申请/专利权人：国网江苏省电力有限公司淮安供电分公司;南京邮电大学;南京鼎研电力科技有限公司

申请日：2022-07-25

公开（公告）日：2024-02-20

公开（公告）号：CN115297016B

主分类号：H04L41/147

分类号：H04L41/147;H04L41/0677;H04L41/16;H04L43/0876;H04L67/12;G06N3/0442;G06N3/08

优先权：["20220507 CN 2022104909925"]

专利状态码：有效-授权

法律状态：2024.02.20#授权;2022.11.22#实质审查的生效;2022.11.04#公开

摘要：本发明涉及电网人工智能和数据处理技术领域，公开了一种基于深度学习的电力网络活跃度评价和预测方法，包括：获取原始数据，筛选待评价服务端口流量数据，进行活跃度计算；进行数据预处理，得到历史活跃度数据集，自动化定时对数据集进行更新；将数据集划分为训练样本和测试样本，训练样本进行样本重构并输入到不同的深度学习模型进行模型训练；将测试样本输入到训练好的模型中，并对模型进行评估和比较，得到一个该服务的最优模型，将模型保存；自动化实时获取不同网络服务的活跃度数据，得到未来的活跃度预测结果。与现有技术相比，本发明能够及时发现活跃度异常的网络服务并且便于网络的维护和管理，提升电力网络系统智能化水平。

主权项：1.一种基于深度学习的电力网络活跃度评价和预测方法，其特征在于，包括如下步骤：步骤1：获取原始数据，筛选出待评价服务端口流量数据，提取相关特征进行活跃度计算；获取原始流量数据和IP地址、端口号、时间，筛选出待评价服务端口数据并取总字节数、总数据包、比特率、访问次数、会话次数进行相关性分析，按照如下三维网络活跃节点计算方法，计算活跃度： 其中，w1，w2，w3为各种因素权值；步骤2：将流量数据文件进行数据预处理，得到一个历史活跃度数据集，同时自动化定时对此数据集进行更新；步骤3：将数据集划分为训练样本和测试样本，训练样本进行样本重构并输入到不同的深度学习模型进行模型训练，调节每种模型的参数，使不同模型的准确度达到最高；步骤4：将测试样本输入到训练好的模型中，并对模型进行评估和比较，得到一个该服务的最优模型，将模型保存；步骤5：自动化实时获取不同网络服务的活跃度数据，输入到对应的最优模型，得到未来的活跃度预测结果。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司淮安供电分公司;南京邮电大学;南京鼎研电力科技有限公司 一种基于深度学习的电力网络活跃度评价和预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD