-
公开(公告)号：CN118336902A
公开(公告)日：2024-07-12
申请号：CN202410320748.3
申请日：2024-03-20
Applicant: 中国电力科学研究院有限公司 , 国网浙江省电力有限公司嘉兴供电公司 , 国网浙江省电力有限公司 , 国家电网有限公司
Inventor： 郭鹏 , 李仲青 , 张烈 , 裘愉涛 , 杨国生 , 韩中杰 , 金盛 , 田宝江 , 李穰 , 牟黎 , 康逸群 , 陆建琴 , 闫周天 , 费云中 , 李妍霏 , 赵栋 , 张瀚方 , 药韬 , 胡海燕 , 叶馨 , 赵建新 , 方岳龙 , 李畅 , 张心一
IPC: H02J13/00 , H04L41/0631
Abstract: 本发明提供一种变电站继电保护GOOSE断链告警信息的诊断方法和装置通过建立硬件告警库，先对待诊断告警信息进行硬件告警匹配，当为硬件告警时，只需要判断是发送端硬件告警还是接收端硬件告警，即可输出诊断结果，当不为硬件告警时，通过将待诊断告警信息与设置时间范围内的第一告警信息通过溯源分析，确定告警报送类型和链路类型，从而根据告警报送类型和链路类型来输出告警诊断结果。所述方法和装置通过区分是否为硬件告警，并在不为硬件告警时，通过与其他告警信息的溯源路径进行综合比对，将待诊断告警信息的异常点缩小至溯源路径中的有限个异常点上进行排查即可确定最终的异常点，较好地节省了人力，提高了缺陷诊断的效率。
-
公开(公告)号：CN112104660A
公开(公告)日：2020-12-18
申请号：CN202010986839.2
申请日：2020-09-18
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司 , 浙江华云信息科技有限公司
Abstract: 本申请公开了一种数据传输方法、相关设备及可读存储介质。基于上述方案，发送方可以发送包括头字节字段、请求序号字段、操作码字段、对象标识字段、消息体长度字段、消息体字段和校验码字段的二进制格式数据报文，接收方可以对二进制格式数据报文进行解析。由于二进制格式数据报文相对于JSON，XML等格式，占用的传输资源较小，而边缘网关和云平台可以互为发送方和接收方，因此，边缘网关和云平台之间传输的数据为二进制格式数据报文时，能够提升边缘网关和云平台之间的数据传输的效率和可靠性。
-
公开(公告)号：CN109753809A
公开(公告)日：2019-05-14
申请号：CN201811426004.0
申请日：2018-11-27
Applicant: 国网浙江省电力有限公司
Inventor： 叶卫 , 方舟 , 戚伟强 , 龚小刚 , 郭亚琼 , 陈超 , 季超 , 牟黎 , 陈逍潇 , 程清 , 裴旭斌 , 沈志豪 , 耿继朴 , 孙嘉赛 , 许敏 , 伍星宇 , 王嘉怡 , 陈珊 , 陈泽堃
Abstract: 本发明属于网络安全防护领域，尤其涉及一种基于云存储系统的电网数据块分割方法，包括以下步骤：S1，根据电力企业敏感数据特征，将采集的样本数据块分为敏感数据块和非敏感数据块；S2，将敏感数据块和非敏感数据块进行不同程度的加密；S3，加密后的非敏感数据块存储在公有云，加密后的敏感数据块存储在私有云。通过使用本发明，可以实现以下效果：对样本数据块进行合理分割，按数据块不同的安全级别需求，采用不同强度的数据加密技术进行加密，从而在保护云存储用户数据隐私的同时，降低系统开销。
-
公开(公告)号：CN116302782A
公开(公告)日：2023-06-23
申请号：CN202211573892.5
申请日：2022-12-08
Applicant: 国网浙江省电力有限公司信息通信分公司
IPC: G06F11/30
Abstract: 本申请提供了一种云业务平台运行异常监测方法、装置、系统和介质，该方法包括：获得云业务平台当前预测数据；计算预设时长范围云业务平台数据的标准差；计算得到云业务平台当前实时数据的混乱性特征；计算当前时刻的最终滞后时间；计算云业务平台当前实时数据的离群因子；当云业务平台当前实时数据的离群因子除以云业务平台当前实时数据的混乱性特征的值大于预设阈值时，则判定云业务平台运行异常。从而本申请结合数据的实时更新与数据时间序列的相关性特征，对数据进行滞后监测，在牺牲较短的监测实时性的基础上，获得数据在时间序列上更多的相关数据，减少历史数据分析的片面性，获得更加准确的离群因子，实现云业务平台运行异常的准确监测。
-
公开(公告)号：CN109753809B
公开(公告)日：2021-07-06
申请号：CN201811426004.0
申请日：2018-11-27
Applicant: 国网浙江省电力有限公司
Inventor： 叶卫 , 方舟 , 戚伟强 , 龚小刚 , 郭亚琼 , 陈超 , 季超 , 牟黎 , 陈逍潇 , 程清 , 裴旭斌 , 沈志豪 , 耿继朴 , 孙嘉赛 , 许敏 , 伍星宇 , 王嘉怡 , 陈珊 , 陈泽堃
Abstract: 本发明属于网络安全防护领域，尤其涉及一种基于云存储系统的电网数据块分割方法，包括以下步骤：S1，根据电力企业敏感数据特征，将采集的样本数据块分为敏感数据块和非敏感数据块；S2，将敏感数据块和非敏感数据块进行不同程度的加密；S3，加密后的非敏感数据块存储在公有云，加密后的敏感数据块存储在私有云。通过使用本发明，可以实现以下效果：对样本数据块进行合理分割，按数据块不同的安全级别需求，采用不同强度的数据加密技术进行加密，从而在保护云存储用户数据隐私的同时，降低系统开销。
