-
公开(公告)号：CN115688035A
公开(公告)日：2023-02-03
申请号：CN202211278394.8
申请日：2022-10-19
Applicant: 江苏电力信息技术有限公司 , 南京财经大学
IPC: G06F18/2433 , G06F18/241 , G06F18/214 , G06N3/0442 , G06N3/0455 , G06N3/09
Abstract: 本发明公开了一种基于自监督学习的时序电力数据异常检测方法。首先构建基于门控循环神经网络自编码器的多任务的异常检测模型，包括样本间对比任务、重构任务和样本内预测任务；获取企业监测的用电量的时间序列数据集，预处理后，对每一个传感器的时间序列数据根据周期性规律切分成小样本，作为输入训练异常检测模型；将待检测的数据进行预处理并根据周期性规律切分输入异常检测模型，并输出重构任务损失与样本内预测任务损失，将二者输入异常评分模型得出异常评分；判断异常评分是否超过阈值，若超过，则为异常，否则视为正常。本发明将预测任务、对比任务和重构任务三个任务相结合，可以更好地表征时间序列数据，从而降低误报率。
-
公开(公告)号：CN118656768B
公开(公告)日：2024-11-08
申请号：CN202411146785.3
申请日：2024-08-21
Applicant: 江苏电力信息技术有限公司 , 云境商务智能研究院南京有限公司
IPC: G06F18/2433 , G06F18/22 , G06N3/042 , G01N15/06 , G01N33/00
Abstract: 本发明公开了一种基于时序图神经网络的大气污染物排放数据处理方法，涉及数据处理技术领域，解决当下对大气污染物排放数据进行分析时，仅分析污染物浓度对环境的影响的问题，方法具体如下：获取目标空间中多个时间点的大气排放数据集；对目标空间对应大气排放数据集中大气污染物排放数据进行初步筛选，得到初筛污染物排放数据；初筛污染物排放数据结合时序图神经网络，判断目标空间当次采集周期内的大气污染情况与上一年份同周期对应的大气污染情况的相似性；用户终端接收数据相似信号或数据异常信号，并依据信号进行对应操作，本发明对污染物的变化情况进行分析，从而准确判断污染物的变化趋势。
-
公开(公告)号：CN118656768A
公开(公告)日：2024-09-17
申请号：CN202411146785.3
申请日：2024-08-21
Applicant: 江苏电力信息技术有限公司 , 云境商务智能研究院南京有限公司
IPC: G06F18/2433 , G06F18/22 , G06N3/042 , G01N15/06 , G01N33/00
Abstract: 本发明公开了一种基于时序图神经网络的大气污染物排放数据处理方法，涉及数据处理技术领域，解决当下对大气污染物排放数据进行分析时，仅分析污染物浓度对环境的影响的问题，方法具体如下：获取目标空间中多个时间点的大气排放数据集；对目标空间对应大气排放数据集中大气污染物排放数据进行初步筛选，得到初筛污染物排放数据；初筛污染物排放数据结合时序图神经网络，判断目标空间当次采集周期内的大气污染情况与上一年份同周期对应的大气污染情况的相似性；用户终端接收数据相似信号或数据异常信号，并依据信号进行对应操作，本发明对污染物的变化情况进行分析，从而准确判断污染物的变化趋势。
-
-
Search Results
3
records
(took 0.031 seconds)
