-
公开(公告)号：CN116155631A
公开(公告)日：2023-05-23
申请号：CN202310432217.9
申请日：2023-04-21
Applicant: 四川中电启明星信息技术有限公司
IPC: H04L9/40
Abstract: 本发明公开了一种企业级的正反向级联认证方法及系统，包括本地申请级联授权票、跨域身份核实、业务应用完成单点登录步骤。统一门户携带级联授权票向一级CAS服务端发起合法性验证，一级CAS服务端首先检查请求数据的完整性，若完整，则一级CAS服务端基于级联授权票进行互信认证，验证通过后，一级CAS服务端基于响应用户的级联编码匹配本地用户并检查用户状态，若获取到正常的用户，则一级CAS服务端为业务应用颁发一次性单点票据；否则终止请求，并给出提示信息。本发明通过对CAS服务的封装与扩展，实现了跨域的正反向级联认证，支撑了企业应用跨域跨级部署的单点登录，同时保证了整个流程的安全性，具有较好的实用性。
-
公开(公告)号：CN114565025A
公开(公告)日：2022-05-31
申请号：CN202210126005.3
申请日：2022-02-10
Applicant: 四川中电启明星信息技术有限公司
IPC: G06K9/62 , G06N3/04 , G06V10/774
Abstract: 本发明提出了一种面向终端设备的轻量级绝缘子检测模型及检测方法，绝缘子检测场景通常具有复杂的背景。此外，利用无人机巡检时，图片中绝缘子大小会随着拍摄角度的不同而不同。因此，很难在训练集中包含所有的情况。为了解决这一问题，本发明创新地引入增量学习，让模型在使用过程中利用新样本进行更新，不断地提升性能。
-
公开(公告)号：CN117876148A
公开(公告)日：2024-04-12
申请号：CN202410027615.7
申请日：2024-01-08
Applicant: 四川中电启明星信息技术有限公司 , 四川大学
IPC: G06Q50/06 , G06Q10/04 , G06N3/0464 , H02J3/00 , G06F18/25
Abstract: 本发明公开了基于卷积网络的短期负荷预测方法、系统及存储介质，系统包括预测模块，用于将待测数据输入训练后的预测网络模型并得到预测的短期负荷需求。所述预测网络模型包括特征编码模块、时空特征表示学习模块和预测单元；特征编码模块包括并设的位置编码层、值编码层和时间编码层以及特征相加层。所述时空特征表示学习模块用于基于不同的卷积核实现特征学习，每个视图包括一维卷积层、因果卷积层、残差与正则化层、一维反卷积层和残差与正则化层；所述预测单元包括从前至后依次连接的Merge层、通道注意力模块、通道池化层和预测层。本发明可以有效挖掘负荷时序数据中的周期模式和特征规律，预测性能好且运行效率高，具有较好的实用性。
-
公开(公告)号：CN117335389A
公开(公告)日：2024-01-02
申请号：CN202311216421.3
申请日：2023-09-20
Applicant: 四川中电启明星信息技术有限公司
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种基于多任务学习的电力负荷预测方法、系统、设备及介质，获取天气相关数据、水电站运行参数数据，并对获取的数据进行处理；将处理后的数据输入第一神经网络模型进行处理，提取数据中的特征信息；将提取的数据特征信息输入基于动态细粒度共享网络的第二神经网络模型，对水电站在丰水期、枯水期的电力负荷进行预测。采用基于多头注意力机制的LSTM预测模型实现对电力负荷数据中数据特征的充分提取和挖掘，以提高模型预测的准确性；同时，采用动态细粒度共享网络对特殊情况下的任务进行针对性的处理，在进一步提高了预测结果准确性的情况下，提高了数据处理的效率。
-
公开(公告)号：CN117201139A
公开(公告)日：2023-12-08
申请号：CN202311179525.1
申请日：2023-09-13
Applicant: 国网四川省电力公司电力科学研究院 , 四川中电启明星信息技术有限公司 , 四川大学 , 电子科技大学
Abstract: 本发明公开了一种基于联邦蒸馏学习框架的噪声扰动防御方法及系统，包括：针对不同工业物联网领域，建立联邦学习通讯框架；基于联邦学习通讯框架，采用知识蒸馏技术实现对联邦学习通讯框架的通讯参数由梯度向逻辑层参数的转化；建立基于知识蒸馏的联邦蒸馏学习框架，进行联邦学习模型训练优化，得到优化后的联邦蒸馏学习框架；基于优化后的联邦蒸馏学习框架，结合噪声扰动技术，建立联邦蒸馏客户端级别成员推理攻击的防御方案；其中，所述客户端级别成员推理攻击是一种由恶意客户端发起的针对所有参与者成员隐私的推理攻击手段。本发明解决了联邦蒸馏框架中存在的客户端成员推理攻击以及用户本地模型的标签损失和置信度分数向量失真问题。
-
Patent Agency Ranking
