-
公开(公告)号：CN111062464B
公开(公告)日：2022-07-01
申请号：CN201911017376.2
申请日：2019-10-24
Applicant: 中国电力科学研究院有限公司 , 北京邮电大学 , 国网四川省电力公司电力科学研究院 , 国家电网有限公司
Inventor： 王亚男 , 张庚 , 汪洋 , 丁慧霞 , 王智慧 , 李卓桐 , 赵永利 , 高凯强 , 黄建彰 , 任佳星 , 吴赛 , 孟萨出拉 , 李健 , 李哲 , 邱丽君 , 尹弘亮 , 张颉 , 柴继文
Abstract: 本发明提供一种基于深度学习的电力通信网可靠性预测和保障方法和系统。所述方法和系统采用深度置信网络和双向LSTM神经网络分别对网络中的状态数据和计算的可靠性指标数据进行特征提取和预测，预测得出下一有效时间段内的网络状态和相应的可靠性指标。之后通过对预测的可靠性指标进行评估，若不满足标准阈值，则需要进行网络优化以提高网络的可靠性，优化时则结合预测到的下一有效时间段内的网络基本数据，选择相应的光缆优化、节点优化以及业务层级的优化，提高网络的整体可靠性。所述方法和系统通过结合预测的下一时间段的网络业务状态对电力通信网进行优化，从远期安稳提供通信服务的角度提高了网络可靠性。
-
公开(公告)号：CN108011817B
公开(公告)日：2020-11-17
申请号：CN201711098343.6
申请日：2017-11-09
Applicant: 中国电力科学研究院有限公司 , 国网河北省电力公司 , 国家电网公司信息通信分公司 , 北京邮电大学
IPC: H04L12/707 , H04L12/721 , H04L12/751 , H04L12/703
Abstract: 本发明公开了一种对电力通信专网业务路由进行重部署的方法，所述方法包括：获取电力通信专网业务路由的网络拓扑结构；根据故障信息获取故障链路影响的业务集合、每个业务对应的业务重要度、源点信息、目的节点信息和约束向量；对所述故障链路影响的业务集合中的业务按照业务重要度进行降序排列；对数据进行初始化；利用改进的Dijkstra算法配置从源点到目的节点的最短路径，并确定新的网络拓扑结构；将循环次数加1，并将所述循环次数和路由阈值进行比较；确定第一最短路径和备用路径，并分别计算每个备用路径和第一最短路径的路由相交度；将每个业务对应的路由按照路由相交度进行升序排列；确定路径的顺序，并对业务分布进行更新。
-
公开(公告)号：CN106533770B
公开(公告)日：2020-05-15
申请号：CN201611055988.7
申请日：2016-11-22
Applicant: 国家电网公司 , 北京邮电大学 , 中国电力科学研究院 , 国网陕西省电力公司信息通信公司 , 国网冀北电力有限公司信息通信分公司
Inventor： 汪洋 , 赵永柱 , 郭云涛 , 丁慧霞 , 杨储华 , 芮兰兰 , 吴庆 , 陈相舟 , 王智慧 , 李哲 , 方帅 , 滕玲 , 高强 , 元梦莹 , 赵百捷 , 赵宏斌 , 王志强 , 金燊 , 庞思睿
Abstract: 本发明实施例公开了一种N‑X检修模式下的风险评估方法及装置，方法包括：接收用户输入的待检修对象的标识，其中，所述待检修对象包括网络设备或链路；根据所述待检修对象，确定各业务对应的风险对象，其中，所述风险对象包括网络设备或链路；根据所述各业务对应的风险对象，确定各业务的风险后果值、风险概率值、以及风险暴露时间；根据所确定的各业务的风险后果值、风险概率值、以及风险暴露时间，确定当所述待检修对象在检修状态时，电力通信网的风险值。应用本发明实施例，可以准确的评估出在N‑X检修模式下，待检修对象在检修状态时，电力通信网的风险值。
-
公开(公告)号：CN104301391B
公开(公告)日：2019-02-22
申请号：CN201410483865.8
申请日：2014-09-19
Applicant: 北京邮电大学 , 中国电力科学研究院信息通信研究所
IPC: H04L29/08
Abstract: 本解决了分布式数据中心的IT资源和多域软件定义光网络物理带宽资源的协同虚拟化映射问题，提出了一种层次化的虚拟化资源映射方法。包含以下步骤：主控制器接收虚拟请求后拆分为数据中心资源请求以及光网络资源请求；对数据中心的存储和计算资源进行预留映射和资源分配；根据虚拟请求中的拓扑结构和链路资源需求对多域光网络进行域间算路；将虚拟请求拆分成多个子虚拟请求发送给各个光域的光控制器；光控制器根据时延敏感程度采取不同的映射策略；映射完成后光控制器下发消息指令修改光节点的物理状态，并将映射结构通过消息反馈给主控制器。本发明降低了资源虚拟化映射的复杂度，弱化了主控制器工作负载压力，提高了映射过程的效率和速度。
-
公开(公告)号：CN106533770A
公开(公告)日：2017-03-22
申请号：CN201611055988.7
申请日：2016-11-22
Applicant: 国家电网公司 , 北京邮电大学 , 中国电力科学研究院 , 国网陕西省电力公司信息通信公司 , 国网冀北电力有限公司信息通信分公司
