-
公开(公告)号：CN115375600B
公开(公告)日：2023-04-07
申请号：CN202211288588.6
申请日：2022-10-20
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
IPC: G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于自编码器的重构图像质量衡量方法，包括以下步骤：收集若干原始图像，生成原始图像集；构建包括编码器和解码器的自编码器网络；将原始图像集中的原始图像作为训练样本，输入至自编码器网络进行图像复现得到复现图像，并计算复现图像与对应原始图像之间的复现损失，基于复现损失对自编码器网络进行训练，完成自编码器网络的训练；取出训练好的自编码器网络中的编码器，作为特征提取器；获得重构图像集，将原始图像集和重构图像集分别输入至特征提取器中，分别获取原始图像集特征分布和重构图像集特征分布；计算原始图像集特征分布和重构图像集特征分布的Fréchet距离，根据Fréchet距离衡量重构图像集的数据质量。
-
公开(公告)号：CN115359360A
公开(公告)日：2022-11-18
申请号：CN202211279083.3
申请日：2022-10-19
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
Abstract: 本发明涉及一种电力现场作业场景检测方法、系统、设备和存储介质，其中方法包括以下步骤：收集若干不同类别的电力现场作业场景图像，对各电力现场作业场景图像进行标注；将标注后的电力现场作业场景图像放入训练样本集中；搭建YOLO模型，并在Neck网络中加入MCBAM注意力模块，得到改进YOLO模型；MCBAM注意力模块包括MB多尺度信息捕获模块、CAM通道注意力模块以及SAM空间注意力模块；MB多尺度信息捕获模块用于捕获输入图像的多尺度信息；CAM通道注意力模块用于进行通道注意力调整；SAM空间注意力模块用于进行空间注意力调整；利用训练样本集对改进YOLO模型进行训练，利用训练好的进行检测。
-
公开(公告)号：CN115359360B
公开(公告)日：2023-04-18
申请号：CN202211279083.3
申请日：2022-10-19
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
Abstract: 本发明涉及一种电力现场作业场景检测方法、系统、设备和存储介质，其中方法包括以下步骤：收集若干不同类别的电力现场作业场景图像，对各电力现场作业场景图像进行标注；将标注后的电力现场作业场景图像放入训练样本集中；搭建YOLO模型，并在Neck网络中加入MCBAM注意力模块，得到改进YOLO模型；MCBAM注意力模块包括MB多尺度信息捕获模块、CAM通道注意力模块以及SAM空间注意力模块；MB多尺度信息捕获模块用于捕获输入图像的多尺度信息；CAM通道注意力模块用于进行通道注意力调整；SAM空间注意力模块用于进行空间注意力调整；利用训练样本集对改进YOLO模型进行训练，利用训练好的进行检测。
-
公开(公告)号：CN115359054A
公开(公告)日：2022-11-18
申请号：CN202211279084.8
申请日：2022-10-19
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明提出了一种基于伪缺陷空间生成的电力设备缺陷检测方法，以正常图片为素材人为伪造出局部的不规则性，生成一种伪缺陷图像类别，在对正常图像、缺陷图像、伪缺陷图像进行特征提取和分类网络的基础上，利用对比学习对特征空间区域解耦，对伪缺陷图像特征、正常图像特征、缺陷图像特征嵌入约束，增强难分样本中复杂背景的抗干扰能力，提高模型对于电力设备隐蔽缺陷的识别精度；利用电力设备缺陷模型预判得到分类损失并依据分类损失获取边缘伪缺陷样本，在进行若干次迭代训练后利用边缘伪缺陷样本引入弱监督缺陷遮盖策略进行训练，缓解过拟合，帮助模型突破训练瓶颈，获得最佳模型参数并固定，使用该电力设备缺陷检测模型对待检测图像进行检测。
-
公开(公告)号：CN115359054B
公开(公告)日：2023-04-18
申请号：CN202211279084.8
申请日：2022-10-19
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明提出了一种基于伪缺陷空间生成的电力设备缺陷检测方法，以正常图片为素材人为伪造出局部的不规则性，生成一种伪缺陷图像类别，在对正常图像、缺陷图像、伪缺陷图像进行特征提取和分类网络的基础上，利用对比学习对特征空间区域解耦，对伪缺陷图像特征、正常图像特征、缺陷图像特征嵌入约束，增强难分样本中复杂背景的抗干扰能力，提高模型对于电力设备隐蔽缺陷的识别精度；利用电力设备缺陷模型预判得到分类损失并依据分类损失获取边缘伪缺陷样本，在进行若干次迭代训练后利用边缘伪缺陷样本引入弱监督缺陷遮盖策略进行训练，缓解过拟合，帮助模型突破训练瓶颈，获得最佳模型参数并固定，使用该电力设备缺陷检测模型对待检测图像进行检测。
-
Patent Agency Ranking
公开(公告)号：CN115375600A
公开(公告)日：2022-11-22
申请号：CN202211288588.6
申请日：2022-10-20
Applicant: 福建亿榕信息技术有限公司 , 国网信息通信产业集团有限公司 , 武汉大学