-
Patent Agency Ranking
公开(公告)号：CN110598442A
公开(公告)日：2019-12-20
申请号：CN201910860749.6
申请日：2019-09-11
Applicant: 国网浙江省电力有限公司信息通信分公司
IPC: G06F21/62
Abstract: 本发明的一种敏感数据自适应的脱敏方法、系统，涉及计算机技术与信息安全领域，包括如下步骤：在脱敏服务器中添加多个脱敏算法，并设置每个脱敏算法与多个脱敏效果中的每个脱敏效果之间一一对应的定量关系；脱敏服务器接收用户端设备发送的脱敏指令，并根据脱敏指令从数据源服务器读取原始数据；脱敏服务器构建用户对于不同敏感数据类型的脱敏效果偏好训练集，形成决策树；脱敏服务器对原始数据中存在的敏感数据进行定位并确定敏感数据的类型，利用决策树对敏感数据选择脱敏算法，根据脱敏算法生成敏感数据的替换数据。本发明用户配置流程简单，能够实现脱敏策略的智能化自动配置，自动脱敏。
-
公开(公告)号：CN110119755A
公开(公告)日：2019-08-13
申请号：CN201910223762.0
申请日：2019-03-22
Applicant: 国网浙江省电力有限公司信息通信分公司 , 杭州电子科技大学
Abstract: 本申请提出了基于Ensemble学习模型的电量异常检测方法，包括对获取到的部分用电数据进行数据整合和用户分类；基于异常审核规则对处理后的用电数据进行特征提取；构建Ensemble学习模型，将特征提取后的数据划分为n组训练集和1个测试集，将训练集导入以ELM为基模型的Ensemble学习模型中进行训练，得到n组分类检测模型；将测试集投入训练好的模型中进行测试，得到n种输出结果；对检测结果进行多数投票决策是否存在电量异常。通过结合用户类别和电量异常审核规则来进行特征抽取，可以把源数据具有强烈的时间序列特点变成具有无序列特点，使得在后面的电量异常检测分类算法的选择上更加具有普适性。同时用多数投票法对多模型预测结果进行投票，提高了异常数据检测率。
-
公开(公告)号：CN118739575A
公开(公告)日：2024-10-01
申请号：CN202410784958.8
申请日：2024-06-18
Applicant: 国网浙江省电力有限公司信息通信分公司 , 杭州卓元数智科技发展有限公司
Abstract: 本发明属于电力数字化管理领域，尤其是一种电力系统的数字化管理系统，包括电力管理平台、数据服务器、电力监控子系统、功率预测子系统和电力管理子系统，所述数据服务器与所述电力管理平台相连接，所述电力监控子系统与所述数据服务器相连接，所述功率预测子系统与所述数据服务器相连接，所述电力管理子系统与所述数据服务器相连接。本发明便于对电力系统进行数字化管理，增强电力系统的灵活性和适应性，减少新能源接入对电力系统的影响，并降低新能源波动对电网的冲击，从而降低调度费用，减轻高峰用电压力，实现用电节约、环保、绿色、智能和有序，促进电力系统安全稳定运行和高质量发展。
-
公开(公告)号：CN110288114A
公开(公告)日：2019-09-27
申请号：CN201910222802.X
申请日：2019-03-22
Applicant: 国网浙江省电力有限公司信息通信分公司 , 杭州电子科技大学
Abstract: 本申请提出了基于电力营销数据的违规用电行为预测方法，包括从电力营销数据库中获取用户用电数据，对用户用电数据进行处理，得到用户用电相关系数矩阵，对获取到的系数矩阵进行整理得到用户用电数据表；构建卷积神经网络模型；将用户用电数据表划分为训练数据集和测试参数集，基于训练数据集对卷积神经网络模型进行训练，将测试参数集导入训练后的卷积神经网络模型中进行违规用电行为预测。从电力用户最近若干个月的用电数据中提取关键信息对该用户是否正在违规用电进行预测，通过根据以往电量使用的规律来判断该用户是否违规，能够提升判定的准确性。
-
公开(公告)号：CN110110887A
公开(公告)日：2019-08-09
申请号：CN201910223787.0
申请日：2019-03-22
Applicant: 国网浙江省电力有限公司信息通信分公司 , 杭州电子科技大学
Abstract: 本申请提出了对低压台区线损率的预测方法，包括获取低压台区线损数据，将获得的数据进行数据清洗，剔除其中异常线损数据；将清洗过的数据按特征进行K-Means聚类，计算各个K值对应的轮廓系数，并选择轮廓系数最接近1的聚类数为最优聚类数；归一化或标准化聚类后的特征数据，基于处理后的数据确定训练集和测试集；构建卷积神经网络模型，利用得到数据矩阵对模型进行训练，使用训练好的模型对数据进行预测。通过基于K-Means聚类和深度学习理论的卷积神经网络建立低压台区线损率的预测模型，既考虑了合计供电量、台区容量、总用户等特征数据与当前线损率之间的关系，又使用了上月线损率、同期线损率、同期累计线损率等历史线损数据来提高预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.031 seconds)
