公开(公告)号：CN116136986A

公开(公告)日：2023-05-19

申请号：CN202211304438.X

申请日：2022-10-24

申请人： 国网内蒙古东部电力有限公司 ,  国家电网有限公司

发明人： 曹阳 ,  姜国义 ,  杨义勇 ,  崔鸣石 ,  龚庆武 ,  乔卉

IPC分类号： G06Q10/0639 ,  G06Q50/20 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08

摘要： 本发明属于用户自动评分范畴，具体涉及一种基于特征和注意力融合的电力移动培训自动评分方法，首先采集用户、课程、用户对课程评分等数据信息，构建用户‑课程评分矩阵，然后构建用户‑课程注意力融合模型，再通过GRU进行训练，计算偏差和权重，最后进行预测评分。本发明能自动过滤掉与评分预测不关紧要的属性，从而提升评分预测的准确率，研究结果对向用户推荐商品、预测用户的喜好等具有参考价值。

公开(公告)号：CN102122824B

公开(公告)日：2013-06-19

申请号：CN201110089037.2

申请日：2011-04-11

申请人： 武汉大学

发明人： 龚庆武 ,  李勋 ,  乔卉 ,  贾晶晶

IPC分类号： H02J3/24

摘要： 本发明涉及一种电力系统低频振荡模态参数辨识方法及其装置。本发明将一种新的分析非线性、非平稳信号的方法——原子稀疏分解法用于低频振荡模态参数辨识,本方法能够有效辨识出电力系统低频振荡模态参数，包括振幅、衰减系数、频率、阻尼比、相位、开始与结束时刻。因此，本发明具有如下优点：将一种新的分析非线性、非平稳信号的方法即原子稀疏分解法用于低频振荡模态参数辨识,能够有效辨识出电力系统低频振荡模态参数，包括振幅、衰减系数、频率、阻尼比、相位、开始与结束时刻。

公开(公告)号：CN106599432A

公开(公告)日：2017-04-26

申请号：CN201611116044.6

申请日：2016-12-07

申请人： 广州供电局有限公司培训与评价中心 ,  武汉大学

发明人： 吴倩 ,  赵贤 ,  林燕贞 ,  乔卉 ,  龚庆武

IPC分类号： G06F17/50 ,  G06Q10/06 ,  G06Q50/20

CPC分类号： G06F17/5009 ,  G06Q10/0639 ,  G06Q50/205

摘要： 本发明涉及一种利用变权重理论的高压电缆施工作业3D仿真培训系统可信度评估。本发明从高压电缆施工作业3D仿真培训系统可信度的评估指标选取出发，针对在仿真培训系统可信度评估过程中出现的不确定性采用梯形云来描述，实现定性概念和定量计算上的转换，实现评估指标隶属度的计算；提出采用改进的模糊层次分析法计算评估指标的常权重，针对高压电缆施工作业3D仿真培训系统可信度评估中极个别指标的严重失真而综合评价却无法灵敏做出反应的问题，根据高压电缆施工作业3D仿真培训系统可信度评估的自身属性构造惩罚型状态变权函数，使得各个指标的权重随着可信度评估结果的变化而重新分配；采用模糊加权算子计算仿真培训系统可信度评估结果。

公开(公告)号：CN106291234A

公开(公告)日：2017-01-04

申请号：CN201610613748.8

申请日：2016-07-29

申请人： 武汉大学

发明人： 龚庆武 ,  魏东 ,  刘栋 ,  王波 ,  乔卉 ,  来文青

IPC分类号： G01R31/08

CPC分类号： G01R31/085 ,  G01R31/088

摘要： 本发明涉及一种基于卷积神经网络的输电线路区内外故障判断及故障选相方法，首先根据双端供电系统原理图搭建仿真模型，得到训练样本的输入，将故障类型和区内外故障作为训练样本的输出，同理生成测试样本。其次，列出网络结构，通过测试样本的错误率，得到最佳网络结构。最后，在每次故障之后，获取故障电流，输入到训练好的网络中，即可判断是否区内故障并进行故障选相，无需再次训练。该方法对卷积神经网络输出进行了改进，用同一网络同时解决了区内外故障判断和故障选相两类非独立分类问题，实现了两种非独立分类问题的权值共享。对采样率要求低，无需计算各种整定值，不受系统频率、故障位置、负荷电流、过渡电阻等因素的影响，结果准确可靠。

公开(公告)号：CN106291233A

公开(公告)日：2017-01-04

申请号：CN201610613683.7

申请日：2016-07-29

申请人： 武汉大学

发明人： 龚庆武 ,  魏东 ,  刘栋 ,  乔卉 ,  林燕贞 ,  杨广辉 ,  刘宇阳 ,  沈勃 ,  杨飞国 ,  梁志远 ,  杨安琪

IPC分类号： G01R31/08

CPC分类号： G01R31/088

摘要： 本发明一种基于卷积神经网络的故障选相方法。首先根据双端供电系统原理图搭建仿真模型。其次，列出网络结构，通过设置批处理数量为较大定值，训练次数为较小定值，得到测试样本的错误率，错误率最小的网络结构即为最佳网络结构。然后，在最佳网络结构下，减少批处理数量，增加训练次数，使错误率降为0，从而得到训练好的网络结构参数和权值偏置矩阵。最后，在每次故障之后，获取故障电流，输入到训练好的网络中，即可得到故障类型输出，无需再次训练。该方法能够准确进行故障选相，检测灵敏度高，不受系统频率、故障位置、负荷电流、过渡电阻等因素的影响，具有很高的可靠性。

