-
公开(公告)号：CN113326697A
公开(公告)日：2021-08-31
申请号：CN202110600721.6
申请日：2021-05-31
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F40/279 , G06F16/33 , G06F16/36 , G06F40/247 , G06F40/30
Abstract: 本申请提供了一种基于知识图谱的电力文本实体语义理解方法，具体包括：根据自举法构建电力实体同义词林；通过众包平台构建电力领域知识图谱；根据电力实体同义词林，进行电力文本的实体指代理解；将电力文本的实体指代理解链接到电力领域知识图谱中的特定实体；在电力领域知识图谱中对特定实体进行匹配查询，获取特定实体的语义信息。本申请通过将电力文本、知识图谱与计算机结合起来，减少了人工处理电力文本所耗费的时间和精力，提高了机器进行文本提取实体语义信息的准确率，可以有效帮助人们对电力文本信息进行批量处理，节省了电力文本信息处理的经济成本，同时使得电力技术更加信息化、智能化。
-
公开(公告)号：CN113158678A
公开(公告)日：2021-07-23
申请号：CN202110548261.7
申请日：2021-05-19
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F40/295 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本申请涉及电力技术领域，特别地，涉及一种应用于电力文本命名实体的识别方法及装置，所述方法包括：将数据采集模块获取的开源电力文本输入数据预处理模块，得到预处理数据；通过数据标注软件标注所述预处理数据，得到标注电力文本，将所述标注电力文本的正文按预设比例构建训练集与测试集；将所述训练集输入到联合学习模型进行训练，预测得到训练集的标签序列，根据所述标签得到命名实体；利用测试集对训练完成的学习模型进行测试，根据命名实体识别模型的精确率，召回率进行参数优化，以解决现有技术中应用于电力领域中需要大量昂贵的标注语料，混有噪音数据，降低命名实体识别模型精确度的问题。
-
公开(公告)号：CN113112050A
公开(公告)日：2021-07-13
申请号：CN202110263386.5
申请日：2021-03-11
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 本申请提供一种基于W‑BiLSTM的轨道交通短时客流量预测方法，获取城市轨道交通客流量的时间序列历史数据作为样本数据；对样本数据预处理，并归一化；通过小波神经网络对样本数据进行小波分解和单支重构，得到训练数据和测试数据；对BiLSTM神经网络模型初始化，设定BiLSTM神经网络模型的机构及超参数，输入训练数据构建并训练预测模型；当达到期望误差或预设迭代次数时，选取最优BiLSTM神经网络模型对测试数据进行预测，得到预测值；根据均方根误差和平均绝对百分比误差作为评价指标对预测值误差分析；以捕获轨道交通短时客流量变化规律，更精准的预测未来城市道路的速度，可应用于智能交通、智慧城市建设。为避免出行拥堵，保障居民出行安全和效率提供数据支撑。
-
公开(公告)号：CN112966502A
公开(公告)日：2021-06-15
申请号：CN202110286509.7
申请日：2021-03-17
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F40/284 , G06F40/216 , G06F40/126 , G06F16/28 , G06N3/04
Abstract: 本发明涉及一种基于长难句化简的电力专利文本实体关系抽取方法，S01：将电力专利文本的正文构造数据训练集与测试集按比例划分，再将其与常用词汇表以及电力术语词汇表一并输入到语句化简模块；S02：对于输入的电力专利文本的正文构造数据训练集与测试集，根据常用词汇表以及电力术语词，语句化简模块进行文本的长难句化简，将长难句转化为一系列的简单句；S03：将化简后的简单句输入双向GRU神经网络模型进行关系抽取，得到实体间关系；S04：使用基于规则的关系抽取算法进行信息元组抽取所述实体间关系进一步获取实体属性信息。本发明方法提高了电力专利文本关系抽取的准确率，满足电力领域的文本处理需求。
-
公开(公告)号：CN112288014A
公开(公告)日：2021-01-29
申请号：CN202011189047.9
申请日：2020-10-30
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 本申请公开了一种基于数据挖掘的设备全生命周期管理方法，包括：采集设备台账数据、运行数据和检修数据；对数据进行特征分析和统一化表征；通过K‑means数据聚类算法对数据进行降维处理生成相似簇；利用Apriori算法挖掘数据属性之间的关联规则；依据所述关联规则进行故障分类，构建设备故障预测模型；依据设备运行数据和检修数据的权重，构建设备画像标签体系；基于设备台账数据、运行数据和检修数据训练所述设备故障预测模型得到资产设备画像预测模型；通过资产设备画像预测模型预测得到全生命周期运行的设备画像预测结果，通过设备画像预测结果和设备画像标签体系，优化企业设备资产需求采购、使用维护、报废环节。
-
Patent Agency Ranking
