-
公开(公告)号：CN115546565A
公开(公告)日：2022-12-30
申请号：CN202211397154.X
申请日：2022-11-09
Applicant: 上海朗驰佰特智能技术有限公司 , 上海电力大学 , 上海厚尚电力科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于YOLOCBF电厂关键区域管道油液泄漏检测方法，它涉及计算机视觉技术领域。获取电厂关键区域管道油液泄漏图像，构建数据集并预处理，对训练集中图像标注；将图像输入到融合CBAM注意力机制的模型骨干网络中，获取五个不同尺度的特征图，将其输入到YOLOCBF颈部段进行特征融合，输出五个不同尺度的张量数据，并输入到YOLOCBF网络头部端，通过检测头预测，采用Focal EIoU Loss对检测目标定位及类别检测；通过训练集训练网络模型并验证，部署到算法服务器上进行电厂关键区域管道油液泄漏的实时检测识别。本发明实现对电厂关键区域内的管道油液泄漏的实时、准确检测，满足电厂应用的需求。
-
公开(公告)号：CN117422695A
公开(公告)日：2024-01-19
申请号：CN202311477998.X
申请日：2023-11-08
Applicant: 上海朗驰佰特智能技术有限公司 , 上海电力大学
IPC: G06T7/00 , G06V10/26 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06V20/40 , G06N3/084
Abstract: 本发明涉及后台图像处理技术领域，具体地说是一种基于CR‑Deeplab的异常检测方法。包括如下步骤：S1，采集原始异常图像，构建数据训练集；S2，在CR‑Deeplab网络上进训练；S3，得到预测特征图；S4，将预测特征图与步骤S1中标注的真实分割图像集合进行对比，计算真实值与预测值的距离，构造损失函数，优化网络；S5，更新网络参数；S6，重复步骤S3至S5，进行e次网络训练；S7，分析模型的异常检测性能；S8，将训练好的模型部署在服务器上，实时采集图像，再由CR‑Deeplab图像分割算法对异常状况进行识别分割。同现有技术相比，将不同尺度的残差卷积模块和卷积注意力模块CBAM相融合，并在ASPP模块后也加入了CBAM卷积注意力机制，使得模型识别的完整性和可靠性得以提升。
-
公开(公告)号：CN117079173A
公开(公告)日：2023-11-17
申请号：CN202210994219.2
申请日：2022-08-18
Applicant: 上海朗驰佰特智能技术有限公司 , 上海厚尚电力科技有限公司 , 上海电力大学
Abstract: 本发明涉及电厂巡检机器人和固定的摄像头后台图像处理技术领域，具体地说是一种基于YOLOA的电厂关键设施异常识别方法。一种基于YOLOA的电厂关键设施异常识别方法，包括以下步骤：S1，利用YOLOA网络训练电厂采集的泄漏数据，然后将训练好的模型部署到算法服务器上；S2，电力巡检机器人到达指定位置转动云台，双视摄像头对准识别区域后截取3s可见光和红外视频；S3，采用B变换融合可见光图像的B分量和红外图像，得到融合后的视频；S4，将融合后的视频输入网络预测并在前端页面显示。同现有技术相比，能够更准确的识别电厂的异常状况；利用视频检测，不易出现误检和漏检的情况并且能够实时的在前端页面显示检测的状况。
-
公开(公告)号：CN111158239B
公开(公告)日：2022-06-21
申请号：CN202010021684.9
申请日：2020-01-09
Applicant: 上海电力大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于关联规则算法与神经网络的制粉系统性能优化方法，属于信息控制技术领域。本发明的步骤包括：S1，根据制粉系统的历史数据，建立制粉系统数据库；S2，筛选稳定运行参数；S3，通过有监督自组织神经网络对所述制粉系统数据库中历史数据进行工况聚类；S4，数据离散化、纬度约束和样本压缩；S5，基于改进关联规则算法挖掘每一工况簇的运行优化参数；S6，运行工况的判定与归类；S7，累积新工况数据到一定程度再次挖掘。本发明具有节省计算资源，关联规则算法的运行效率和性能得到提升的优点，还使数据挖掘更具有针对性，消减冗余项，提高挖掘效率。
-
公开(公告)号：CN113836802A
公开(公告)日：2021-12-24
申请号：CN202111068061.8
申请日：2021-09-13
Applicant: 上海工业自动化仪表研究院有限公司 , 上海电力大学
IPC: G06F30/27 , G06K9/62 , G06N20/10 , G06F111/10
Abstract: 本发明涉及一种基于MFO‑SVM的燃气轮机传感器故障诊断方法，首先利用EMD方法将传感器故障信号进行分解，得到故障特征向量；接着针对SVM参数选取会影响分类性能的问题，利用MFO算法对SVM的参数进行优化，建立MFO‑SVM故障诊断模型；最后将传感器故障特征向量输入到MFO‑SVM诊断模型对模型进行训练，得到用于传感器故障诊断的模型，能够快速的、准确的识别燃气轮机控制系统传感器故障类型，及时进行维修和保护，降低燃气轮机控制系统传感器故障带来的经济损失，使燃气轮机能够可靠安全的运行。
