-
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
Applicant: 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
Abstract: 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：CN114330135A
公开(公告)日：2022-04-12
申请号：CN202111667583.X
申请日：2021-12-30
Applicant: 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
IPC: G06F30/27 , G06K9/62 , G06N20/00 , G06F111/08
Abstract: 本发明提供了一种分类模型构建方法及装置、存储介质及电子设备，该方法包括：确定预设样本集合和每个预设特征维度对应的特征权重，基于预设的集成学习算法进行预测模型的迭代训练，在当前迭代周期中，确定该迭代周期对应的初始模型，和该迭代周期对应的各个训练特征维度所对应的训练样本集合。通过该训练样本集合对该初始模型进行训练，得到该迭代周期对应的预测模型，并更新当前训练特征维度对应的特征权重，以调整下个迭代周期对应的各个训练特征维度。当结束迭代训练过程后，对训练得到的各个预测模型进行组合，得到分类模型。应用本发明的方法，可对用于训练的特征进行调整，采用对分类影响较大的特征进行训练，可提高模型的分类准确度。
-
公开(公告)号：CN113792890B
公开(公告)日：2024-05-03
申请号：CN202111167777.3
申请日：2021-09-29
Applicant: 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
Abstract: 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：CN113869332A
公开(公告)日：2021-12-31
申请号：CN202111210992.7
申请日：2021-10-18
Applicant: 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
Abstract: 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：CN114330135B
公开(公告)日：2024-08-23
申请号：CN202111667583.X
申请日：2021-12-30
Applicant: 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
IPC: G06F30/27 , G06F18/214 , G06F18/2431 , G06N20/20 , G06F111/08
Abstract: 本发明提供了一种分类模型构建方法及装置、存储介质及电子设备，该方法包括：确定预设样本集合和每个预设特征维度对应的特征权重，基于预设的集成学习算法进行预测模型的迭代训练，在当前迭代周期中，确定该迭代周期对应的初始模型，和该迭代周期对应的各个训练特征维度所对应的训练样本集合。通过该训练样本集合对该初始模型进行训练，得到该迭代周期对应的预测模型，并更新当前训练特征维度对应的特征权重，以调整下个迭代周期对应的各个训练特征维度。当结束迭代训练过程后，对训练得到的各个预测模型进行组合，得到分类模型。应用本发明的方法，可对用于训练的特征进行调整，采用对分类影响较大的特征进行训练，可提高模型的分类准确度。
-
Patent Agency Ranking
公开(公告)号：CN117353396B
公开(公告)日：2024-03-08
申请号：CN202311657385.4
申请日：2023-12-06
Applicant: 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 , 杉数科技(北京)有限公司
IPC: H02J3/46 , H02J3/24 , G06F30/20 , G06F17/10 , G06F111/04
-
公开(公告)号：CN117353396A
公开(公告)日：2024-01-05
申请号：CN202311657385.4
申请日：2023-12-06
Applicant: 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 , 杉数科技(北京)有限公司
IPC: H02J3/46 , H02J3/24 , G06F30/20 , G06F17/10 , G06F111/04
Abstract: 本发明涉及发电控制技术领域，公开了一种基于启停曲线的火电机组调度优化方法和装置，包括根据火电机组的机组参数，对火电机组的启停曲线进行数据预处理；根据数据预处理后的启停曲线，以电网总体运行成本最小化为目标函数，以启停曲线相关约束作为约束条件，建立安全约束机组组合模型；对所述安全约束机组组合模型进行出清计算，得到火电机组的调度优化结果。本发明通过考虑火电机组启停曲线并实现相应的数学约束描述，在建模前的数据预处理阶段处理启停曲线生成的相关参数，使其更接近于现实的启停情况，保证建模的准确性，使电力调度系统的机组组合的优化更加具备经济性、安全性和准确性，从而为实际生产提供了更好的指导。
-
公开(公告)号：CN116704266A
公开(公告)日：2023-09-05
申请号：CN202310935029.8
申请日：2023-07-28
Applicant: 国网浙江省电力有限公司信息通信分公司 , 南京南瑞信息通信科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本申请公开一种电力设备故障检测方法、装置、设备及存储介质，涉及电力物联网安全技术领域，能够提高电力设备的故障检测精度和检测效率。具体方案包括：获取原始图像数据集，并进行类型划分，得到第一数据集和第二数据集，第一数据集中为电力设备正常运行的图像数据，第二数据集为电力设备故障的图像数据；对第二数据集进行数据增强，得到第二目标数据集；利用第一数据集训练预设的初始多尺度卷积神经网络模型，得到中间多尺度卷积神经网络模型；利用第一数据集和第二目标数据集训练中间多尺度卷积神经网络模型，得到目标多尺度卷积神经网络模型；将实时采集的电力设备图像输入至目标多尺度卷积神经网络模型中，得到电力设备的故障检测结果。
-
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
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 , 国网智能电网研究院有限公司 , 国网吉林省电力有限公司电力科学研究院
IPC: G06F18/2433 , G06F18/10 , G06F123/02
Abstract: 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：CN115314199A
公开(公告)日：2022-11-08
申请号：CN202210949970.0
申请日：2022-08-09
Applicant: 国网浙江省电力有限公司信息通信分公司
Abstract: 本申请中公开一种边缘设备密钥更新方法及装置，涉及数据处理的技术领域，该方法包括：本申请中根据获取的边缘设备的标识，确定边缘设备的第一公钥，根据获取的密钥中心生成的主密钥确定所述边缘设备的第一私钥，根据所述边缘设备的标识、密钥更新时间参数和密钥更新的时钟信息，基于预设的映射关系，更新所述第一公钥和所述第一私钥，获得第二公钥和第二私钥，将所述第二公钥和所述第二私钥发送至边缘设备，完成边缘设备密钥更新。本申请中可以根据边缘设备的标识、密钥更新时间参数和密钥更新的时钟信息，基于预设的映射关系，更新第一公钥和第一私钥，使得原本长期使用的私钥可以根据密钥更新时间参数更新使用，提高了系统的安全性。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.084 seconds)
