원래 이름 기록: 安徽继远软件有限公司

本发明实施例提供一种基于时空特征融合与主动安全预警的储能监测方法和系统，属于储能监测技术领域。所述储能监测方法包括：针对储能系统不同层级的运行状态，采集多维关键数据，包括电芯级数据、模组级数据和整站级数据；对获取到的所述多维关键数据进行数据压缩和同步；将传输的多维关键数据数据进行预处理；针对预处理后的所述多维关键数据进行特征提取并进行加权处理；构建LSTM‑CNN网络模型，并将加权处理后的所述多维关键数据和对应的故障结果作为训练数据对所述LSTM‑CNN网络模型进行训练；采集当前的所述多维关键数据并进行预处理。该储能监测方法可以基于获取到的多维关键数据对储能电站的各个数据进行预测和预警。

本发明公开了一种基于AI大模型告警智能分析及降噪验证方法、装置及设备，涉及告警智能分析技术领域，包括以下步骤：获取告警数据和环境上下文信息并构建系统关系图，基于系统关系图生成多维特征向量集合；基于多维特征向量集合获取各告警事件间的因果强度，得到因果强度矩阵，并映射至系统关系图中，形成告警因果关联图；对告警因果关联图进行图结构聚类与筛选得到因果聚类簇；根据因果聚类簇进行根因告警识别与聚类压缩，得到冗余告警的压缩输出；本发明实现对多源告警事件的高精度因果识别与自适应聚类，有效减少重复告警与虚假告警，提高根因分析与降噪效率。

本发明提供一种有源配电网故障行波定位及连锁故障防护系统，所述系统包括：分布式终端采集模块，用于实时采集线路的电流、电压、行波信号及开关状态信息；通信传输模块，用于采用多种通信协议将分布式终端采集模块采集的数据实时传输至信息主站层；信息主站层，包括数据库、故障研判模块和人机交互界面；其中，数据库用于存储实时数据、历史数据以及准确的配电网线路拓扑关系模型；故障研判模块用于预处理数据、初步定位行波、融合与校验多源信息以及分析与主动防护连锁故障风险；人机交互界面用于展示线路拓扑、实时数据、故障定位结果、预警信息及系统推荐的处置方案。其能够实现故障的精准、快速定位，并主动预防连锁故障，提升配电网韧性。

本发明实施例提供基于时空特征融合的电力倾斜样本负荷预测方法和系统，属于电力技术领域。所述电力倾斜样本负荷预测方法包括：采集供应电力资源的历史负荷数据以及气象数据、节假日数据和宏观经济数据；采集到的数据进行预处理；对预处理后的所述数据提取关键特征；构建LSTM‑CNN网络模型，并通过历史负荷数据以及气象数据、节假日数据和宏观经济数据的训练数据对所述LSTM‑CNN网络模型进行训练；将提取关键特征后的时间特征、气象特征、节假日标记以及特殊事件标记作为输入数据输入到所述LSTM‑CNN网络模型中，以进行负荷预测。该电力样本倾斜样本负荷预测方法可以针对电力符合预测中的样本倾斜问题进行加权处理，以更加精确的预测电力负荷。

本发明公开了基于日志分析的工作流程分析联动验证方法、装置、设备及介质，涉及工作流程验证技术领域，包括：采集操作日志数据，并进行时间序列重建与事件抽取，得到结构化日志记录；对结构化日志记录进行语义解析，提取每一事件的日志语义特征向量，并构建语义特征矩阵；基于语义特征矩阵，对预设流程模型中的节点进行语义建模，得到流程节点语义向量；将日志语义特征向量与流程节点语义向量进行匹配，根据匹配结果构建初始映射关系矩阵并进行优化；根据优化结果，执行流程规则合规性与合理性联合验证；本发明实现日志与流程模型及业务规则的深度耦合，从而解决日志分析与规则耦合不足、难以准确进行流程合规性与合理性验证的问题。