-
公开(公告)号：CN109816549A
公开(公告)日：2019-05-28
申请号：CN201811523375.0
申请日：2018-12-13
Applicant: 国网信通亿力科技有限责任公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
Abstract: 一种配电网单线图网络结构特征的表征转换方法，包括：建立标准配电网单线图样本库，根据所述样本库中样本的配电网设备间的电气连接关系建立每个样本配电网单线图的节点序列；建立生成式对抗网络模型，所述生成式对抗网络模型包括生成器和判定器；通过学习所述标准配电网单线图样本库以训练所述生成式对抗网络模型；建立待表征转换的配电网单线图的节点序列；基于所述待表征转换的配电网单线图的节点序列通过所述生成式对抗网络模型转换将其转换成需要的网络结构特征表征。从而能够有效的配电网单线图的标准化转化与表征，同时提高了单线图生成和更新的效率。
-
公开(公告)号：CN109687133A
公开(公告)日：2019-04-26
申请号：CN201910014139.4
申请日：2019-01-08
Applicant: 国网福建省电力有限公司南平供电公司 , 国网信通亿力科技有限责任公司 , 国网福建省电力有限公司电力科学研究院
Inventor： 郑汉杰 , 邵海明 , 辛永 , 陈宇琦 , 邹保平 , 黄长贵 , 高琛 , 王桂彬 , 谢石木林 , 柯金发 , 林海平 , 丁忠安 , 倪俊龙 , 甘哲皓 , 冯笑 , 曹雄志 , 黎金城 , 舒伟彬 , 陈倩 , 陈如尹 , 潘宜纯 , 邱晓军 , 吴平燕 , 吴彩萍
Abstract: 本发明提出一种小型化北斗卫星终端天线，所述天线包括辐射层和馈电层；所述辐射层包括分布于一正方形区域内的四个辐射振子和四个L型枝节；所述辐射振子呈凸字形；四个辐射振子的规格相同且分布于正方形区域的四边处；所述L型枝节位于正方形区域的中部且环绕正方形区域中央设置；四个L型枝节的直角端朝向正方形区域的四角方向；所述馈电层处设有馈电网络；所述馈电网络与辐射振子相连；本发明结构紧凑，可提高天线设计尺寸的利用率。
-
公开(公告)号：CN109687133B
公开(公告)日：2024-02-20
申请号：CN201910014139.4
申请日：2019-01-08
Applicant: 国网福建省电力有限公司南平供电公司 , 国网信通亿力科技有限责任公司 , 国网福建省电力有限公司电力科学研究院
Inventor： 郑汉杰 , 邵海明 , 辛永 , 陈宇琦 , 邹保平 , 黄长贵 , 高琛 , 王桂彬 , 谢石木林 , 柯金发 , 林海平 , 丁忠安 , 倪俊龙 , 甘哲皓 , 冯笑 , 曹雄志 , 黎金城 , 舒伟彬 , 陈倩 , 陈如尹 , 潘宜纯 , 邱晓军 , 吴平燕 , 吴彩萍
Abstract: 本发明提出一种小型化北斗卫星终端天线，所述天线包括辐射层和馈电层；所述辐射层包括分布于一正方形区域内的四个辐射振子和四个L型枝节；所述辐射振子呈凸字形；四个辐射振子的规格相同且分布于正方形区域的四边处；所述L型枝节位于正方形区域的中部且环绕正方形区域中央设置；四个L型枝节的直角端朝向正方形区域的四角方向；所述馈电层处设有馈电网络；所述馈电网络与辐射振子相连；本发明结构紧凑，可提高天线设计尺寸的利用率。
-
公开(公告)号：CN109327798B
公开(公告)日：2021-01-26
申请号：CN201811200468.X
申请日：2018-10-16
Applicant: 抚州市发展和改革委员会 , 国网信通亿力科技有限责任公司 , 国家电网有限公司 , 国网信息通信产业集团有限公司
Abstract: 本发明涉及一种基于移动终端的出行方式的判断方法，包括：通过监测对象携带的移动终端获取出行时间段中监测对象的运动状态；通过机动车携带的移动终端获取出行时间段中机动车的运动状态；计算所述监测对象与机动车在运动状态方面的相关性；根据上述运动状态和相关性判断所述监测对象的出行方式。本发明的方法判断简单准确，可以方便、快捷、及时地监测对象的出行方式，尤其有利于避免低速机动车对判断的干扰。
-
公开(公告)号：CN109522367A
公开(公告)日：2019-03-26
申请号：CN201810993413.2
申请日：2018-08-29
Applicant: 云南电网有限责任公司信息中心 , 国网信通亿力科技有限责任公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
Abstract: 一种基于IEC61970/61968标准的电网统一信息模型的数据处理装置和方法，其包括信息模型构建模块、数据接收模块、数据处理模块和数据装载模块；其中，所述数据处理模块还包括数据判断与裁决子模块，用于当标准统一信息模型所需的数据记录当出现空缺值。通过本发明提供的装置和方法，能够有效的处理电网统一信息模型的数据，提高数据交互性，同时提高了数据处理效率和实用效率。
-
Patent Agency Ranking
公开(公告)号：CN109308290A
公开(公告)日：2019-02-05
申请号：CN201810885500.6
