-
公开(公告)号：CN112464645A
公开(公告)日：2021-03-09
申请号：CN202011543169.3
申请日：2020-12-21
申请人： 中国电力科学研究院有限公司 , 清华大学 , 国家电网有限公司客户服务中心 , 国网浙江省电力有限公司营销服务中心 , 国家电网有限公司
IPC分类号： G06F40/211 , G06F40/30 , G06K9/62
摘要： 本发明提供一种半监督学习方法、系统、设备和存储介质及语义解析方法，设计合理，应用简单，在输出数据是离散变量的情况下，能够避免梯度传递的问题。所述方法包括，采用配对的输入数据集进行最大化条件似然的序列到序列学习，实现有监督学习；采用未配对的输入数据集基于联合随机近似进行学习，实现无监督学习；设定有监督学习目标和无监督学习目标的权重分配；按照权重分配将有监督学习目标和无监督学习目标联合为联合优化目标；根据联合优化目标，同时进行有监督学习和无监督学习。本发明将联合随机近似拓展到序列到序列半监督学习中，利用配对的数据集和未配对的输入数据集同时进行学习，提高了学习的效率和效果。
-
公开(公告)号：CN118368592A
公开(公告)日：2024-07-19
申请号：CN202410470358.4
申请日：2024-04-18
申请人： 中国电力科学研究院有限公司 , 华北电力大学 , 国网山东省电力公司 , 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 国家电网有限公司
摘要： 本发明公开了一种基于边缘计算框架的非结构化电力物资数据处理方法及系统，包括：对非结构化电力物资数据进行特征提取，并基于非结构化电力物资数据多源异构的特点，将经特征提取后的非结构化电力物资数据根据时序特征的不同进行标准化处理；将标准化的非结构电力物资数据上传至智能边缘计算框架中的混合组网。本发明可促使非结构化电力物资数据更好地服务于边缘计算，提升非结构化电力物资数据快速处理能力，有效提高非结构化电力物资数据在电力物资管理系统中的应用能力。
-
公开(公告)号：CN117973454A
公开(公告)日：2024-05-03
申请号：CN202410210317.1
申请日：2024-02-26
申请人： 中国电力科学研究院有限公司 , 国网山东省电力公司 , 国家电网有限公司
IPC分类号： G06N3/0464 , G06N3/08 , G06F7/544 , G06V10/82
摘要： 一种用于输电线路图像检测的浮点型数据量化方法及设备，方法包括将要输入卷积神经网络进行MAC运算的输电线路图像浮点型数据进行分组；将属于同一组的输电线路图像浮点型数据中的指数进行比较，选出最大的指数；将最大的指数之外的其他指数与最大的指数进行预对齐，相应的对尾数位进行移位；利用完成数据位处理之后的输电线路图像浮点型数据完成MAC运算。指数预对齐是将同一组数据(根据硬件架构和精度需求进行分组大小的设置，涉及到精度与效率的权衡)指数进行比较，选出最大的指数，将其他数据的指数与最大指数对齐，相应的尾数位进行移位。本发明通过指数预预对齐对网络进行浮点量化处理，避免频繁的指数预对齐操作，提高网络能效比。
-
公开(公告)号：CN110084382B
公开(公告)日：2024-03-19
申请号：CN201811193711.X
申请日：2018-10-12
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司
IPC分类号： G06Q10/20 , G06Q10/0631 , G06Q50/06
摘要： 一种配电网检修车辆调度方法，包括：获取各检修中心车辆信息、需要检修的业务地点信息；将所述各检修中心车辆信息、需要检修的业务地点信息带入预先设定的运营成本模型，采用遗传算法进行求解获得车辆调度方案；其中所述运营成本模型以运营成本最小为目标并结合边界约束条件构建；所述需要检修的业务包括：计划检修、故障抢修和临时检修。配电网电力故障检修业务水平的全体提高与资产管理水平的精益提升。
-
公开(公告)号：CN117036929A
公开(公告)日：2023-11-10
申请号：CN202310766577.2
申请日：2023-06-27
申请人： 国网江西省电力有限公司 , 中国电力科学研究院有限公司 , 国家电网有限公司
IPC分类号： G06V20/10 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/75 , G06V10/774 , G06T7/73 , G06N3/0464 , G06N3/045 , G06N3/084
摘要： 本发明涉及一种基于阴影辅助与旋转框检测的输电塔识别方法及系统，该方法对于输入的遥感图像，轻量化特征提取网络依次通过各子模块提取相应的特征图，采用双向加权特征融合网络对各个分辨率的特征图进行融合；利用融合后的特征图，通过旋转框检测确定输电塔位置信息、阴影位置信息和阴影类别信息；通过计算每对阴影和输电塔角点之间的最短欧式距离实现输电塔和阴影的匹配，并将匹配的阴影类别赋予输电塔，实现输电塔类别的划分。本发明可解决当前检测算法通常将输电塔作为一个统一的类别进行检测，没有区分输电塔的具体类别的问题，通过阴影辅助的方式实现输电塔类别的划分。
