据为研究对象，使用LOF方法对高压用户的历史电力消费数据进行清理，去除不合理的离群数据，减低了离群数据对预测模型的性能的影响。通过数据分类与特征工程，将原始数据转换为更具代表性的特征集，便于模型学习。通过数据归一化降低数据的波动性，从而提高模型训练的稳定性和收敛速度。然后构建CNN‑LSTM混合模型，即在长短期记忆网络LSTM的基础上加入卷积神经网络CNN。该混合模型由CNN和LSTM两部分组成，CNN用于提取数据的局部特征，LSTM用于捕捉时间序列的依赖关系，进而进行较为精确的电力消费预测。完成模型的构建与训练后，本发明还通过均方误差和图形化方法对模型的预测结果进行有效直观评估。
-
公开(公告)号：CN119577598A
公开(公告)日：2025-03-07
申请号：CN202411625315.5
申请日：2024-11-14
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: G06F18/243 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/0985 , G06Q50/06 , H02J3/00
Abstract: 基于注意力机制的CNN‑XGBoost的电力负荷预测方法，获取相关历史负荷数据和特征数据，并进行数据相关性分析，在此基础上利用CNN在特征提取上的优势，使用CNN构造特征提取模块，并针对传统的卷积神经网络无法区分提取出来的特征是否对预测有效的问题，引入Attention(注意力机制)，赋予特征不同的权重，区分对输出贡献程度不同的特征，对提取出的特征进行有意识的侧重，发掘提取出的特征与标签的关系，再结合XGBoost算法，将提取的特征输入XGBoost结构中进行短期负荷预测，本方法能够综合CNN算法在特征提取方面的优势和XGBoost算法针对非线性负荷预测精度高，预测收敛速度快的优点，提高全网用电短期负荷预测的准确率和稳定性。
-
公开(公告)号：CN117977587B
公开(公告)日：2024-06-07
申请号：CN202410390633.1
申请日：2024-04-02
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: H02J3/00 , G06F18/213 , G06F18/2415 , G06F17/16 , G06N3/0455 , G06N3/0464 , G06Q50/06
Abstract: 本申请涉及电力负荷的智能预测领域，其具体地公开了一种基于深度神经网络的电力负荷预测系统及方法，其将采集到的待预测电力系统的历史电力负荷数据和与之相关的影响因素数据作为输入数据，然后利用深度学习技术分别对这些输入数据进行特征提取和分析，并结合这些特征得到待预测电力系统未来一段时间内电力负荷的负荷曲线。这样，根据未来一段时间内电力负荷的负荷曲线，可以实现电力系统的负荷预测，从而为电力系统的运行和调度提供参考依据。
-
公开(公告)号：CN117978551B
公开(公告)日：2024-06-04
申请号：CN202410372677.1
申请日：2024-03-29
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: H04L9/40 , H02J13/00 , H04L41/0631 , H04L67/12 , G06F30/27 , G06F119/02
Abstract: 本申请涉及智能分析领域，其具体地公开了一种变电站监控网络的交互异常行为分析方法，其通过获取多个变电站设备的预定时间段多个预定时间点的数据流量包和报文交互历史数据，并采用深度学习技术和数据处理方法，来生成变电站监控网络中变电站设备的异常行为类型标签和对应的设备类型。通过这种方法可以提供更准确的描述和表示变电站设备之间的交互关系，从而能够更精确地检测和识别异常行为，以便及时发现和识别异常行为，提前采取相应的措施，防止潜在的故障或安全问题，从而提升变电站监控网络的安全性、可靠性和效率。
-
公开(公告)号：CN117978551A
公开(公告)日：2024-05-03
申请号：CN202410372677.1
申请日：2024-03-29
Applicant: 南京鼎研电力科技有限公司 , 南京邮电大学
IPC: H04L9/40 , H02J13/00 , H04L41/0631 , H04L67/12 , G06F30/27 , G06F119/02
Abstract: 本申请涉及智能分析领域，其具体地公开了一种变电站监控网络的交互异常行为分析方法，其通过获取多个变电站设备的预定时间段多个预定时间点的数据流量包和报文交互历史数据，并采用深度学习技术和数据处理方法，来生成变电站监控网络中变电站设备的异常行为类型标签和对应的设备类型。通过这种方法可以提供更准确的描述和表示变电站设备之间的交互关系，从而能够更精确地检测和识别异常行为，以便及时发现和识别异常行为，提前采取相应的措施，防止潜在的故障或安全问题，从而提升变电站监控网络的安全性、可靠性和效率。
-
-
-
-
-
-
-
-
-
Search Results
245
records
(took 0.047 seconds)