申请日：2018-08-06
Applicant: 国网安徽省电力有限公司信息通信分公司 , 国网信通亿力科技有限责任公司 , 国家电网有限公司 , 国网信息通信产业集团有限公司
IPC: G06F16/215 , G06F16/25
Abstract: 本发明提供了一种基于CIM的高效数据清洗转换方法，该方法包括：接收来自电力系统用户请求的数据清洗转换任务；将数据清洗转换任务解译为工作流图；对工作流图进行转换和优化，基于优化后的工作流图执行所述清洗转换任务。本发明提出了一种基于CIM的高效数据清洗转换方法，在改进的电网运行数据模型和分布式数据平台的支持下，对源数据进行抽取、清洗、整合，保障数据质量和可靠性，实现基于数据库的统一标准数据输出，具有支持集群部署和并发计算的广泛适用性，可为电网数据自动化集成和分析提供可靠支持。
-
公开(公告)号：CN110045197B
公开(公告)日：2022-12-13
申请号：CN201910144554.1
申请日：2019-02-27
Applicant: 国网福建省电力有限公司 , 国家电网有限公司 , 国网信通亿力科技有限责任公司 , 国网信息通信产业集团有限公司
Inventor： 王永明 , 李怡然 , 林平 , 梁宏池 , 周暖青 , 翁晓春 , 吴涵 , 李衍川 , 郑凌娟 , 辛永 , 黄文思 , 罗义旺 , 李金湖 , 许梓明 , 马汉斌 , 林超 , 陈珺 , 谢驰 , 程友平 , 温天宝 , 郑志钉
IPC: G01R31/00
Abstract: 本发明涉及一种基于重采样的配网故障预警方法，其特征在于，包括：步骤1000，获取用于配网故障预警的配网数据集合Z；步骤2000，对所述配网数据集合Z进行重采样，得到配网数据集合Y；步骤3000，根据所述配网数据集合Y，确定配网故障预警模型；步骤4000，获取当前的配网故障预警数据；步骤5000，将所述当前配网故障预警数据输入所述配网故障预警模型，如果所述配网故障预警模型输出结果为配网故障，那么进行配网故障报警。
-
公开(公告)号：CN109800844B
公开(公告)日：2022-06-24
申请号：CN201811580345.3
申请日：2018-12-24
Applicant: 国网信通亿力科技有限责任公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC: G06K19/077 , G06K19/04 , H01R13/627 , H01R35/00
Abstract: 本发明公开了一种可弯折和旋转的U盘，包括U盘主体、USB插头和连接部，所述USB插头的正面和反面各自设有第一组导电接触片和第二组导电接触片，第一组导电接触片中的各个导电接触片与相应的第二组导电接触片中的各个导电接触片之间各自对应地导电连接，所述连接部以可转动方式连接U盘主体和USB插头。本发明的可弯折和旋转的U盘结构简单，使用方便，可自由旋转并可以避免反插损害U盘。
-
公开(公告)号：CN109145035B
公开(公告)日：2021-04-13
申请号：CN201810863335.4
申请日：2018-08-01
Applicant: 国网湖南省电力有限公司 , 国家电网有限公司 , 国网信通亿力科技有限责任公司 , 国网湖南省电力有限公司防灾减灾中心 , 国网信息通信产业集团有限公司
IPC: G06F16/248 , G06F16/2458 , G06Q50/06
Abstract: 本发明提供了一种基于数据挖掘的电网数据处理方法，包括以下步骤：步骤S100，接收输入数据，所述输入数据为描述待处理区域网格中与电网数据关联的m个参数集合；步骤S200，获得N个存储数据；步骤S300，将接收到的输入数据和获得的N个存储数据进行处理；步骤S400，分别计算处理后的输入数据与处理后的N个存储数据之间的相离度；步骤S500，根据计算出的相离度的值，向用户呈现结果。
-
公开(公告)号：CN110163410A
公开(公告)日：2019-08-23
申请号：CN201910276539.2
申请日：2019-04-08
Applicant: 国网信通亿力科技有限责任公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
Abstract: 一种基于神经网络-时间序列的线损电量的预测方法，根据供电量和耗电量关系预测线损电量，线损电量为Pl＝PSu-PSa，其中，Pl为线损电量，PSu为供电量，PSa为耗电量。计算耗电量的步骤包括：步骤1，建立源数据库，采集并存储用户历史耗电量历史数据；步骤2，构建BP神经网络-时间序列耗电量预测模型，并初始化BP神经网络的参数；步骤3，输入用户历史耗电量数据及影响因素数据，训练所述BP神经网络-时间序列耗电量预测模型，得到经训练的BP神经网络-时间序列耗电量预测模型；步骤4，通过所述经训练的BP神经网络-时间序列耗电量预测模型进行耗电量预测。以上提高了电力源数据的利用率，确保了耗电量预测的准确度，从而提高线损预测的完整性和质量。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.056 seconds)
