检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于多通道图神经网络的属性聚合式实体对齐

北京航空航天大学学报 2024年第9期50卷 2791-2799页

作者：纪鑫武同心王宏刚杨智伟何禹德赵晓龙国家电网有限公司大数据中心北京100052

随着电力大数据时代的到来,电网企业在多年的技术监督工作中积累了大量的多模态数据。多模态数据的结构化存储和融合是电力系统有效组织和管理的关键。为融合构建大规模的电力缺陷多模态知识图谱,提出基于多通道图神经网络的多模态实体... 详细信息

随着电力大数据时代的到来,电网企业在多年的技术监督工作中积累了大量的多模态数据。多模态数据的结构化存储和融合是电力系统有效组织和管理的关键。为融合构建大规模的电力缺陷多模态知识图谱,提出基于多通道图神经网络的多模态实体对齐方法,以有效融合多源电力异构数据。收集电力领域缺陷日志记录,构建电力缺陷多模态知识图谱实体对齐数据集(EKG),将文本、图像等多模态信息整合到知识图谱中,为实体对齐任务提供丰富的语义信息。多模态数据增加了实体和关系表示的难度,通过挖掘电力领域多模态知识图谱的特征信息,设计属性聚合式对齐方法,利用知识图谱中的多模态属性和结构信息从图像、文本、名称和结构4个维度学习节点表示,解决电力缺陷多模态知识图谱无法有效集成的问题。实验结果表明:所提方法在EKG上取得了最好的效果。

关键词：电力知识图谱图神经网络实体对齐设备缺陷知识图谱

在线全文

学校读者我要写书评

暂无评论

考虑电力行业碳排放的全国碳价预测

中国电力 2024年第5期57卷 79-87页

作者：王一蓉陈浩林林立身唐进国家电网有限公司大数据中心北京100052 北京中创碳投科技有限公司北京100007

为更好预测全国碳价走势,基于带有外生变量的自回归差分移动平均模型(autoregressive integrated moving average with exogenous variable model,ARIMAX),分履约期和非履约期使用不同的外生变量分别构建了全国碳价预测模型。首先,基于... 详细信息

为更好预测全国碳价走势,基于带有外生变量的自回归差分移动平均模型(autoregressive integrated moving average with exogenous variable model,ARIMAX),分履约期和非履约期使用不同的外生变量分别构建了全国碳价预测模型。首先,基于对全国碳市场制度规则研究和交易特征分析,识别出全国碳价在非履约期主要受参与者预期的影响,在履约期碳价主要受企业履约需求驱动;其次,在模型训练方面,采用一种自回归差分移动平均模型,在不同阶段引入不同的外生变量来提升碳价预测效果;最后,基于全国碳市场第一履约期真实价格数据验证结果表明,所提的全国碳价预测模型在准确性方面优于基准模型。

关键词：电力行业碳排放碳配额价格预测全国碳市场 ARIMAX模型

在线全文

学校读者我要写书评

暂无评论

数联网标识解析系统中的标识数据布局策略

计算机工程 2024年第6期50卷 311-320页

作者：周春雷宋继勐沈子奇余晗雷杰林兵国家电网有限公司大数据中心北京100052 福建师范大学光电与信息工程学院福建福州350117 北京大学计算机学院北京100871

数联网是为解决目前互联网数据资源共享交互过程中传输效率低、协调成本高、安全管控难等缺陷而提出的一种新型信息基础设施。标识解析系统是实现数据流通的关键,但随着标识注册量和解析量的迅速增长,解析节点正面临着大量高并发解析请... 详细信息

数联网是为解决目前互联网数据资源共享交互过程中传输效率低、协调成本高、安全管控难等缺陷而提出的一种新型信息基础设施。标识解析系统是实现数据流通的关键,但随着标识注册量和解析量的迅速增长,解析节点正面临着大量高并发解析请求,服务质量将变得难以保证。针对该问题,考虑数联网标识解析系统中节点架构的特点,以降低解析时延为目标,提出一种基于遗传算法的自适应离散粒子群优化算法(DPSO-GA)来对标识进行合理布局。该方法综合考虑节点之间的带宽、标识数量和节点容量等因素对解析时延的影响,引入遗传算法的交叉操作和变异操作,对粒子群优化算法的惯性权重因子采取自适应策略,对学习因子采取线性增减的策略。实验结果表明,相较于传统粒子群优化算法及遗传算法,该算法优化效果分别提升了48.9%和19.9%,增加了种群进化的多样性及搜索范围,减少了算法的时间复杂度以及陷入局部最优解的可能性,且能较稳定地降低标识解析时延。