公开(公告)号：CN116155631B
公开(公告)日：2023-07-28
申请号：CN202310432217.9
申请日：2023-04-21
Applicant: 四川中电启明星信息技术有限公司
IPC: H04L9/40
Abstract: 本发明公开了一种企业级的正反向级联认证方法及系统，包括本地申请级联授权票、跨域身份核实、业务应用完成单点登录步骤。统一门户携带级联授权票向一级CAS服务端发起合法性验证，一级CAS服务端首先检查请求数据的完整性，若完整，则一级CAS服务端基于级联授权票进行互信认证，验证通过后，一级CAS服务端基于响应用户的级联编码匹配本地用户并检查用户状态，若获取到正常的用户，则一级CAS服务端为业务应用颁发一次性单点票据；否则终止请求，并给出提示信息。本发明通过对CAS服务的封装与扩展，实现了跨域的正反向级联认证，支撑了企业应用跨域跨级部署的单点登录，同时保证了整个流程的安全性，具有较好的实用性。
-
公开(公告)号：CN115470831A
公开(公告)日：2022-12-13
申请号：CN202211365483.6
申请日：2022-11-03
Applicant: 四川中电启明星信息技术有限公司 , 四川大学
Abstract: 本发明涉及水电监控技术领域，公开了一种基于频繁项集推理的水电信号异常判断方法。本发明包括：获取原始数据，从原始数据中提取出信号数据和动作数据并进行预处理，构建信号数据和动作数据结合的信号+动作对；对信号+动作对进行关系挖掘，获取伴生关系集、共生关系集和因果关系集；根据伴生关系集、共生关系集和因果关系集对新到的连续的信号组成的信号流进行检测，判断信号流中是否存在异常，对存在异常的信号区间进行标注。本发明从频繁模式的角度定义信号关系，基于apriori和prefixSpan算法提出关系挖掘方法，得到共生，伴生和因果关系所对应的信号对，基于信号关系对到来的日志信号进行自动判断异常，提高异常检测效率。
-
公开(公告)号：CN117649015A
公开(公告)日：2024-03-05
申请号：CN202311565431.8
申请日：2023-11-22
Applicant: 四川中电启明星信息技术有限公司
IPC: G06Q10/04 , G06Q50/06 , G06F18/231 , G06F18/22
Abstract: 本发明公开了一种电网时序数据质量评估方法、系统、设备及存储介质，根据电网时序数据的预测熵获取电网时序数据的可预测性，根据电网时序数据的可预测性对电网时序数据质量进行评估。本发明基于预测熵来评估时间序列样本中的信息量，并根据预测熵来获取电网时序数据的可预测性，基于电网时序数据的可预测性与时序数据的不确定性和重复特征规律之间的关联，实现对电网时序数据质量的评估，很好地解决了现有方法无法对时序数据中的特征规律等高级特征进行提取，导致准确度、可信度不高的问题。
-
公开(公告)号：CN115036922B
公开(公告)日：2022-10-21
申请号：CN202210953708.3
申请日：2022-08-10
Applicant: 四川中电启明星信息技术有限公司 , 国网信息通信产业集团有限公司
Abstract: 本发明提供一种分布式光伏发电电量预测方法及系统，通过提取与目标区域和目标时间段相关的第一发电量特征来表征与个体光伏发电站点无关的所述目标区域总体上的光伏发电量特性，并提取与目标光伏发电站点的设备配置和目标区域相关第二发电量特征来表征与时间特性无关的所述目标光伏发电站点在所述目标区域所在位置的光伏发电特性，然后综合所述第一发电量特征和所述第二发电量特征预测所述目标光伏发电站点的发电量。如此，不仅考虑了所述目标位置对光伏发电的影响，还考虑了目标光伏发电站点本身设备配置的影响，可以更准确地进行光伏发电量的预测，为后续各种决策提供有力的数据支持。
-
公开(公告)号：CN115036922A
公开(公告)日：2022-09-09
申请号：CN202210953708.3
申请日：2022-08-10
Applicant: 四川中电启明星信息技术有限公司 , 国网信息通信产业集团有限公司
Abstract: 本发明提供一种分布式光伏发电电量预测方法及系统，通过提取与目标区域和目标时间段相关的第一发电量特征来表征与个体光伏发电站点无关的所述目标区域总体上的光伏发电量特性，并提取与目标光伏发电站点的设备配置和目标区域相关第二发电量特征来表征与时间特性无关的所述目标光伏发电站点在所述目标区域所在位置的光伏发电特性，然后综合所述第一发电量特征和所述第二发电量特征预测所述目标光伏发电站点的发电量。如此，不仅考虑了所述目标位置对光伏发电的影响，还考虑了目标光伏发电站点本身设备配置的影响，可以更准确地进行光伏发电量的预测，为后续各种决策提供有力的数据支持。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.034 seconds)
