-
公开(公告)号:CN110245131A
公开(公告)日:2019-09-17
申请号:CN201910485558.6
申请日:2019-06-05
申请人: 江苏瑞中数据股份有限公司 , 国家电网有限公司 , 南瑞集团有限公司 , 国网浙江省电力有限公司信息通信分公司 , 国网安徽省电力有限公司电力科学研究院
IPC分类号: G06F16/215 , G06F16/28 , G06Q50/06
摘要: 本发明公开了一种知识图谱中实体对齐方法、系统及其存储介质,包括:步骤1:采用第一训练数据对第一实体对齐模型进行训练,采用第二训练数据对第二实体对齐模型进行训练,第一实体对齐模型每一次迭代训练得到的可信实体更新第二训练数据,第二实体对齐模型每一次迭代训练得到的可信实体更新第一实体对齐模型,当迭代次数达到设置的最大次数或第一实体对齐模型的输出结果与第二实体对齐模型的输出结果在设定的阈值范围内后停止迭代,得到最终的实体对齐模型;步骤2:将待对齐的图谱输入至步骤1得到的最终的实体对齐模型中,得到实体对齐结果。
-
公开(公告)号:CN115456067A
公开(公告)日:2022-12-09
申请号:CN202211083445.1
申请日:2022-09-06
申请人: 国网智能电网研究院有限公司 , 国网浙江省电力有限公司信息通信分公司
摘要: 本发明提供了一种异常检测模型训练方法、异常检测方法及装置,其中,异常检测模型训练方法包括:获取初始训练集;将初始训练集中的样本分别输入不同的异常分类模型进行预测,并根据预测类别进行标签标记;基于各样本对应的预测类别和标签分别计算各样本的投票熵;对投票熵大于熵值阈值的样本进行目标标记;利用带有目标标记的样本对目标异常分类模型进行训练,得到训练好的目标异常分类模型。在最大化提高异常检测模型准确率的同时,大幅降低由于过度依赖特征工程或对异常模式的挖掘单一导致异常检测假阳性概率过高的情况发生。
-
公开(公告)号:CN113792890A
公开(公告)日:2021-12-14
申请号:CN202111167777.3
申请日:2021-09-29
申请人: 国网浙江省电力有限公司信息通信分公司 , 浙江捷瑞电力科技有限公司
摘要: 本公开提供的一种基于联邦学习的模型训练方法及相关设备,应用于边缘计算框架,所述边缘计算框架包括云计算中心和至少一个边缘计算节点,所述云计算中心对各所述边缘计算节点进行管理控制,该方法包括:对所述云计算中心构建中心神经网络模型;对各所述边缘计算节点分别构建边缘神经网络模型;利用训练样本对各所述边缘神经网络模型进行联邦学习并对所述中心神经网络模型进行调整,获得对抗攻击防御全局模型。本公开通过对各边缘计算节点对应的边缘神经网络模型之间进行联邦学习,可以有效在训练过程中防止边缘计算节点的数据泄露,提高边缘计算框架的对抗攻击防御能力。
-
公开(公告)号:CN113704241A
公开(公告)日:2021-11-26
申请号:CN202111256821.8
申请日:2021-10-27
申请人: 国网浙江省电力有限公司信息通信分公司
IPC分类号: G06F16/215
摘要: 本发明提出了一种低业务依赖的能源数据智能稽核方法,包括:确定相互对应的文本字段、日期时间字段以及数值字段;将文本字段、日期时间字段调整为标准模板规定的格式;对日期时间字段和数值字段进行数据拟合,判断数值字段中的数据,若为时序数据,基于与拟合曲线的偏离程度标记数值字段的第一异常数据,若为非时序数据,基于孤立森林算法标记数值字段的第二异常数据;根据拟合曲线的趋势生成第一异常数据的修正建议值;根据数值字段中其他数据在二叉树中的异常分值确定修正权重,根据加权求和的结果生成第二异常数据的修正建议值。由业务规则驱动的稽核方式转变为由数据本身特征驱动,提高了能源数据的稽核效率与异常数据修正的准确性。
-
公开(公告)号:CN118296372A
公开(公告)日:2024-07-05
申请号:CN202410317541.0
申请日:2024-03-20
申请人: 国网浙江省电力有限公司信息通信分公司
IPC分类号: G06F18/214 , G06Q50/06 , G06N3/08
摘要: 本申请公开了一种电力业务数据接口识别方法及装置,本方案通过给电力业务数据构建数据标签,提高数据安全性,解决现有数据接口自动识别过程中的问题;同时,通过预设电力业务数据接口识别模型可以自动、准确识别出业务链路中的关键节点,明确防护重点,并能够在数据异动发生时快速准确地追查出数据异动源头,保护业务活动链路的安全性和功能,防止敏感数据的泄露对业务造成严重影响,并解决了现有数据接口自动识别过程中缺乏全景视角和难以发现数据泄露源头的问题,有助于帮助新型电力系统形成基于数据标签的业务数据接口自动识别能力,既能满足线上合作渠道的数据安全异动发现需求,又能实现数据异动之后的精准溯源。
-
公开(公告)号:CN118149825A
