面向两级多中心架构的深度学习平台设计与实现

大型企业的深度学习工作存在管理散乱和大量重复建设的问题。为了支持大规模深度学习的全过程管理和模型成果的高效复用,以国家电网公司的两级多中心部署架构为背景,提出一种深度学习平台。系统将训练、推理、数据和模型的管理工作分布在不同中心完成,彼此间协同完成深度学习的闭环。构建基于Kubernetes的私有云来支撑大批量深度学习应用的并行计算。前端界面采用基于算子的流程编排实现建模可视化和功能的可扩展。实验结果表明系统能够支持多个深度学习任务的并行,且额外的性能开销是可以接受的。

一种基于YOLOv5s的绝缘子自爆轻量化检测方法

绝缘子在电力线路中发挥关键作用,对保障电力系统的安全可靠至关重要。由于绝缘子易受恶劣天气影响产生故障,需定期开展巡检工作。随着人工智能的发展,借助无人机的动态巡检方式逐渐成为热门。通过航拍能更加便利获取绝缘子图像,但也存在图像目标小且易被遮挡的不足,给绝缘子故障图像识别算法带来了挑战。并且实现绝缘子动态巡检必须充分考虑精准率与实时性的平衡。因此,提出一种基于YOLOv5s的轻量化绝缘子自爆检测方法。通过改进损失函数,优化检测模型,提高巡检检测准确率,实现绝缘子自爆快速精准动态检测。

基于用电数据的城市经济画像分析系统开发与验证

用电数据与城市经济有着密切的联系,将用电数据与地图数据结合,设计并研发了城市经济画像分析系统.该系统基于区域的电力兴趣点(point of interest,POI)数据特征,可实现城市网格化功能区划分、城市用电分布的热力图展示、城市用电情况的综合统计分析.以福建省用电数据为例进行仿真实验验证,结果具有一定的合理性和价值.该系统可为政府区域规划、电网规划、工商业企业选址等活动提供一定的决策依据.

多核环境下一种支持动态预测性能损失的方法

在多核处理器环境中,并行程序对处理器共享资源,如最后一级缓存、内存控制器等的争用会造成其性能下降。对程序性能进行准确地预测能够为协同调度提供决策依据,从而减少争用导致的性能损失。传统的基于重用距离的性能建模方法的预测效果好,但由于开销较大而无法动态实施。针对此不足,基于机器学习提出一种支持动态预测程序性能损失的方法。选取硬件性能指标用于度量程序对共享资源的使用强度,建立双层预测模型:以协同运行时的性能指标作为输入,估计程序的竞争度和敏感度或其独立运行时的性能指标,预测出任意两个程序间的性能损失。仿真实验结果表明,相比启发式调度算法,基于该预测方法的调度结果对不同数据集有更小的整体性能损失。

基于集成学习的Self-training在入侵检测中的应用

针对入侵检测的标记数据难以获得的问题,提出一种基于集成学习的Self-training方法——正则化Self-training。该方法结合主动学习和正则化理论,利用无标记数据对已有的分类器(该分类器对分类模式已学习得很好)作进一步的改进。对三种主要的集成学习方法在不同标记数据比例下进行对比实验,实验结果表明:借助大量无标记数据可以改善组合分类器的分类边界,算法能显著地降低结果分类器的错误率。

基于卷积神经网络的异常流量鉴别方法

入侵检测系统是网络安全的重要组成部分。针对已知网络攻击的检测,深度学习和传统机器学习都存在查准率和准确率低,以及对重要特征难以有效提取的问题,提出一种基于卷积神经网络结构的异常流量鉴别方法CNN-BDF。对入侵数据建立神经网络,在卷积网络后引入批归一化层,并使用Flatten函数作用于卷积层到全连接层的过渡,最后在全连接层中间引入Dropout层。采用NSL-KDD数据集进行模型评估,实验结果表明,CNN-BDF模型的准确率和查准率分别达到89.01%和84.72%,较基于传统机器学习与深度学习的入侵检测模型具有更好的效果。

一种基于Kubernetes的Web应用部署与配置系统

基于Docker和Kubernetes的容器云技术可以对大规模应用程序及其软硬件资源进行管理,并实现灵活的负载调度和弹性扩展。针对传统应用部署与配置方法费时费力且不够灵活的问题,基于Kubernetes容器云设计并实现了一个Web应用的自动化部署与配置系统,实现对Web应用的全生命周期管理。系统主要功能包括部署介质管理、部署环境管理和部署配置管理,可对应用及其版本、环境资源以及应用配置进行灵活管理,支持灰度发布、同步备份和弹性伸缩等特性。目前,系统已在甘肃省电力公司内网上线使用。

SG-ITOM中基于场景自动化的工具中心系统设计

本文详细阐述了SG-ITOM中的核心模块工具中心的系统设计,明确了系统目标,然后给出了系统功能设计和分功能描述。最后设计了系统分层次的技术架构,并逐层阐述其中的技术实现方案。本文可为研发企业在往后的系统具体实现过程中提供思路和依据。

基于Docker的应用部署管理平台研究

针对现有应用管理平台在云储存服务器托管过程中资源过度消耗的问题,本研究利用Docker容器设计了一套应用部署管理平台,由Spring MVC框架编写Web管理界面,并选择虚拟机建立私有注册表保存预先设计的应用部署管理程序,实现了自动化巡视、自动化部署和自动化配置3个方面的应用部署管理。为了验证Docker容器机制的即时有效性,同时选取CBSD机制对自动化巡视子系统的应用程序中不同Slave节点运行时间进行对比,结果表明:当节点数量为200和400时,CBSD机制处理时间约为Docker容器机制的2倍和6倍,随着应用程序的节点数量的增加,Docker容器的处理方式优势显著。

基于广义回归神经网络的电网信息系统日志数据分析技术研究

针对目前电网信息系统处理日志数据量大且系统处理速度慢的问题,根据现有数据处理系统以及基于神经网络的数据分析方法,通过利用Flume数据采集系统、主从结构模型HDFS和并行编程模式的Map Reduce综合支持的数据调用程序,优化传统的广义神经网络算法,提高系统分析数据做出响应的速度。最后选取电网信息系统的部分样本进行实验测试:较其他数据处理算法来说,GRNN算法数据处理响应时间提高近52%,处理结果的准确性提高10%左右。

基于MEA-BP的窃电识别方法研究

为了提高窃电识别准确度,提出了基于思维进化算法(Mind Evolutionary Algorithm,MEA)优化BP神经网络的窃电识别方法。得到各类用户的用电特征曲线,根据用户用电值与特征曲线的关系来判断是否存在窃电情况。为了提高BP算法的预测精度,采用MEA优化BP算法。将用户的负荷值作为MEA-BP的输入,MEA-BP的输出为窃电嫌疑程度。仿真结果表明,相比于传统的BP算法,MEA-BP算法具有更高的窃电检测精度,验证了所提方法的可靠性。

基于区块链的电子数据存证系统

针对传统以单方为中心的电子数据存证方式存在数据易丢失、易被篡改等安全和可信性问题,设计一种基于区块链的电子数据存证系统。将原始电子数据文件存储在分布式的网络存储系统中,提取原始电子数据文件的哈希值等关键信息,将这些信息锚定在区块链网络中,确保上链数据不可篡改,从根本上解决了传统电子数据存储的中心化问题和证据可信性问题。测试结果表明,该系统电子数据存证效率较高。