Inventor： 汪洋 , 赵永柱 , 郭云涛 , 丁慧霞 , 杨储华 , 芮兰兰 , 吴庆 , 陈相舟 , 王智慧 , 李哲 , 方帅 , 滕玲 , 高强 , 元梦莹 , 赵百捷 , 赵宏斌 , 王志强 , 金燊 , 庞思睿
Abstract: 本发明实施例公开了一种N-X检修模式下的风险评估方法及装置，方法包括：接收用户输入的待检修对象的标识，其中，所述待检修对象包括网络设备或链路；根据所述待检修对象，确定各业务对应的风险对象，其中，所述风险对象包括网络设备或链路；根据所述各业务对应的风险对象，确定各业务的风险后果值、风险概率值、以及风险暴露时间；根据所确定的各业务的风险后果值、风险概率值、以及风险暴露时间，确定当所述待检修对象在检修状态时，电力通信网的风险值。应用本发明实施例，可以准确的评估出在N-X检修模式下，待检修对象在检修状态时，电力通信网的风险值。
-
Patent Agency Ranking
公开(公告)号：CN104767692A
公开(公告)日：2015-07-08
申请号：CN201510176138.1
申请日：2015-04-15
IPC: H04L12/801 , H04L12/26
Abstract: 本发明提供一种网络流量分类方法，所述方法包括(1)提取网络流量行为特征集；(2)获取分类器模型，将所述行为特征集输入分类器，进行分类训练，得到相应参数；分类器性能评估，并优化分类器性能。本发明结合机器学习方法中无监督和有监督两种算法进行分类。二者结合可以在保证较高分类准确率的前提下降低系统时间和内存开销，提升分类效率。对聚类算法加以改进，提升聚类准确率，从而提高整体性能。
-
公开(公告)号：CN104751200B
公开(公告)日：2019-05-21
申请号：CN201510167001.X
申请日：2015-04-10
IPC: G06K9/62
Abstract: 本发明提供一种SVM网络业务分类的方法，所述方法包括：(1)利用串行分割反馈方法对网络业务的初始SVM分类器进行初始训练，得到分类超平面；(2)利用有效边界淘汰方法，淘汰分类超平面构建无用的样本点，得到最优分类超平面。本发明提供了一种相对高效的方法来对机器学习算法进行改进，在保证分类精度基本不变的前提下，有效降低机器学习分类器的训练时间，伎网络流量数据的分类成本得以降低。
-
公开(公告)号：CN106230637B
公开(公告)日：2019-05-07
申请号：CN201610638308.8
申请日：2016-08-05
Abstract: 本发明实施例公开了一种网络生存性评估的方法及装置，涉及电力骨干网网络生存性技术领域，所述方法包括：获取电力骨干网的预设修正参数，其中，预设修正参数至少包括：地形参数、气象参数、用电负荷率参数、线路密集度参数和网络连通度参数；根据预设修正参数对网络生存性进行评估的评估差异量，得到预设修正参数的打分结果；根据预设修正参数的打分结果，确定预设修正参数的值；将预设修正参数的值与预先建立的网络生存性评价体系的评估值的乘积作为具备地域约束的网络生存性评估值，并利用具备地域约束的网络生存性评估值对网络生存性进行评估。本发明能够补偿地域因素对电力骨干网网络生存性评估造成的误差，得到的网络生存性评估值更加精确。
-
公开(公告)号：CN104486194B
公开(公告)日：2019-02-22
申请号：CN201410771752.8
申请日：2014-12-12
Abstract: 本发明提出一种多可靠性等级虚拟网络控制系统和方法，为了满足现有光传送网中多节点业务具有差异化的可靠性需求。本发明多可靠性等级虚拟网络控制系统包括资源抽象模块、虚拟光网络代理、可靠性管理模块、路径计算模块和资源数据库，本发明所述多可靠性等级虚拟网络控制方法包含以下步骤：第1步、资源抽象管理。第2步、用户许可判决。第3步、业务算路部署。在用户请求中用网络节点度数需求作为用户可靠性等级需求，根据用户的可靠性等级需求和网络最大可靠性阈值判决是否接受用户请求。本发明根据各用户的可靠性需求的虚拟网络映射方法，能够提高虚拟网络接入的成功率。
-
公开(公告)号：CN104767692B
公开(公告)日：2018-05-29
申请号：CN201510176138.1
申请日：2015-04-15
IPC: H04L12/801 , H04L12/26
Abstract: 本发明提供一种网络流量分类方法，所述方法包括(1)提取网络流量行为特征集；(2)获取分类器模型，将所述行为特征集输入分类器，进行分类训练，得到相应参数；分类器性能评估，并优化分类器性能。本发明结合机器学习方法中无监督和有监督两种算法进行分类。二者结合可以在保证较高分类准确率的前提下降低系统时间和内存开销，提升分类效率。对聚类算法加以改进，提升聚类准确率，从而提高整体性能。
-
-
-
-
-
-
-
-
-
Search Results
363
records
(took 0.106 seconds)
