-
公开(公告)号:CN118898019A
公开(公告)日:2024-11-05
申请号:CN202411019475.5
申请日:2024-07-29
Applicant: 国网江西省电力有限公司信息通信分公司
IPC: G06F18/241 , H02J3/00 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06F123/02
Abstract: 本发明提供了一种电网负荷类别识别方法,涉及深度学习技术领域,包括:获取用户侧总线上的用电设备数据集;基于所述用电设备数据集计算电网负荷信号的功率有效值;对所述电网负荷信号进行频带分割处理得有效电网负荷信号,并提取所述有效电网负荷信号中的时序特征值;基于优化好的联合神经网络模型,利用多任务学习共享机制基于优化好的联合神经网络模型对功率有效值和时序特征值分别进行特征提取后对应获得功率有效值和时序特征值的学习特征;将功率有效值和时序特征值的学习特征进行特征拼接后,得到融合特征信息,并基于所述融合特征信息输出负荷识别结果。本发明实现了对电网负荷信号特征的高效提取,提高了电网负荷类别的识别准确率。
-
-
公开(公告)号:CN119300035A
公开(公告)日:2025-01-10
申请号:CN202411827431.5
申请日:2024-12-12
Applicant: 国网江西省电力有限公司信息通信分公司
IPC: H04W12/06 , H04W12/08 , H04W12/122 , H04W12/42 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于混合深度学习的5G电力终端接入威胁检测方法,涉及网络安全技术领域,包括:建立并采集风险因素集,并将所述风险因素集作为威胁特征向量,所述风险因素集由5G电力终端的物理安全威胁、通信安全威胁、网络安全威胁、身份认证安全威胁和数据安全威胁组成;基于多个残差多头挤压激励网络和多个跳跃连接机制获取改进后的RMSEN‑BiLSTM模型,将所述威胁特征向量输入至改进后的RMSEN‑BiLSTM模型中,获得威胁分类结果。本发明增强了5G终端接入安全风险评估的全面性和客观性,准确预测5G终端风险事件发生的可能性、影响范围和危害程度,方便提前采取安全策略,减少安全事件的发生。
-
公开(公告)号:CN115878295A
公开(公告)日:2023-03-31
申请号:CN202310191174.X
申请日:2023-03-02
Applicant: 国网江西省电力有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本发明公开了基于深度强化学习的软件定义安全中台调度方法,所述方法包括以下步骤:将碎片化的安全需求与安全基础设施统一到软件定义安全中台云模型中;通过深度强化学习结合云计算技术提高安全中台的实时匹配和动态适应能力;生成满足QoS目标的安全中台实时资源调度策略。本发明提出的方法不但保证负载均衡,还提高了18.7%的服务质量,降低了34.2%的平均响应时间,而且具有很好的鲁棒性更适用于实时环境。
-
-
-