公开(公告)号：CN118536641A

公开(公告)日：2024-08-23

申请号：CN202410435721.9

申请日：2024-04-11

Applicant: 武汉大学

Inventor： 余伟 ,  汪千一 ,  王皓 ,  彭晶晶 ,  李石君 ,  李志宇 ,  匡瑞林 ,  刘宇轩 ,  刘梓轩 ,  胡斐 ,  万豪杰 ,  郑皓杰 ,  晋尧 ,  曾宪泽 ,  丁宁 ,  李佳璇 ,  陈博宇 ,  李一帆 ,  唐千千 ,  李宇轩

IPC: G06Q10/04 ,  G06F18/25 ,  G06Q50/06 ,  G06N3/0455 ,  G06N3/0499 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明提供一种风电场群功率预测方法、装置、设备及存储介质，包括：获取目标风电场群在不同维度上的信息数据；所述目标风电场群包括若干风电场；调用预先构建的功率预测模型，根据所述目标风电场群的信息数据，确定所述目标风电场群的功率预测结果；所述功率预测模型包括预先配置的数据嵌入层、编码器层和解码器层；所述数据嵌入层用于对所述目标风电场群在不同维度上的信息数据进行融合，确定数据编码。本发明通过对风电场群中各类信息及其相互作用的全面考虑和动态融合，解决了现有的相关技术中存在的风电场群功率预测精度不佳的问题。

公开(公告)号：CN118378123A

公开(公告)日：2024-07-23

申请号：CN202410390051.3

申请日：2024-04-02

Applicant: 武汉大学

Inventor： 余伟 ,  胡斐 ,  王皓 ,  彭晶晶 ,  李石君 ,  李志宇 ,  匡瑞林 ,  刘宇轩 ,  刘梓轩 ,  汪千一 ,  万豪杰 ,  郑皓杰 ,  晋尧 ,  曾宪泽 ,  丁宁 ,  李佳璇 ,  陈博宇 ,  李一帆 ,  唐千千 ,  李宇轩

IPC: G06F18/24 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764 ,  G06F18/22 ,  G06F17/14

Abstract: 本发明公开了一种基于跨模态Transformer的视觉‑音频多模态目标跟踪方法及装置，首先获取来自视觉和音频两种模态的信息tokens，并引入两种多模态特征对齐方法，以在多模态间特征提取和融合前优化两种模态的嵌入。输入编码器前，将对齐后的音频特征注入到搜索区图像和模板区图像的嵌入中，从而提高编码器的学习能力。随后，经过编码器层的处理，多模态之间的特征得到了充分的融合和学习。最终，采用分类和边界框回归的方法，利用最后一层编码器的输出来精准预测目标的坐标。本发明的多模态融合方法相较于单一模态具备更高的鲁棒性，并且能够提高系统对目标的感知能力，视觉和音频两者融合能够更好地捕捉目标的时空一致性，因此提高了跟踪的准确性。

公开(公告)号：CN118094346B

公开(公告)日：2024-07-09

申请号：CN202410508503.3

申请日：2024-04-26

Applicant: 武汉大学

Inventor： 余伟 ,  李志宇 ,  王皓 ,  彭晶晶 ,  李石君 ,  匡瑞林 ,  刘宇轩 ,  刘梓轩 ,  曾宪泽 ,  胡斐 ,  汪千一 ,  万豪杰 ,  郑皓杰 ,  晋尧 ,  丁宁 ,  李佳璇 ,  陈博宇 ,  李一帆 ,  唐千千

IPC: G06F18/241 ,  G06F18/214 ,  G06F17/15 ,  G06F18/25

Abstract: 本发明涉及人工智能技术，具体涉及基于Conformer的串联故障电弧检测方法及系统，该方法包括数据采集和预处理准备好需要的数据；构建基于Conformer的串联故障电弧检测模型；该模型通过卷积池化层对电弧图像进行初步特征提取，利用Transformer层，实现了在多个层次上对图像特征的更高级别抽象。Transformer层中的自注意力机制使模型能够全局关联图像中不同位置的信息，提升了特征学习的能力。通过全连接层减少电流特征数据的维度。通过分类头和输出模块输出最后的数据；结合输出的数据进行电流状态判定。该方法的参数量减少，计算效率更高，适合在资源有限的嵌入式系统上实现实时检测。

公开(公告)号：CN118094346A

公开(公告)日：2024-05-28

申请号：CN202410508503.3

申请日：2024-04-26

Applicant: 武汉大学

Inventor： 余伟 ,  李志宇 ,  王皓 ,  彭晶晶 ,  李石君 ,  匡瑞林 ,  刘宇轩 ,  刘梓轩 ,  曾宪泽 ,  胡斐 ,  汪千一 ,  万豪杰 ,  郑皓杰 ,  晋尧 ,  丁宁 ,  李佳璇 ,  陈博宇 ,  李一帆 ,  唐千千

IPC: G06F18/241 ,  G06F18/214 ,  G06F17/15 ,  G06F18/25

Abstract: 本发明涉及人工智能技术，具体涉及基于Conformer的串联故障电弧检测方法及系统，该方法包括数据采集和预处理准备好需要的数据；构建基于Conformer的串联故障电弧检测模型；该模型通过卷积池化层对电弧图像进行初步特征提取，利用Transformer层，实现了在多个层次上对图像特征的更高级别抽象。Transformer层中的自注意力机制使模型能够全局关联图像中不同位置的信息，提升了特征学习的能力。通过全连接层减少电流特征数据的维度。通过分类头和输出模块输出最后的数据；结合输出的数据进行电流状态判定。该方法的参数量减少，计算效率更高，适合在资源有限的嵌入式系统上实现实时检测。

公开(公告)号：CN119167158A

公开(公告)日：2024-12-20

申请号：CN202411088366.9

申请日：2024-08-09

Applicant: 武汉大学

Inventor： 余伟 ,  叶茫 ,  董性平 ,  王皓 ,  彭晶晶 ,  李石君 ,  李宇轩 ,  万豪杰 ,  李志宇 ,  胡斐 ,  汪千一 ,  郑皓杰 ,  晋尧 ,  丁宁 ,  李佳璇 ,  陈博宇 ,  李一帆 ,  唐千千 ,  郝若晨 ,  卢可

IPC: G06F18/241 ,  G01R31/00 ,  G01D21/00 ,  G06F18/2431 ,  G06F18/25 ,  G06F18/214 ,  G06V10/764 ,  G06V10/774 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/09

Abstract: 本发明提供了一种非侵入式负载识别方法及装置，方法包括：采集包括不同类型用电设备的第一运行数据；提取第一运行数据的多模态信号的特征，将多模态信号的特征进融合，生成多模态融合特征；基于多模态融合特征生成特征图，由特征图构成图像负荷签名；基于图像负荷签名对负载识别模型进行有监督的训练；实时采集包括不同类型用电设备的第二运行数据，并获取第二运行数据对应的图像负荷签名；将图像负荷签名输入到训练好的负载识别模型中进行分类，得到总负荷标签；根据总负荷标签将第二运行数据对应的总负荷进行分解，识别出总负荷中各负荷成分对应的负载类型。本发明保证了负荷标注数据的精确性，即使在复杂负荷环境下也能实现高精度的电器识别。