-
Patent Agency Ranking
公开(公告)号：CN113126551A
公开(公告)日：2021-07-16
申请号：CN202110467342.4
申请日：2021-04-28
Applicant: 上海电力大学
IPC: G05B19/042
Abstract: 本发明涉及一种基于单对以太网的远程数据采集系统，包括远程数据采集装置和数据监控装置，其中远程数据采集装置包括依次连接的数据采集模块、主控模块和单对以太网通信模块；主控模块包括ARM主控芯片，以及连接ARM主控芯片的存储器、时钟系统、电源单元、显示屏、串口和开关单元，ARM主控芯片包括数模转换单元和MAC单元；数据采集模块包括依次连接的信号预处理单元和模数通道拓展单元，模数通道拓展单元连接ARM主控芯片的数模转换单元；单对以太网通信模块包括单对以太网PHY芯片，单对以太网PHY芯片连接ARM主控芯片的MAC单元。与现有技术相比，本发明具有兼容好、传输效率高简化现场布线等优点。
-
公开(公告)号：CN111723821A
公开(公告)日：2020-09-29
申请号：CN202010531797.3
申请日：2020-06-11
Applicant: 上海电力大学 , 宝山钢铁股份有限公司
Abstract: 本发明涉及一种电厂仪表图像的检测识别方法及装置，识别方法包括采集电厂仪表原图像，进行图像预处理，提取出原图像中的仪表表盘区域形成目标图像；通过改进Canny检测算法对目标图像进行处理；对梯度幅值进行非极大值抑制；对非极大值抑制后的图像采用自适应阈值确认算法获取上阈值和下阈值；根据上阈值和下阈值通过双阈值算法确定图像的边界；通过Hough变化算法检测二值边界图像中的直线和圆；通过指针仪表识别方法根据二值边界图像中的直线和圆获取仪表的量程读数。与现有技术相比，本发明结合了Canny检测算法和Hough变换算法对仪表图像进行识别，对指针式电厂仪表进行快速精确的识别；同时，识别稳定性高。
-
公开(公告)号：CN111158239A
公开(公告)日：2020-05-15
申请号：CN202010021684.9
申请日：2020-01-09
Applicant: 上海电力大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于关联规则算法与神经网络的制粉系统性能优化方法，属于信息控制技术领域。本发明的步骤包括：S1，根据制粉系统的历史数据，建立制粉系统数据库；S2，筛选稳定运行参数；S3，通过有监督自组织神经网络对所述制粉系统数据库中历史数据进行工况聚类；S4，数据离散化、纬度约束和样本压缩；S5，基于改进关联规则算法挖掘每一工况簇的运行优化参数；S6，运行工况的判定与归类；S7，累积新工况数据到一定程度再次挖掘。本发明具有节省计算资源，关联规则算法的运行效率和性能得到提升的优点，还使数据挖掘更具有针对性，消减冗余项，提高挖掘效率。
-
公开(公告)号：CN119886746A
公开(公告)日：2025-04-25
申请号：CN202510361042.6
申请日：2025-03-26
IPC: G06Q10/0631 , G06Q50/06 , G06Q10/04 , H02J3/00
Abstract: 本发明涉及虚拟电厂优化调度技术领域，尤其涉及一种计及电转气和阶梯式碳交易的虚拟电厂优化方法，包括：对采集的风电和光伏出力数据、用户侧负荷数据以及气象历史数据进行预处理，形成完整的资源负荷时间序列数据集；构建包括电解制氢和氢转甲烷的双阶段电转气模型；构建虚拟电厂参与电碳联合市场的阶梯式碳交易模型；基于双阶段电转气模型和碳捕集与封存系统深度耦合，构建协同供能的多元能源系统；基于双阶段电转气模型、阶梯式碳交易模型和多元能源系统的调度结果，构建虚拟电厂优化调度模型；将资源负荷时间序列数据集输入虚拟电厂优化调度模型，输出虚拟电厂优化调度方案。与现有技术相比，本发明具有实现低碳目标下优化调度等优点。
-
公开(公告)号：CN115081478A
公开(公告)日：2022-09-20
申请号：CN202210700491.5
申请日：2022-06-20
Applicant: 国电长源汉川第一发电有限公司 , 上海电力大学
Abstract: 本发明涉及一种火电厂关键辅机故障诊断方法和系统，其中方法包括以下步骤：获取火电辅机的原始监测信号；通过中心频率观察法和残差指数法来确定最优变分模态分解算法的参数K，采用最优变分模态分解算法将原始监测信号分解成K个模态函数；对分解后的模态提取特征向量；构造集成学习模型，并且使用提取特征向量进行训练；采集火电辅机的待诊断监测信号，输入至训练后的集成学习模型得到诊断结构。与现有技术相比，本发明能够快速的、准确的识别火电厂关键辅机故障类型，及时进行维修和保护，降低火电厂关键辅机故障带来的经济损失，使火电机组能够可靠安全的运行。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.054 seconds)