关键词：数联网标识解析数据布局启发式算法遗传算法粒子群优化算法

基于TCN-GRU的Handle标识解析系统负载均衡算法

在线全文

学校读者我要写书评

暂无评论

福建师范大学学报（自然科学版） 2024年第2期40卷 64-73页

作者：宋继勐周春雷沈子奇余晗张伟阳林兵国家电网有限公司大数据中心北京100052 福建师范大学物理与能源学院福建福州350117 北京大学计算机学院北京100871

数联网技术是解决数据管理困难及数据孤岛等问题的关键。近年来,随着数联网技术的飞速发展,Handle系统作为数联网标识解析领域中最具有代表性的系统得以快速落地。然而,Handle标识注册量和解析请求量的快速增长使得Handle系统缓存/递归... 详细信息

数联网技术是解决数据管理困难及数据孤岛等问题的关键。近年来,随着数联网技术的飞速发展,Handle系统作为数联网标识解析领域中最具有代表性的系统得以快速落地。然而,Handle标识注册量和解析请求量的快速增长使得Handle系统缓存/递归解析服务节点的解析请求压力加大,且难以保证标识解析请求的服务质量。针对上述问题,提出一种基于TCN-GRU的缓存/递归解析服务节点的负载均衡算法,旨在优化缓存/递归解析服务节点的标识解析效率。首先,将用户的解析请求合理地分配到缓存/递归解析服务节点的服务器集群当中,以提升服务器集群整体的工作效率和吞吐量;其次,基于Handle系统中节点的层级架构,考虑到循环神经网络中普遍存在的梯度弥散问题,引入TCN时序神经网络,有助于提取服务器集群负载的时序性信息。相较于传统的负载均衡算法,所提算法根据服务器负载状况动态调整负载转发策略,服务器平均响应时间缩短50%左右,吞吐率提高40%左右,请求失败次数大幅减少。

关键词：数联网 Handle 标识解析 TCN-GRU 负载均衡

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于均衡聚类索引的近似最近邻检索方法

南京师大学报（自然科学版） 2024年第2期47卷 99-108页

作者：吕宏伟李博刘普凡刘识李继伟刘俊健国家电网大数据中心江苏南京210023

大数据时代,深度学习通过将复杂对象表示为高维特征向量,并使用向量之间的距离度量来衡量样本的相似性,在推荐系统、用户画像、数据中台管理等场景中得到了广泛的应用.但是,随着数据规模的不断增加,海量特征数据的相似向量检索面临着检... 详细信息

大数据时代,深度学习通过将复杂对象表示为高维特征向量,并使用向量之间的距离度量来衡量样本的相似性,在推荐系统、用户画像、数据中台管理等场景中得到了广泛的应用.但是,随着数据规模的不断增加,海量特征数据的相似向量检索面临着检索模型占用内容大、特征检索算法召回率较低的严重挑战.如何在保证检索精度的前提下,设计紧凑型索引图结构,降低特征检索的内存消耗,对于提升大数据系统的近邻检索效率具有重要的作用.因此,本文提出了一种均衡感知的快速K均值近邻聚类的特征数据分桶及其图结构紧凑型索引用于海量数据近邻检索.首先,设计了均衡感知的快速K-均值聚类算法,通过在图索引构建过程中海量特征数据的均衡分桶,将高维向量压缩成轻量级紧凑型图索引结构,随后通过量化操作进一步压缩高维向量样本,提升其在候选集上的最近邻检索速度.在基准数据集上实验验证结果表明,本文提出的方法能够在保证较高检测召回率的同时,有效加快索引构建速度,可以用于支持高维特征数据的高效最近邻检索.

关键词：大数据检索与分析最近邻搜索均衡感知

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

跨电网的区域电力碳排放因子分布式计算方法

电力系统自动化 2024年

作者：宋金伟杨维周春雷张宁陈翔康重庆国家电网有限公司大数据中心清华大学电机工程与应用电子技术系

区域电力碳排放因子是电力碳排放核算的基础。传统的计算方法需要将各省各类型发电量、省间交换电量数据汇聚后建立方程求解计算。对于管理不同省份电网的各电网公司，上述数据包含敏感信息，导致各公司共享、汇聚数据意愿不强。为解决... 详细信息

区域电力碳排放因子是电力碳排放核算的基础。传统的计算方法需要将各省各类型发电量、省间交换电量数据汇聚后建立方程求解计算。对于管理不同省份电网的各电网公司，上述数据包含敏感信息，导致各公司共享、汇聚数据意愿不强。为解决该问题，文中利用矩阵的分块迭代的原理，采用分布式架构进行跨电网的电力碳排放因子协同计算。提出的算法能够快速收敛到准确解，各电网公司无需共享敏感数据，仅通过交换因子计算结果即可实现各省区域电力碳排放因子的准确计算。

