电力负荷数据的处理方法及相关设备

    公开(公告)号:CN119378788A

    公开(公告)日:2025-01-28

    申请号:CN202411212649.X

    申请日:2024-08-30

    Abstract: 本公开提供一种电力负荷数据的处理方法及相关设备。具体地,所述处理方法包括:获取电力负荷的第一数据集;对所述第一数据集进行预处理,得到第二数据集;根据所述第二数据集和预设维度规则,确定负荷图像;利用图像压缩算法,对所述负荷图像进行处理,得到压缩数据。采用这样的方式,将电力负荷的数据转换为负荷图像,能够协助调控人员迅速的把握庞大或多维的数据;同时,利用图像压缩算法对负荷图像进行压缩处理得到压缩数据,达到降低数据存储需求,提高数据传输效率的技术效果。

    基于动态优先级的多模态数据传输方法和系统

    公开(公告)号:CN119917995A

    公开(公告)日:2025-05-02

    申请号:CN202411870731.1

    申请日:2024-12-18

    Abstract: 本发明公开了一种基于动态优先级的多模态数据传输方法和系统,所述方法包括:将采集的业务的多模态数据中的图像、语音、文本数据,分别提取图像、语音频谱、文本特征数据后,分别加入相应模态嵌入向量后进行拼接;将拼接后的特征数据输入到交叉注意力机制中,得到的各模态的特征数据的注意力分数进行相加,得到所述业务的多模态融合特征数据的注意力分数;将所述业务的多模态融合特征数据的注意力分数与为所述业务预先设定的优先级进行联合评定,得到所述业务的动态优先级;优先传输动态优先级高的业务的数据。应用本发明可以优先保障动态优先级高的数据的传输,确保了关键和重要数据能够优先传输。

    一种电力通信系统调度方法及装置

    公开(公告)号:CN119893681A

    公开(公告)日:2025-04-25

    申请号:CN202411870727.5

    申请日:2024-12-18

    Abstract: 本申请实施例提供一种电力通信系统调度方法及装置,包括:从文本信息、图像信息和语音信息中获取系统参数;对所述系统参数进行多模态融合处理,得到多模态融合特征;根据多模态融合特征,以基站的资源状态为状态,以基站为设备分配的功率和设备的服务质量权重为动作,基于预设的目标函数构建奖励函数,基于强化学习方法确定最优的功率分配策略;其中,目标函数基于设备的服务质量要求和基站的可分配资源构建。本申请能够有效融合多模态的系统参数,提高资源调度决策的准确性和效率,综合系统资源和服务质量要求,优化电力通信系统的资源调度,提高系统性能和服务质量。

    一种兼容多电力市场的高可靠数据弹性存储管理方法

    公开(公告)号:CN119537452A

    公开(公告)日:2025-02-28

    申请号:CN202411393193.1

    申请日:2024-10-08

    Abstract: 本发明公开了一种兼容多电力市场的高可靠数据弹性存储管理方法,包括:对互动场景、交互机制、资源特性及数据来源进行共性提取与差异分析,建立统一数据交互模型;构建基于电网系统和运营商系统的网‑运两级协同互动架构;结合电网系统和运营商系统的交互需求,接入并收集海量多源异构数据后对其进行处理,构成海量数据存储管理系统,实现运营商的管控及整体成效监测等功能并完成车网互动聚合管控的开发。本发明属于数据管理技术领域,具体是提供了一种兼容多电力市场的高可靠数据弹性存储管理方法,用于解决海量多源异构数据传输的实时性、可靠性与稳定性的问题,以及如何保证海量数据存储安全、稳定、高效的问题。

    可调节负荷区域负荷分类方法及相关设备

    公开(公告)号:CN115879031A

    公开(公告)日:2023-03-31

    申请号:CN202211395922.8

    申请日:2022-11-08

    Abstract: 本申请提供一种可调节负荷区域负荷分类方法、装置、电子设备及存储介质,包括:获取可调节负荷区域内的原始用电数据;对所述原始用电数据进行预处理,得到用户用电行为特征;通过聚类算法对所述用户用电行为特征进行第一聚合,得到用电负荷分类;根据神经网络对所述用电负荷分类中任一类用电负荷进行第二聚合,确定负荷响应特性;根据所述负荷响应特性确定可调负荷区域的负荷分类结果。本申请通过区域大规模可调节负荷分层分区的多维聚合,即通过聚类算法和神经网络进行两次聚合,克服了现有技术中算法单一,可迁移性低,聚类效果不佳的问题,有效实现了大规模可调节负荷聚合特性在线辨识与参数提取。

    基于元联邦强化学习的通信资源分配方法和系统

    公开(公告)号:CN119892663A

    公开(公告)日:2025-04-25

    申请号:CN202411870734.5

    申请日:2024-12-18

    Abstract: 本发明公开了一种基于元联邦强化学习的通信资源分配方法和系统,所述方法包括:通信调度设备将采集的当前业务的数据提取传输状态特征输入到预先训练得到的元联邦近端策略优化模型;并根据元联邦近端策略优化模型输出的资源分配策略,为业务分配带宽资源;其中,元联邦近端策略优化模型是由边缘服务器利用本地的历史业务数据以及资源分配策略进行元训练,继而通过多个通信调度设备利用本地的历史业务数据以及资源分配策略进行元适应,以及进行在线训练后,将多个在线训练后的元联邦近端策略优化模型的模型参数进行联邦聚合后得到的。应用本发明可以自动调整通信资源的分配,以适应网络环境的动态变化,提高通信效率和网络稳定性。

Patent Agency Ranking