-
公开(公告)号：CN115577116A
公开(公告)日：2023-01-06
申请号：CN202211101285.9
申请日：2022-09-09
Applicant: 国网安徽省电力有限公司超高压分公司 , 国网安徽省电力有限公司 , 国网智能电网研究院有限公司 , 合肥工业大学 , 中国电力科学研究院有限公司 , 国网河南省电力公司电力科学研究院
Inventor： 刘鑫 , 常文婧 , 甘津瑞 , 常珂 , 刘浩 , 韩兆刚 , 夏卫尚 , 邱欣杰 , 谢涛 , 陈庆涛 , 马欢 , 黄海宏 , 孙伟 , 梁娟娟 , 李坚林 , 杜君莉 , 尚守卫
Abstract: 本发明公开一种融合多参量数据分析的时序图建模方法及装置，所述方法包括：获取换流变的多源信息，多源信息包括工况运行数据和多源传感数据；将多源信息经词向量模型转换得到对应的语义特征向量；将各语义特征向量以及各语义特征拼接得到的拼接特征向量分别进行线性变换，以将多源信息变换至公共特征空间；基于邻接矩阵权重随节点特征自适应变化的知识图谱技术，对各语义特征向量经线性变换后的特征值进行处理，得到不同时刻多源信息对应的知识图谱；基于时序图注意力神经网络，对不同时刻多源信息对应的知识图谱进行处理，分析多源信息的变化规律。
-
公开(公告)号：CN118094469B
公开(公告)日：2024-09-17
申请号：CN202410198181.7
申请日：2024-02-22
Applicant: 国网智能电网研究院有限公司 , 国家电网有限公司
IPC: G06F18/25 , G06F18/213 , G06F18/24 , G06Q50/06 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及信息处理技术领域，公开了多源异构数据的融合方法、装置、设备及存储介质，本发明提供的多源异构数据的融合方法，包括：获取电力多源异构数据，所述电力多源异构数据包括时序状态量和可见光；利用多目标联合优化模型对电力多源异构数据进行处理，当满足预设条件时，完成电力多源异构数据的融合。通过本发明提供的方法提高了多源异构数据之间的关联性。
-
公开(公告)号：CN118154995B
公开(公告)日：2024-07-30
申请号：CN202410572033.7
申请日：2024-05-10
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明提供基于时频关联自适应学习模型的图像质量裂化评估方法，包括：构建不同类别的原始图像集；利用傅里叶变换获得频谱图像集；将频谱图像和原始差异类别图像输入到残差神经网络中学习频谱图像特征、原始图像特征；将时频关联的图像特征、原始图像特征融合；输入到动态调节参数BP神经网络；进行图像质量裂化评估分类。本发明解决了分析处理信息不全面，导致图像质量异常分类效果差的技术问题。
-
公开(公告)号：CN118155024A
公开(公告)日：2024-06-07
申请号：CN202410585235.5
申请日：2024-05-13
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC: G06V10/774 , G06V10/30 , G06V10/34 , G06V10/72 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0464
Abstract: 本发明提供大模型图像样本自动生成方法及系统，方法包括：采集电网设备的差异光谱图像数据，以作为原始数据，对原始数据进行形态学滤波操作、数据清洗操作以及数据整合操作，以得到模型训练输入数据；利用生成对抗网络GAN进行对抗操作，对模型训练输入图像数据进行训练，以进行样本生成以及样本评估操作，获取稀缺样本；将稀缺样本与实时采集图像混合，利用支持向量机进行标注处理，以构造适用泛化能力新数据集；利用迁移学习技术，在适用泛化能力新数据集上，对预训练ResNet模型进行训练、验证操作，以得到适用电网图像大模型。本发明解决了电网设备监测与诊断操作中存在样本稀缺，导致模型的监测诊断性能受有制约的技术问题。
-
公开(公告)号：CN118154447A
公开(公告)日：2024-06-07
申请号：CN202410578624.5
申请日：2024-05-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
Abstract: 本发明提供基于引导频率损失函数的图像恢复方法及系统，方法包括：构建第一质量图像数据集、第二质量图像数据集，划分得到训练集、验证集；将相邻两层高斯金字塔图像取出，以对第一质量图像数据集、第二质量图像数据集中的小尺寸图像进行上采样，得到不少于2种相同尺寸图像，做差得到一层输入拉普拉斯图像，将最小尺寸图像作为拉普拉斯金字塔最底层，构建图像拉普拉斯金字塔，根据沙博尼耶损失、拉普拉斯金字塔损失和迭代层次化高频分量损失确定引导频率损失，利用引导频率损失收敛模型；验证模型。本发明解决了图像恢复质量较差、系统鲁棒性较差的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN118094469A