关键词：双碳电力碳排放因子矩阵块迭代计算分布式架构敏感数据保护

基于二次模态分解的LSTM短期电力负荷预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

科学技术与工程 2024年第7期24卷 2759-2766页

作者：张淑娴江文韬陈玉花杨晓东金丰白莉国家电网有限公司大数据中心北京100052 合肥工业大学电气与自动化工程学院合肥230009

为进一步提高短期电力负荷的预测精度,需要更深层次发掘负荷数据中隐藏的非线性关系。提出一种基于信号分解技术的二次模态分解的长短期记忆神经网络(long short-term memory network, LSTM)用于电力负荷的短期预测。所提算法先对原始... 详细信息

为进一步提高短期电力负荷的预测精度,需要更深层次发掘负荷数据中隐藏的非线性关系。提出一种基于信号分解技术的二次模态分解的长短期记忆神经网络(long short-term memory network, LSTM)用于电力负荷的短期预测。所提算法先对原始负荷序列进行自适应噪声的完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN),再将CEEMDAN分解后分量中的强非平稳分量进行变分模态分解(variational mode decomposition, VMD),同时用中心频率法对VMD分解个数进行优化,然后将两次分解后得到的负荷子序列送入LSTM中进行预测,并将所得分量预测结果进行叠加。结果表明,本文所提方法对短期电力负荷预测结果精度和模型性能都有较大提升。

关键词：短期负荷预测二次模态分解自适应噪声的完全集合经验模态分解(CEEMDAN) 变分模态分解(VMD) 长短期记忆网络(LSTM)

基于改进k-medoids聚类和碳约束的变压器状态异常大数据诊断方法研究

在线全文

学校读者我要写书评

暂无评论

电测与仪表 2024年

作者：宋金伟李俊妮宣东海吴海涵国家电网公司大数据中心

为了进一步提升碳约束型变压器运行状态的诊断准确率和诊断效率，基于改进k-medoids聚类理论提出了变压器状态异常诊断方法，将变压器运行状态划分为正常、预警、异常、故障四种状态作为k-medoids聚类目标。模型获得变压器运行状态大数... 详细信息

为了进一步提升碳约束型变压器运行状态的诊断准确率和诊断效率，基于改进k-medoids聚类理论提出了变压器状态异常诊断方法，将变压器运行状态划分为正常、预警、异常、故障四种状态作为k-medoids聚类目标。模型获得变压器运行状态大数据，其中声纹特征指标采用梅尔倒谱特征作为衡量变压器异常振动声响的标准，对变压器运行大数据基于其物理特性进行归一化和标准化，便于聚类模型输入，针对传统k-medoids聚类过程引入三项措施进行改进，分别为基于局部密度评估的初始聚类中心生成、自适应替代方向调整以及聚类更新的混沌搜索，通过改进措施优化初始聚类中心生成并提升寻优效率，避免寻优过早陷入局部最优聚类点，将某地区碳约束型电网变压器历史运行大数据划分为训练组和测试组，基于训练组来进行k-medoids聚类网络的优化，并将训练完成的k-medoids聚类用于测试组的变压器运行状态聚类和诊断，验证了所提出模型的正确性和有效性。

关键词： k-medoids聚类变压器状态诊断声纹特征局部密度评估自适应替代混沌搜索

基于能源大数据特征的数据评价方法研究及应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机技术与发展 2024年第3期34卷 22-27页

作者：刘文立陈士翀刘文思宣东海江丽娜沈子奇国家电网有限公司大数据中心北京100052

为实现对能源数据资产价值的高效准确评估,促进数据要素流通,提出一种基于能源数据资产特征的能源数据评价方法。通过对能源数据在技术、行业等方面特征的分析,提取数据质量、成本、应用三项资产价值化关键影响因素。通过引入数据质量因... 详细信息

为实现对能源数据资产价值的高效准确评估,促进数据要素流通,提出一种基于能源数据资产特征的能源数据评价方法。通过对能源数据在技术、行业等方面特征的分析,提取数据质量、成本、应用三项资产价值化关键影响因素。通过引入数据质量因素,构建能源数据质量的价值联系函数,并形成业务结合的数据质量评价体系;通过引入成本和应用因素,构建基于能源大数据应用场景和数据资产生存周期视角的成本评价方法,以及多维应用评价方法。分析可知,数据质量因素显著影响能源数据的应用价值,提升数据质量则会增加数据资产成本。典型能源大数据资产化场景的应用结果表明,提出的能源数据评价方法有效实现了质量评价、成本评价和应用评价,具备应用性和可推广性,能够支持进一步的能源大数据价值评估。

关键词：能源大数据数据评价数据质量数据成本数据应用数据资产价值评估