基于NLP技术的电力行业结构化文本生成方法

    公开(公告)号:CN119692310A

    公开(公告)日:2025-03-25

    申请号:CN202411483807.5

    申请日:2024-10-22

    Abstract: 本申请属于IPv6态势感知技术领域,涉及基于NLP技术的电力行业结构化文本生成方法,通过从电力系统中采集传感器数据、设备日志、用户报告等多源数据,并进行预处理。接着,采用初级特征提取和PCA降维技术提取关键特征,并对其进行标准化处理,利用电力专家知识对特征数据进行标注,通过分类算法将标注后的数据分类整理,采用BERT模型进行训练,输入标注的关键特征数据和文本数据,利用监督学习生成符合电力行业需求的文本,并通过多次迭代优化特征提取和分类策略,结合预设计的规则和模板生成结构化文本,并使用校验规则对文本进行检查,通过ROUGE评估指标对文本进行质量评估,进一步优化模型和生成规则,从而实现了高效、准确的电力行业文本生成目标。

    一种面向物联网的配电网异常监测方法、系统及相关设备

    公开(公告)号:CN119675235A

    公开(公告)日:2025-03-21

    申请号:CN202411529492.3

    申请日:2024-10-30

    Abstract: 本发明适用于配电网异常监测技术领域,提供了一种面向物联网的配电网异常监测方法、系统及相关设备,其方法包括:从配电网各个监测点采集电气参数的异常数据、天气数据以及地理位置信息数据,并将采集到的数据进行数据预处理;将预处理后的数据输入至训练好的CNN‑RNN模型中评估所述电气参数是否受到天气因素的影响或受到地理位置因素的影响;当所述电气参数没有受到天气因素的影响或没有受到地理位置因素的影响时,则确定所述配电网各个监测点设备运行状态的目标特征变量;判断所述目标特征向量是否满足异常条件;若是,则通过监测所述配电网各个监测点设备运行状态的异常数据对所述电气参数进行异常分析,有效提高异常监测的全面性。

    电力系统预训练模型的插件功能与在线测试方法

    公开(公告)号:CN119620728A

    公开(公告)日:2025-03-14

    申请号:CN202411517180.0

    申请日:2024-10-28

    Abstract: 本发明公开了一种电力系统预训练模型的插件功能与在线测试方法,本申请通过结合NLP、BERT和强化学习技术,设计了面向电力行业的预训练模型,实现了数据驱动的智能控制策略。通过半监督学习整合有标注和无标注数据,提升了模型的泛化能力,并为强化学习代理提供了高质量的初始化模型。将预训练模型拆解为独立插件模块,通过API与仿真平台集成,实现了模块的按需加载与场景切换,保证了系统的灵活性。在HIL平台上模拟动态事件和系统故障,结合MPC控制器预训练强化学习代理,使其策略优化过程能够持续自适应于系统状态。此外,通过粒子群优化算法不断更新模型参数和控制策略,确保RL代理和插件模块始终与系统需求保持同步。

Patent Agency Ranking