公开(公告)日：2024-05-28
申请号：CN202410198181.7
申请日：2024-02-22
Applicant: 国网智能电网研究院有限公司 , 国家电网有限公司
IPC: G06F18/25 , G06F18/213 , G06F18/24 , G06Q50/06 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及信息处理技术领域，公开了多源异构数据的融合方法、装置、设备及存储介质，本发明提供的多源异构数据的融合方法，包括：获取电力多源异构数据，所述电力多源异构数据包括时序状态量和可见光；利用多目标联合优化模型对电力多源异构数据进行处理，当满足预设条件时，完成电力多源异构数据的融合。通过本发明提供的方法提高了多源异构数据之间的关联性。
-
公开(公告)号：CN116468904A
公开(公告)日：2023-07-21
申请号：CN202310391789.7
申请日：2023-04-13
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC: G06V10/44 , G06V10/774 , G06N3/0464 , G06N3/08 , G06V10/82 , G06Q10/20 , G06Q50/06
Abstract: 本发明公开了变电站隔离开关图像有效性评估模型，涉及图像视觉技术领域。包括如下步骤方法：S1：通过采集备对隔离开关图片进行数据采集；通过yolov5模型进行相关数据的预训练；S2：对所拍摄隔离开关进行识别；采用基于U2NET的语义分割的深度学习识别算法对隔离开关图片进行识别；S3：将隔离开关图片送入训练好的yolov5模型进行识别，推算出特征完备性模型和清晰度模型；S4：由推算出的特征完备性模型和清晰度模型得到完备性指标模型。该模型可以作为深度学习清晰度划分的依据并且为隔离开关图片识别、摄像机点位选择提供理论支撑。
-
公开(公告)号：CN118154447B
公开(公告)日：2024-08-20
申请号：CN202410578624.5
申请日：2024-05-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
Abstract: 本发明提供基于引导频率损失函数的图像恢复方法及系统，方法包括：构建第一质量图像数据集、第二质量图像数据集，划分得到训练集、验证集；将相邻两层高斯金字塔图像取出，以对第一质量图像数据集、第二质量图像数据集中的小尺寸图像进行上采样，得到不少于2种相同尺寸图像，做差得到一层输入拉普拉斯图像，将最小尺寸图像作为拉普拉斯金字塔最底层，构建图像拉普拉斯金字塔，根据沙博尼耶损失、拉普拉斯金字塔损失和迭代层次化高频分量损失确定引导频率损失，利用引导频率损失收敛模型；验证模型。本发明解决了图像恢复质量较差、系统鲁棒性较差的技术问题。
-
公开(公告)号：CN118279289A
公开(公告)日：2024-07-02
申请号：CN202410572037.5
申请日：2024-05-10
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/086
Abstract: 本发明提供一种电力设备视频图像缺陷识别方法及系统，方法包括：预训练初始残差神经网络，以得到适用缺陷分类残差神经网络；初始化问题潜在解粒子群位置、速度；计算每个问题潜在解粒子的适应值；利用粒子群优化算法持续迭代，寻获并更新得到局部更新最优解、全局更新最优解，以更新获取问题潜在解粒子的位置、速度；在满足粒子群优化算法的结束条件时结束持续迭代，根据更新获取的问题潜在解粒子的位置、速度，输出最佳位置参数，以利用适用缺陷分类残差神经网络，处理得到电力设备视频图像中的缺陷坐标位置。本发明解决了电力设备视频图像缺陷识别过程中的标记操作效率低、准确性低、检测模型的计算量大、网络结构复杂的技术问题。
-
公开(公告)号：CN117829265B
公开(公告)日：2024-06-18
申请号：CN202410232948.3
申请日：2024-03-01
Applicant: 国网智能电网研究院有限公司 , 国家电网有限公司
Abstract: 本发明涉及知识迁移技术领域，具体涉及一种基于中介空间构建的电力跨模态双向知识迁移方法。方法包括：采用图建模和图神经网络提取第一模态数据的第一特征，采用大语言模型提取第二模态数据的第二特征；基于第一特征和第二特征的相似度以及对应的损失函数构建中介空间；采用中介空间中的损失函数对图神经网络和大语言模型中的参数迭代优化；基于图建模、参数迭代优化后的图神经网络以及大语言模型提取的特征在中介空间中进行知识迁移。通过该方法在中介空间里对齐不同模态抽取到的关系特征，实现了不同模态数据之间的双向知识迁移。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.045 seconds)