公开(公告)号：CN102122824A

公开(公告)日：2011-07-13

申请号：CN201110089037.2

申请日：2011-04-11

申请人： 武汉大学

发明人： 龚庆武 ,  李勋 ,  乔卉 ,  贾晶晶

IPC分类号： H02J3/24

摘要： 本发明涉及一种低频振荡模态参数辨识方法及其装置，尤其是涉及一种电力系统低频振荡模态参数辨识方法及其装置。本发明创造性的将一种新的分析非线性、非平稳信号的方法——原子稀疏分解法用于低频振荡模态参数辨识,本方法能够有效辨识出电力系统低频振荡模态参数，包括振幅、衰减系数、频率、阻尼比、相位、开始与结束时刻。因此，本发明具有如下优点：将一种新的分析非线性、非平稳信号的方法即原子稀疏分解法用于低频振荡模态参数辨识,能够有效辨识出电力系统低频振荡模态参数，包括振幅、衰减系数、频率、阻尼比、相位、开始与结束时刻。

公开(公告)号：CN115459203A

公开(公告)日：2022-12-09

申请号：CN202211145501.X

申请日：2022-09-20

申请人： 国网安徽省电力有限公司电力科学研究院 ,  国网安徽省电力有限公司 ,  武汉大学 ,  国网安徽省电力有限公司超高压分公司 ,  南京南瑞继保工程技术有限公司

发明人： 孙辉 ,  龚庆武 ,  彭勃 ,  俞斌 ,  张军 ,  刘孝辉 ,  张豪杰 ,  乔卉 ,  刘栋 ,  高博 ,  徐斌 ,  汪玉 ,  丁津津 ,  张峰 ,  汪勋婷 ,  谢毓广 ,  王同文 ,  谢民 ,  汪伟 ,  邵庆祝 ,  罗沙 ,  谢佳 ,  张骏 ,  于洋 ,  李晓彤

IPC分类号： H02H1/00 ,  H02J3/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种特高压直流阀短路保护快速整定方法及装置，所述方法包括：选取特高压直流运行方式；在每种运行方式下，分别就区内故障和近点区外故障仿真出一组故障数据；每种运行方式所对应的启动电流Isc_set和制动电流比例系数k_set分别选择划分好的区间中的一个作为最终取值区间；通过卷积神经网络学习运行方式与每种运行方式对应的定值区间之间的配合关系，得到最终的神经网络模型；实时采集运行方式对应的特征量，输入神经网络模型，得到对应的定值区间；本发明的优点在于：克服传统经验方法定值单一、适应性差的问题，提高保护动作的可靠性，保障特高压直流系统的安全稳定运行。

公开(公告)号：CN107784095B

公开(公告)日：2022-04-01

申请号：CN201710973349.7

申请日：2017-10-18

申请人： 国网内蒙古东部电力有限公司 ,  国家电网公司 ,  武汉大学

发明人： 姜国义 ,  刘海波 ,  杨倩倩 ,  李文震 ,  康凯 ,  龚庆武 ,  乔卉

IPC分类号： G06F16/9536 ,  G06F16/9537 ,  G06Q30/06

摘要： 本发明属于社交网络中兴趣推荐研究体系中学习资源推荐研究范畴，涉及一种基于移动学习的学习资源自动推荐方法，建立模型解决移动用户学习平台上的用户学习兴趣发现问题，把用户学习兴趣这一问题看作是基于时间和位置维度上的用户学习资源的轨迹特征发现问题，把具有同一资源兴趣的用户看作是一组资源用户群，从用户学习轨迹和资源用户群学习特点角度预测用户可能学习的下一个资源，继而实现用户的学习兴趣发现。

公开(公告)号：CN107784095A

公开(公告)日：2018-03-09

申请号：CN201710973349.7

申请日：2017-10-18

申请人： 国网内蒙古东部电力有限公司 ,  国家电网公司 ,  武汉大学

发明人： 姜国义 ,  刘海波 ,  杨倩倩 ,  李文震 ,  康凯 ,  龚庆武 ,  乔卉

IPC分类号： G06F17/30 ,  G06Q30/06

CPC分类号： G06F17/30867 ,  G06F17/3087 ,  G06Q30/0631

摘要： 本发明属于社交网络中兴趣推荐研究体系中学习资源推荐研究范畴，涉及一种基于移动学习的学习资源自动推荐方法，建立模型解决移动用户学习平台上的用户学习兴趣发现问题，把用户学习兴趣这一问题看作是基于时间和位置维度上的用户学习资源的轨迹特征发现问题，把具有同一资源兴趣的用户看作是一组资源用户群，从用户学习轨迹和资源用户群学习特点角度预测用户可能学习的下一个资源，继而实现用户的学习兴趣发现。

公开(公告)号：CN106980073A

公开(公告)日：2017-07-25

申请号：CN201710370595.3

申请日：2017-05-23

申请人： 武汉大学

发明人： 龚庆武 ,  魏东 ,  刘栋 ,  乔卉

IPC分类号： G01R31/08

CPC分类号： G01R31/088

摘要： 本发明涉及一种基于卷积神经网络的输电线路双端故障录波数据匹配方法。首先搭建线路故障仿真模型，对参数进行遍历，形成参数矩阵，得到故障时两端的电流数据作为样本的输入，将匹配结果作为样本的输出，同理生成测试样本。其次，列出网络结构，对网络进行训练测试，得到测试样本的错误率，错误率最小的网络结构即为最佳网络结构。然后，在最佳网络结构下，改变批处理数，增加训练次数，保存训练好的错误率低的网络结构参数和权值偏置矩阵。最后，在每次故障之后，将需要匹配的数据输入到训练好的网络，即可输出匹配结果。该方法所需电气量少，不受系统频率、过渡电阻、故障位置、故障类型的影响，数据匹配的准确率比数据匹配三重判据结果更高。