-
公开(公告)号：CN116070161A
公开(公告)日：2023-05-05
申请号：CN202310110444.X
申请日：2023-01-16
IPC分类号： G06F18/2433 , G06F18/10 , G06F123/02
摘要： 本申请公开了一种异常检测方法及相关装置，所述方法包括：对多维时间序列数据进行预处理；利用编码器的网络模型对预处理后的多维时间序列数据进行处理，得到嵌入空间向量；获取单类别检测损失函数；基于所述嵌入空间向量以及所述损失函数对模型进行训练；利用训练后的模型进行异常检测，得到异常检测结果。利用单类别检测损失函数，由于其仅需尽量学习到正常数据的特征，若后续异常检测过程中所检测到的数据与正常数据的类别偏差较大，那么可以将其视为异常；并且通过对高维时间序列数据进行的预处理以及对于编码器的利用，能够充分提取到多维时间序列数据的特征，从而能够进行多维时间序列场景下的异常检测。
-
公开(公告)号：CN114818930A
公开(公告)日：2022-07-29
申请号：CN202210453036.X
申请日：2022-04-27
申请人： 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 , 国网智能电网研究院有限公司
IPC分类号： G06K9/62 , G06F16/28 , G06F16/2458
摘要： 本申请提供了一种数据异常检测方法及装置、存储介质及电子设备，通过获取多个携带标记信息的用电数据和多个未携带标记信息的用电数据，利用携带标记信息的用电数据中的电流数据对第一分类器进行训练，利用携带标记信息的用电数据中的功率数据对第二分类器进行训练，从而利用已训练的第一分类器和第二分类器对未标记的用电数据进行异常检测，基于检测结果实现对未携带标记信息的用电数据的标记。可见，本技术方案，只需人工对部分用电数据进行标记，从而基于该部分携带标记的用电数据进行训练扩展，自动且准确实现对剩余未标记用电数据的异常检测及标记，从而降低了人力成本，且提高了数据异常检测的效率及准确率，从而提高了标记的效率及准确率。
-
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：CN117171362A
公开(公告)日：2023-12-05
申请号：CN202311147924.X
申请日：2023-09-06
申请人： 国网浙江省电力有限公司信息通信分公司 , 国网浙江省电力有限公司
IPC分类号： G06F16/36 , G06F16/332 , G06F18/214 , G06F40/186 , G06Q50/06
摘要： 本发明公开一种电力系统信息的关系抽取方法、装置、设备及介质，方法包括：对获取的电力系统文本数据进行预处理，确定若干待处理分句；将预设的实体类型列表和关系列表分别与各分句进行结合，生成若干实体类型/关系抽取问题模板并输入至生成式预训练语言模型，获取各分句中的若干实体类型和关系，并与若干用于表征不同实体类型之间的关系的链提取模板进行匹配，确定各分句的若干目标链提取模板；将分句分别与若干目标链提取模板进行结合，生成若干实体关系抽取问题模板并输入至生成式预训练语言模型，获取各关系所对应的若干对实体，进而生成若干关系三元组。本发明能够在无需人工标注与模型训练的基础上实现电力系统信息的关系自动化抽取。
-
公开(公告)号：CN116700925A
公开(公告)日：2023-09-05
申请号：CN202310694423.7
申请日：2023-06-12
申请人： 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
IPC分类号： G06F9/48
摘要： 本发明提出了一种基于RPA的数字员工群体协作方法，包括：进行任务编排，对任务编排结果提取特征数据，赋予任务不同的优先级，按照优先级的顺序生成进程队列；将运行正常的机器人划入数字员工资源池；按照进程调度算法为进程队列调度机器人，将进程队列中的任务分配给机器人执行；当监测到失败任务时，生成重试任务，根据重试任务的重试参数调整优先级；根据优先级调整前后的变化计算重试影响指标，判断是否生成一个新的重试队列，将重试队列中的重试任务分配给未在执行进程队列中的任务的机器人，与进程队列同时执行。本发明避免重试任务过多占用其他任务的数字员工资源的问题，提高了任务执行异常情况下的任务自动化执行效率。
-
公开(公告)号：CN115578729B
公开(公告)日：2023-03-21
申请号：CN202211457579.5
申请日：2022-11-21
申请人： 国网浙江省电力有限公司信息通信分公司 , 国网浙江省电力有限公司
IPC分类号： G06V30/146 , G06V30/16 , G06V30/18