公开(公告)日:2024-06-07
申请号:CN202410349252.9
申请日:2024-03-26
申请人: 国网浙江省电力有限公司信息通信分公司
IPC分类号: G01C21/20
摘要: 本发明公开了一种电力机器人自动导航方法、系统、设备及存储介质,该方法包括:获取电力机器人四周的障碍物位置信息,并将障碍物位置信息作为电力机器人的控制器的第一输入变量;设置电力机器人和巡检点的直线路径,并将直线路径和电力机器人的前进方向之间的角度作为控制器的第二输入变量,以及将电力机器人的转向角度作为控制器的输出变量;设置模糊集合;根据第一输入变量、第二输入变量、输出变量和模糊集合建立模糊规则;将输出变量作为隶属度的论域,得到输出变量的隶属度函数,并根据隶属度函数对输出变量进行去模糊化得到输出变量的具体值,以使电力机器人根据具体值完成导航。本发明采用模糊技术使电力机器人能够有效躲避四周的障碍物。
-
公开(公告)号:CN116241379A
公开(公告)日:2023-06-09
申请号:CN202310064637.6
申请日:2023-01-16
申请人: 国网浙江省电力有限公司信息通信分公司
摘要: 本申请提供了一种电网数据安全防护方法、系统及存储介质,应用于电网数据安全领域。所述方法包括:首先解析多个节点接收的电网数据,获取特征化的电网数据,即特征信息。将特征信息发送至预先配置的主数据通道进行初步检验。将初步检验为异常的特征信息发送至预先配置的辅助数据通道,与攻击黑名单中的预置信息比对分析。对于异常特征信息,删除,对于正常的特征信息,将其保存至数据主存储进行存储。如此,通过初步检验和与攻击黑名单中的预置信息比对分析,确定数据是否为异常数据,并将异常数据删除,提高电网数据的安全性。
-
公开(公告)号:CN115731420A
公开(公告)日:2023-03-03
申请号:CN202211510025.7
申请日:2022-11-29
申请人: 国网浙江省电力有限公司信息通信分公司
IPC分类号: G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/0985
摘要: 本发明提供一种基于孪生网络的小样本目标检测方法及相关设备,该方法通过获取待检测图片;将待检测图片和多个支持图片输入到第一目标检测模型中,得到并输出待检测图片的预测目标检测结果。由于待检测图片的预测目标检测结果用于说明预测出待检测图片在建议框中的目标类别;第一目标检测模型通过小样本训练集中的查询图片和支持图片对第二目标检测模型进行训练得到;小样本训练集包括特定应用场景下的多个目标类别的支持图片和查询图片;第二目标检测模型通过公开数据集的查询图片和支持图片对初始检测模型进行训练得到,因此训练得到的第一目标检测模型能够满足小样本情况下的目标检测需求,输出高准确度的预测目标检测结果。
-
公开(公告)号:CN113869332A
公开(公告)日:2021-12-31
申请号:CN202111210992.7
申请日:2021-10-18
申请人: 国网浙江省电力有限公司信息通信分公司 , 浙江捷瑞电力科技有限公司
摘要: 本申请公开了一种特征选择方法、装置、存储介质和设备,预先获取经由对原始数据进行特征工程所得到的各个特征,并计算各个特征的权重,删除权重小于预设权重阈值的特征。调用预设的适应度函数,对基于各个有效特征初始化得到的粒子群中的每个粒子进行适应度评估,并通过预设粒子群算法,迭代更新每个粒子的位置和速度,得到每个粒子的最终适应度。选取最终适应度最小的特征子集中所包含的有效特征,作为训练特征。将权重小于预设权重阈值的特征进行删除,能够减小后续算法的时间复杂度,此外,适应度函数中综合了特征子集的分类效果和重要性,使得通过预设粒子群算法所选择出的有效特征的效果更优,能够有效提高机器学习模型的计算效率。
-
公开(公告)号:CN109782123A
公开(公告)日:2019-05-21
申请号:CN201811543527.3
申请日:2018-12-17
申请人: 国网浙江省电力有限公司
发明人: 叶卫 , 孙嘉赛 , 潘伟 , 邱兰馨 , 孟奇 , 尚天婷 , 蔡晴 , 赵海涛 , 包迅格 , 王臻 , 陈婉珂 , 段玉帅 , 方子璐 , 冯珺 , 冯烛明 , 胡强新 , 赖晓翰 , 林晓亮 , 卢杉 , 陆燕 , 吴一轩
IPC分类号: G01R31/08
摘要: 本发明公开了一种基于大数据的电力故障监测方法、系统及可读存储介质,通过将故障的症状的数据作为第一随机变量,对于所述对应的非故障数据作为第二随机变量,对于所述故障的原因作为第三随机变量,对于所述故障相关的三种随机变量进行分散处理,形成对应的多组取值作为训练样本数据,训练人工智能模型,由于还引入了非故障数据作为第二随机变量来训练人工智能模型,使得故障产生的原因和故障的症状的对应性更好,提高了预测的准确性。
-
-
-
-
-
-
-
-
-