-
公开(公告)号:CN116708445A
公开(公告)日:2023-09-05
申请号:CN202310990227.4
申请日:2023-08-08
申请人: 北京智芯微电子科技有限公司
IPC分类号: H04L67/10 , H04L67/1008 , H04L67/1029 , H04L67/12 , H04L41/0631 , G06F9/50 , G06Q50/06
摘要: 本申请公开了一种边缘计算任务的分配方法、配电网系统、装置及存储介质。该方法包括:获取端侧终端设备的任务数据,并确定任务数据的任务信息和任务优先级;根据任务优先级和任务信息确定任务数据的任务卸载权重值,其中,任务卸载权重值用于评估任务数据被卸载的优先级;若根据任务卸载权重值确定任务数据需要被卸载,则确定当前边缘终端设备的设备利用率信息,并根据设备利用率信息确定目标卸载设备,以便将任务数据卸载至目标卸载设备,其中,目标卸载设备包括以下至少之一:边缘侧中除去当前边缘终端设备的其他边缘终端设备、云主站。通过本申请,解决了相关技术中边缘计算算力不足时,对应的终端设备上传任务的处理效率较低的问题。
-
公开(公告)号:CN116611118A
公开(公告)日:2023-08-18
申请号:CN202310900290.4
申请日:2023-07-21
申请人: 北京智芯微电子科技有限公司
摘要: 提供一种基于改进差分隐私的数据隐私保护模型的构建方法、装置、处理器及存储介质,属于人工智能领域。该方法包括:选择参与数据隐私保护模型构建的边缘节点;将各边缘节点的本地模型融合为数据隐私保护优化模型,判断所述数据隐私保护优化模型是否收敛,所述本地模型为各边缘节点利用其自身训练集对数据隐私保护初始模型训练得到,所述数据隐私保护初始模型由所述中心节点发送给各边缘节点;若未收敛,则基于与各边缘节点的本地模型的样本预测能力相匹配的权重,重新筛选参与数据隐私保护模型构建的边缘节点,并将所述数据隐私保护初始模型更新为所述数据隐私保护优化模型,重复上述步骤直至模型收敛。本发明实施例可以保证构建模型的准确性。
-
公开(公告)号:CN116402318A
公开(公告)日:2023-07-07
申请号:CN202310664211.4
申请日:2023-06-07
申请人: 北京智芯微电子科技有限公司
IPC分类号: G06Q10/0631 , G06Q10/0637 , G06Q10/04 , G06Q50/06
摘要: 本发明提供一种面向配电网的多级算力资源分配方法、装置及网络架构,属于配电网技术领域。所述面向配电网的多级算力资源分配方法包括:在端侧设备有任务需求生成时,根据所述任务需求确定所需算力资源;根据所述所需算力资源判断端侧设备的资源配额是否有剩余;在所述端侧设备的资源配额有剩余的情况下,将剩余的资源配额进行再次分配,得到资源分配结果;其中,所述端侧设备的资源配额是根据历史情况分别对各个端侧设备分配对应的算力资源得到;所述算力资源包括边缘侧设备的算力和端侧设备的算力。实现了业务处理需求与算力资源之间的动态匹配,从而提高了配电网算力效率,使得算力资源充分利用。
-
公开(公告)号:CN116187205A
公开(公告)日:2023-05-30
申请号:CN202310445149.X
申请日:2023-04-24
申请人: 北京智芯微电子科技有限公司
IPC分类号: G06F30/27 , G06N3/0442 , G06N3/048 , G06N3/08 , G06F113/04
摘要: 本发明涉及电力物联网领域,提供一种配电网数字孪生体的运行状态预测方法及装置、训练方法。所述方法包括:获取配电设备的多项性能数据;将配电设备的多项性能数据作为当前特征值并行输入数字孪生状态模型,得到多项性能数据对应的多个预测特征值,根据多个预测特征值得到配电设备运行状态的多个特征状态值;根据多个特征状态值推测出对应该配电设备的配电网数字孪生体的运行状态。其中,数字孪生状态模型包括由多组长短期记忆网络单元组构成的长短期记忆网络矩阵,每一组长短期记忆网络单元组对应配电设备的一项性能数据,多组长短期记忆网络单元组分别用于测算多项性能数据对应的预测特征值。本发明降低了配电网数字孪生体的运算复杂度。
-
公开(公告)号:CN115085921B
公开(公告)日:2023-01-20
申请号:CN202210865738.9
申请日:2022-07-22
申请人: 北京智芯微电子科技有限公司
摘要: 本公开涉及通信技术领域,具体涉及一种模型训练方法、节点检测方法、装置、设备及介质,方法应用于边缘设备,包括:获取节点注册信息,并根据节点注册信息获取至少一个节点群组;对每个节点群组内的节点进行认证,以确定白名单节点;获取节点的当前业务数据,并响应于至少一个节点包括目标节点,获取当前目标节点的第一节点状态信息,并在目标时长后获取目标节点的第二节点状态信息;获取节点检测模型,基于目标节点的当前业务数据、第一节点状态信息、第二节点状态信息进行训练,获取目标节点检测模型。基于目标节点检测模型,可以在无需设置数据阈值的前提下,对不同场景中节点的节点状态进行预测,降低了检测难度,提高了检测结果的准确率。