-
公开(公告)号：CN111443091B
公开(公告)日：2023-07-25
申请号：CN202010269890.1
申请日：2020-04-08
申请人： 中国电力科学研究院有限公司 , 国网山东省电力公司 , 国网辽宁省电力有限公司 , 国家电网有限公司
摘要： 本发明提供的电缆线路隧道工程缺陷判断方法，通过双目成像传感模块采集电缆线路隧道工程的点云数据并建立相应的三维模型以及制作点云标准库模块，并通过3DMatch描述子进行所述点云配准，还原巡检设备的拍摄角度，而后拍摄巡检图片，并根据颜色信息判断所述电缆线路隧道工程内的目标是否有缺陷。本申请提供的电缆线路隧道工程缺陷判断方法，利用点云数据匹配技术还原巡检图像拍摄角度，从而降低巡检图像复拍时角度与光线的干扰，提高设备本体缺陷检测的效果；利用目标关系建模关联检测目标和关联设备，有效降低缺陷误报率，从而提高设备预警的准确性。
-
公开(公告)号：CN115712732A
公开(公告)日：2023-02-24
申请号：CN202211109904.9
申请日：2022-09-13
申请人： 中国电力科学研究院有限公司 , 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司
摘要： 本发明公开了一种电力设备知识图谱本体构建方法、系统、设备及介质，所述电力设备知识图谱本体构建方法包括以下步骤：获取电力设备数据；其中，所述电力设备数据包括电力设备的检修台账数据、检修导则和技术标准；基于所述电力设备数据，构建获得电力设备的输电本体框架、变电本体框架和配电本体框架；将构建获得的所述输电本体框架、所述变电本体框架和所述配电本体框架进行本体融合，获得电力设备知识图谱本体。本发明提供的方法可解决异构知识图谱系统不利于业务流程的优化以及特性设计的技术问题，能够提升基于电力运检领域知识图谱的上层应用数据访问效率和便捷性。
-
公开(公告)号：CN115389865A
公开(公告)日：2022-11-25
申请号：CN202210983092.4
申请日：2022-08-16
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司
摘要： 本发明公开了一种基于云边端协同架构的电力设备故障诊断方法及系统，方法包括：获取目标电力设备的声纹振动数据；采用融入声纹振动传播机理的神经网络对所述声纹振动数据进行特征向量提取，得到多个特征向量，并对所述多个特征向量进行权重自适应计算与加权融合，得到混合特征向量；利用深度残差网络来对所述混合特征向量进行故障识别和分类；输出故障识别和分类的结果。本发明能够在保证实时性的情况下，提高电力设备故障诊断的精准性和稳定性。
-
公开(公告)号：CN114581261A
公开(公告)日：2022-06-03
申请号：CN202210048196.6
申请日：2022-01-17
申请人： 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院 , 国家电网有限公司
摘要： 本发明公开了一种基于快速图计算的故障诊断方法、系统、设备及存储介质，包括：对电力运检领域知识图谱图中的节点进行聚类，生成图的节点组序列；根据所述图的节点组序列确定多尺度图神经网络中各池化层的稀疏表示矩阵，构建多尺度图神经网络；将所述图的节点组序列输入到多尺度图神经网络中，完成快速图神经网络的计算，得多尺度图神经网络的输出结果，完成电力设备的故障类型诊断，该方法、系统、设备及存储介质能够精确、高效率的对电力运检领域知识图谱图中电力设备的故障类型进行诊断。
-
公开(公告)号：CN111797566A
公开(公告)日：2020-10-20
申请号：CN202010458817.9
申请日：2020-05-27
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网浙江省电力有限公司
IPC分类号： G06F30/27 , G06F17/16 , G06Q10/06 , G06Q50/06 , G06F113/04
摘要： 本发明涉及一种表征变压器健康状态的关键特征量确定方法和系统，包括：根据待测变压器的特征量归一化矩阵确定待测变压器的特征成分分析矩阵；根据待测变压器的特征成分分析矩阵确定待测变压器的特征量之间的特征成分关联性分析矩阵；根据待测变压器的特征量之间的特征成分关联性分析矩阵确定表征待测变压器的健康状态的关键特征量。本发明提供的技术方案，解决了传统特征提取方法拟合精度不足，以及基于神经网络等人工智能算法训练速度过慢的问题，为变压器健康状态的预估提供理论上的支撑，同时对日后变压器故障的及时排除有着不可估量的工程实用价值。
-
-
-
-
-
-
-
-
-
搜索结果
118 条记录 (耗时 0.079 秒)