公开(公告)号：CN111611446A
公开(公告)日：2020-09-01
申请号：CN202010447886.X
申请日：2020-05-25
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F16/901 , G06K9/62 , G06Q10/04 , G06Q50/06 , G06Q50/30
Abstract: 本发明涉及一种基于多层复杂网络的四网融合用户用能数据模型构建方法，包括：S01，采集多维样本使用数据；S02，基于所述多维样本数据对每个粒度网络进行建模；S03，构建四层网络；S04构建属性层；S05，将每一层均构建为图G(V,E,A)。本发明基于四网融合采集的用户数据，结合多层复杂网络方法，从多层次、多维度、多粒度3个层面构建成用户用能数据模型，具有结构清晰、关系分明的特点，再现用户数据在3个方面呈现特性的形成机理，实现用户数据的全方位研究，更能体现真实四网融合复杂数据系统，全面直观反映不同客户、产品、渠道在“四网融合”背景下的关联关系，同时有利于对用户用能行的有效分析及预测。
-
公开(公告)号：CN111292454A
公开(公告)日：2020-06-16
申请号：CN202010082584.7
申请日：2020-02-07
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 本申请实施例提供一种智能身份门禁识别系统和方法，包括服务器、存储设备，智能门禁控制设备，所述智能门禁控制设备通过RFID信息模块、人脸认证模块、中央控制模块、门锁控制模块、报警控制模块、网络传输模块、视频采集模块、远程控制模块的连接实现通过RFID卡与人脸认证的门锁控制模式，同时实现实时监控及报警，并将数据存储通过网络传输在服务器端的系统，达到系统智能化程度高，实现使用者进出门禁时，无需人员任何操作，系统自动获取人员身份信息并进行认证，允许合法人员进出门禁，礼貌地拒绝非法用户，同时也将有效地保护财产不受非法侵犯，遇到非法操作时系统自动报警，克服了电子卡证件存在伪造、借用、密码复制或盗用等隐患，安全性高。
-
公开(公告)号：CN111008580A
公开(公告)日：2020-04-14
申请号：CN201911182870.4
申请日：2019-11-27
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 本发明公开一种基于园区智慧安防的人体行为分析方法及装置，该方法通过获取摄像头采集的视频数据，对视频数据进行预处理，采用帧间差分法检测预处理后的视频数据中目标的运动发生区域，动态性强，能够适应动态背景下的运动目标检测。采用基于区域的跟踪算法对目标的运动发生区域进行跟踪，得到运动人体数据，跟踪精度高、跟踪稳定。从运动人体数据中提取运动特征，根据运动特征，识别人体的行为动作，本发明的基于园区智慧安防的人体行为分析方法，分析和识别的准确性高，通过理论研究与实际应用相结合，可显著提升安防监控系统的性能。
-
公开(公告)号：CN119544647A
公开(公告)日：2025-02-28
申请号：CN202411674459.X
申请日：2024-11-21
Applicant: 云南电网有限责任公司电力科学研究院
IPC: H04L49/60 , H04L49/111
Abstract: 本发明公开了一种基于软件定义的TSN管理方法、装置、介质和设备，通过集中控制器和TSN交换机的协调，利用北向接口和南向接口实现对TSN交换机的集中配置和调度。集中控制器通过北向接口允许远程访问和修改配置参数，以生成具体的配置指令和调度策略，确保网络按照实时需求进行高效调度和带宽分配；而南向接口则用于将这些配置指令下发到交换机，执行时钟同步、网络状态监控及转发与控制分离等功能。通过这一方式，不同网络技术之间的无缝对接得以实现，保障了数据传输的确定性，同时提升了数据处理能力和带宽资源的利用效率。
-
公开(公告)号：CN110826237B
公开(公告)日：2024-01-23
申请号：CN201911096262.1
申请日：2019-11-11
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F30/20 , G06F119/02 , G06F111/10
Abstract: 本申请公开了基于贝叶斯信念网络的风电设备可靠性分析方法及系统，方法包括获取评价风电设备可靠性的基础数据，所述基础数据包括电站运行数据和设备检修数据；筛选出关键指标，构建风电设备可靠性指标体系；对所述关键指标的基础数据进行处理；根据处理后的数据，建立并优化贝叶斯信念网络模型；根据所述贝叶斯信念网络模型分析风电设备的可靠性。本申请的贝叶斯信念网络模型对于风电可靠性分析的准确性高，还有具有一定的稳定性，对于不确定性问题具有强大的处理能力，并且能够有效地进行多元信息表达与融合，能有效地按信息的相关关系进行融合，从而实现风电设备可靠性控制的(56)对比文件熊文军等.面向Ｉｓｓｕｅ跟踪系统的变更请求报告关闭可能性预测.计算机科学.2017,第44卷(第11期),146-155.杜冠洲;韦古强;凌俊斌.基于数据挖掘技术的风电设备可靠性分析.中国设备工程.2017,(第12期),92-94.
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.044 seconds)