-
公开(公告)号:CN115314902A
公开(公告)日:2022-11-08
申请号:CN202210753477.1
申请日:2022-06-28
申请人: 北京智芯微电子科技有限公司
摘要: 本发明实施例提供一种基于主动标识载体的信息交互方法和交互系统,属于工业互联网技术领域。所述基于主动标识载体的信息交互方法包括:连接感知节点,并基于所述主动标识载体管理所述感知节点;通过所述感知节点获取感知数据;以及整合所述感知数据,并发送所整合的感知数据。可以缩短通信链路,提高通信和部署效率以及数据传输稳定性,降低成本,通过工业现场级主动标识载体实现不同数据类型感知节点的互联互通,满足现场级别的高效协同需求场景。
-
公开(公告)号:CN115168876A
公开(公告)日:2022-10-11
申请号:CN202210387256.7
申请日:2022-04-13
申请人: 北京智芯微电子科技有限公司 , 国网河南省电力公司 , 国家电网有限公司
摘要: 本发明实施例提供一种基于联邦学习的云边端协同方法、控制装置、及协同系统,属于电力技术领域。所述边缘侧为基于联邦学习构建的云边端系统架构中的边,边缘侧的云边端协同方法包括:获取端侧设备的历史数据;基于所述历史数据,训练数据模型,得到本地模型;上传所述本地模型和对应的模型参数至云端;获取所述云端下发的聚合模型,作为本地聚合模型,以进行本地管理和决策,其中,所述聚合模型为所述云端通过加权聚合的各边缘侧上传的所述本地模型。基于联邦学习的云边端协同,在边缘侧通过本地训练,数据本身不会离开边缘侧,边缘侧之间、边缘侧与云端之间共享聚合模型、以及聚合模型的参数更新,从而保证了数据安全和隐私需求。
-
公开(公告)号:CN115102700A
公开(公告)日:2022-09-23
申请号:CN202211022575.4
申请日:2022-08-25
申请人: 北京智芯微电子科技有限公司 , 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司
摘要: 本公开涉及信息安全技术领域,具体涉及一种安全通信方法、装置、芯片、电子设备及可读存储介质,所述安全通信方法包括:与配电主站基于改进的SM2算法进行认证,并在认证成功后与所述配电主站基于所述改进的SM2算法进行密钥协商,得到所述配电终端和所述配电主站的会话密钥K,其中,所述改进的SM2算法中,随机公钥因子直接参与标识映射算法,实现随机公钥与标识间的绑定;在所述密钥协商结果为真时,利用所述会话密钥K与所述配电主站基于SM1算法进行加密通信。该方法避免了海量配电终端接入时,配电主站高并发面临的瓶颈,节省了通信资源和计算资源,提高了方案的适用性。
-
公开(公告)号:CN115085921A
公开(公告)日:2022-09-20
申请号:CN202210865738.9
申请日:2022-07-22
申请人: 北京智芯微电子科技有限公司
摘要: 本公开涉及通信技术领域,具体涉及一种模型训练方法、节点检测方法、装置、设备及介质,方法应用于边缘设备,包括:获取节点注册信息,并根据节点注册信息获取至少一个节点群组;对每个节点群组内的节点进行认证,以确定白名单节点;获取节点的当前业务数据,并响应于至少一个节点包括目标节点,获取当前目标节点的第一节点状态信息,并在目标时长后获取目标节点的第二节点状态信息;获取节点检测模型,基于目标节点的当前业务数据、第一节点状态信息、第二节点状态信息进行训练,获取目标节点检测模型。基于目标节点检测模型,可以在无需设置数据阈值的前提下,对不同场景中节点的节点状态进行预测,降低了检测难度,提高了检测结果的准确率。
-
公开(公告)号:CN115049058A
公开(公告)日:2022-09-13
申请号:CN202210983746.3
申请日:2022-08-17
申请人: 北京智芯微电子科技有限公司
摘要: 本公开涉及计算机技术领域,具体涉及一种拓扑识别模型的压缩方法、装置、电子设备及介质,所述拓扑识别模型的压缩方法包括:对待压缩模型进行剪枝,得到剪枝模型,并对所述剪枝模型进行训练,得到训练好的剪枝模型;将所述训练好的剪枝模型中各神经网络层的权重参数的比特位数由第一比特位数量化到第二比特位数,得到高量化剪枝模型,并对所述高量化剪枝模型进行训练,得到训练好的高量化剪枝模型;将所述训练好的高量化剪枝模型作为待压缩模型,继续对所述待压缩模型进行剪枝和量化,直至得到压缩好的拓扑识别模型,并将所述压缩好的拓扑识别模型部署到电力物联终端,从而在确保拓扑识别模型的精度满足需求的情况下,减小拓扑识别模型的尺寸。
-
-
-
-
-
-
-
-
-