摘要： 本发明公开了数字员工AI智能流程编排方法，包括：采集带有流程信息的纸质文件的原始图像，对原始图像进行差异灰度化，得到若干差异灰度化图像；对差异灰度化图像进行预设角度的旋转，得到若干旋转灰度化图像；对旋转灰度化图像进行膨胀，利用霍夫变换检测膨胀后每行字符形成的字符直线，得到字符走向图；根据字符走向图对膨胀前的旋转灰度化图像进行透视变换，得到矫正图；提取矫正图中的箭头标识，以箭头标识作为辅助信息对矫正图进行仿射变换，旋转得到还原图，将还原图二值化后输入至字符识别模块进行识别，依次提取流程信息完成编排。本发明可以得到准确的文字走向，避免特殊角度等原因导致的识别错误，有利于提高处理速度和准确性。
-
公开(公告)号：CN114818994A
公开(公告)日：2022-07-29
申请号：CN202210725655.X
申请日：2022-06-24
申请人： 国网浙江省电力有限公司信息通信分公司 , 国网浙江省电力有限公司
摘要： 本发明提供一种基于多源异构电力数据的跨业务图谱的融合方法，基于第一业务图谱中每个第一树节点的维度描述生成第一业务图谱的第一逻辑树；基于第二业务图谱中每个第二树节点的维度描述生成第二业务图谱的第二逻辑树；根据第一逻辑树中每个第一树节点的位置确定每个树节点的第一树节点标签，根据第一逻辑树中每个第二树节点的位置确定每个树节点的第二树节点标签；基于第一树节点标签和第二树节点标签依次选取多个第一树节点和第二树节点进行融合，得到多个具有第三树节点的第三逻辑树，根据每个第三树节点所对应的第三树节点标签生成跨业务图谱，可以分维度高效的融合图谱，且可以清晰的分维度展现图谱。
-
公开(公告)号：CN114266423A
公开(公告)日：2022-04-01
申请号：CN202210203991.8
申请日：2022-03-03
申请人： 国网浙江省电力有限公司信息通信分公司 , 国网浙江省电力有限公司 , 国网浙江综合能源服务有限公司
摘要： 本发明提供一种基于多模型的电力能源需求预测方法、装置及存储介质，包括：获取预设时间段内多个时间点的历史能源数据，根据多个历史能源数据得到预设时间段内的第一能源需求增长率；选择第一模型集合中对应的第一预测模型，第一预测模型根据所述历史能源数据得到第一能源需求预测值；选择预设时间段中与当前时刻最接近的时间点作为目标时间点，第一预测模型根据第一时间点的历史能源数据得到目标时间点的第二能源需求预测值；第二预测模型将所述第二能源需求预测值和能源需求实际值比对得到第一结果；基于所述第二能源需求预测值和能源需求实际值得到残差值，基于所述残差值对所述第一能源需求预测值修正得到第三能源需求预测值。
-
公开(公告)号：CN116701001B
公开(公告)日：2023-10-20
申请号：CN202310989113.8
申请日：2023-08-08
申请人： 国网浙江省电力有限公司信息通信分公司 , 之江实验室 , 国网信息通信产业集团有限公司 , 国网浙江省电力有限公司磐安县供电公司
IPC分类号： G06F9/50
摘要： 本发明公开目标任务分配方法、装置、电子设备及存储介质，该方法包括：将目标任务拆分为多个算子；根据模型并行机制和数据并行机制对算子进行二次拆分；确定目标算子在边缘设备上的资源变化速率，得到算力更新速率表；确定每个边缘设备的剩余空闲资源量；根据算力更新速率表、每个边缘设备的设备类型、每个边缘设备的剩余空闲资源量、以及每个目标算子的计算资源需求量，确定多个目标算子和多个边缘设备的映射关系；根据映射关系将目标算子分配到多个边缘设备上。本方法在深度学习模型训练中，将目标任务分为多个目标算子，并将目标算子分配到对应的边缘设备上，通过不同的边缘设备对目标任务协同计算，有效地提高训练过程中的计算效率。
-
公开(公告)号：CN116776953A
公开(公告)日：2023-09-19
申请号：CN202310715204.2
申请日：2023-06-15
摘要： 本申请公开一种模型压缩部署方法、装置、服务器及存储介质，涉及模型处理技术领域，能够解决如何根据用户的部署需求确定最优的压缩优化方法的问题。具体方案包括：获取待压缩模型和待压缩模型的压缩需求信息，调用预设的第一估计函数，对待压缩模型的模型指标进行估计，得到第一指标；第一估计函数用于预测待压缩模型经过知识蒸馏处理后的模型指标，模型指标包括模型大小、参数量、计算量和仿存量；根据第一指标、预设的惩罚因子和预设值，确定第一指标对应的模型在待部署设备上的第一处理速度；根据第一处理速度和部署设备的处理速度，确定待压缩模型的压缩策略，并利用确定出的压缩策略对待压缩模型进行压缩，得到待压缩模型的目标压缩模型。
-
-
-
-
-
-
-
-
-
搜索结果
71 条记录 (耗时 0.088 秒)