Abstract: 本发明涉及一种基于自编码器的重构图像质量衡量方法，包括以下步骤：收集若干原始图像，生成原始图像集；构建包括编码器和解码器的自编码器网络；将原始图像集中的原始图像作为训练样本，输入至自编码器网络进行图像复现得到复现图像，并计算复现图像与对应原始图像之间的复现损失，基于复现损失对自编码器网络进行训练，完成自编码器网络的训练；取出训练好的自编码器网络中的编码器，作为特征提取器；获得重构图像集，将原始图像集和重构图像集分别输入至特征提取器中，分别获取原始图像集特征分布和重构图像集特征分布；计算原始图像集特征分布和重构图像集特征分布的Fréchet距离，根据Fréchet距离衡量重构图像集的数据质量。
-
公开(公告)号：CN119578168A
公开(公告)日：2025-03-07
申请号：CN202411655221.2
申请日：2024-11-19
Applicant: 国网安徽省电力有限公司营销服务中心 , 武汉大学 , 国网安徽省电力有限公司
IPC: G06F30/23 , G06N3/0499 , G06N3/084 , G06F30/27
Abstract: 本发明提供了基于BPANN神经网络的1100kV标准装置准确度计算方法，涉及标准装置领域。步骤如下：S1：通过仿真软件建立1100kV标准装置模型，不断加压并记录绝缘电阻各个点位的场强；S2：建立电阻率测试试验平台，选取不同的温度、湿度、场强进行试验得到不同条件下绝缘电阻的电阻率，作为试验数据集D，对其进行预处理及归一化得到标准化试验数据集D1；S3：使用D1搭建并训练BPANN神经网络模型；S4：搭建标准装置电路仿真模型，通过BPANN神经网络模型拟合得到绝缘电阻的非线性变化，计算比例量值与准确度。本发明利用BPANN求解绝缘电阻的非线性变化问题，利用软件方法计算标准装置的准确度，有效评估了绝缘电阻非线性变化对标准装置准确度的影响，实现了省时省力的效果。
-
公开(公告)号：CN119990438A
公开(公告)日：2025-05-13
申请号：CN202510081306.2
申请日：2025-01-20
Applicant: 武汉大学 , 国网浙江省电力有限公司电力科学研究院
IPC: G06Q10/04 , G06Q50/06 , G08B21/10 , G08B31/00 , G06N3/0499 , G06N3/0475 , G06N3/08
Abstract: 本发明涉及海上风电电力系统运行技术领域，具体为基于生成式模型的海上风电功率运行预测方法及预警系统，其包括：S1、获取历史天气数据，转换为天气符号序列，进行数值离散化，完成天气符号序列及其离散数值嵌入；S2、构建天气符号序列生成式模型，进行解码，输出天气符号序列；S3、建立风电功率预测损失函数模型，并进行训练，调整优化模型参数；S4、训练风电功率预测损失函数模型，获得最优的权重系数，完成风电功率运行预测。本发明通过构建符号化序列模型，将极端天气和正常天气数据融合在同一预测框架，提高数据共享与信息传递效率；利用生成式模型进行自回归预测，使用多损失函数联合优化，确保风电功率预测结果的一致性与精确性。
-
公开(公告)号：CN119647945A
公开(公告)日：2025-03-18
申请号：CN202411679880.X
申请日：2024-11-22
Applicant: 武汉大学
IPC: G06Q10/0635 , G06Q50/06 , G06F18/214 , G06N3/092
Abstract: 公开了一种基于人类反馈强化学习的海风并网系统多任务风险评估方法，属于电力电网技术领域，该方法包括：基于海风并网系统的多个时序数据获取训练集，训练集包括第一子训练集、第二子训练集和第三子训练集，第一子训练集用于训练异常值检测任务，第二子训练集用于训练缺失值填补任务，第三子训练集用于训练预测任务，预测任务的输出用于进行风险评估；建立多任务风险评估模型；采用训练集训练多任务风险评估模型，在训练多任务风险评估模型的过程中，采用人类反馈强化学习算法对多任务风险评估模型进行强化学习；基于训练完成的多任务风险评估模型，进行风险评估。该方法能够提高在模型在多任务的海风并网系统下进行风险评估的准确程度。
-
公开(公告)号：CN119539490A
公开(公告)日：2025-02-28
申请号：CN202411640921.4
申请日：2024-11-18
Applicant: 武汉大学
IPC: G06Q10/0635 , G06Q50/06 , G06F18/214 , G06Q10/04 , G06F18/24 , G06N3/084 , G06N3/045
Abstract: 本申请实施例公开了一种用于海上风电并网系统的多任务风险评估方法，涉及电力电网技术领域，该方法包括：获取海上风电并网系统的运行时序数据序列，对运行时序数据序列进行预处理，添加各类符号得到待编码样本数据序列；进行数字编码，基于数字序列构建样本数据集，并对多任务处理模型进行训练，输出训练好的多任务处理模型；基于训练好的多任务处理模型对待处理运行时序数据序列进行处理，根据输出结果对海上风电并网系统未来的状态概率进行预测，输出风险评估结果。本申请通过将多任务集成到一个多任务处理模型中，可以统一并简化海上风电并网系统的状态管理，有利于提高系统的效率和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.115 seconds)
