融合深度学习与AM的资源数据智能校核技术

在对各类资源数据进行智能校核的过程中,传统算法存在对数据量依赖性强、数据特征敏感度高的缺点。对此,文中提出了一种融合深度学习与注意力机制的改进算法。该算法针对电网人力资源数据集存在的特征维度多、原始数据特征易缺失的特点,使用KNN对数据缺失的属性进行补偿以提升数据质量,通过引入Wasserstein距离改进了对抗神经网络,以此使得少量数据集也同样能够实现较优的训练效果。采用混合注意力机制对数据特征权重加以训练,有效提升了模型的核验精度及效率。实验测试结果表明,所提算法的数据准确率均在77%以上,在对比算法中最优,具有较强的数据核验能力。

基于多维特征提取的资源数据识别与校核算法

针对现有资源数据异常识别与智能校核算法准确性和可靠性差的问题,设计了一种基于多维特征提取的资源数据识别与校核算法。该算法以多维指标数据作为输入,通过加权随机算法构建初始孤立森林,再以平方预测误差(SPE)统计量作为判据,实现孤立森林的冗余消除,进一步采用离散粒子群算法优化选取最优子森林,从而实现对异常数据的智能高效检测。基于人力资源数据进行的算例分析测试结果表明,所提RRA-DPSO-WRIF算法的异常数据识别准确率可达95%,多次计算的偏差在2%以内,相比传统算法具有更高的检测准确率与稳定性,能够为人资数据的管控提供决策支撑。

智能变电站工控系统安全防护技术研究

为了解决国网湖北省电力公司变电站工业控制系统的安全困境,以现有系统环境及网络环境为基础,分析了当前变电站工业控制系统的现状及当前变电站工业控制系统亟待解决的安全风险,研究了智能变电站工业控制系统安全防护体系。体系主要由边界安全、漏洞检测、流量监测、安全策略控制和安全隔离构成,从而达到保障变电站工业控制系统安全的目的,确保湖北省变电站工控系统的安全可靠,研究对于推进变电站工控系统信息安全具有至关重要的作用。

电力设备红外精确测温规范及图谱库的建立与应用

智能电网的建设很重要的一个特征是计划检修向状态检修的过渡,这就对电网设备监测的手段和效果提出了更高的要求。如何提高红外精确测温的技术能力及测试数据的信息化水平就成为了一个非常迫切的课题。本文论证了运用电力设备红外精确测温规范及图谱库来提高红外图谱采集质量、分析效率的方法。