-
公开(公告)号：CN118484703A
公开(公告)日：2024-08-13
申请号：CN202410561513.3
申请日：2024-05-08
申请人： 北京邮电大学 , 中国电力科学研究院有限公司 , 国网山西省电力公司 , 国网山西省电力公司营销服务中心
发明人： 孟之航 , 高欣 , 李保丰 , 翟峰 , 赵兵 , 郜波 , 秦煜 , 陈昊 , 梁晓兵 , 郑安刚 , 许斌 , 徐萌 , 冯云 , 赵英杰 , 卢建生 , 任宇路 , 石智珩 , 谢振刚 , 杨子成 , 杨帅
摘要： 本发明公开了一种基于迁移学习的电能表故障分类方法及装置。其中，方法包括：收集电能表的历史故障数据样本集；分别遍历历史故障数据样本集中的每一故障类别样本，将该故障类别下所有样本作为少数类样本集，其余各故障类别的样本作为多数类样本集，生成多个二类数据集；根据预先训练的迁移数据选择器以及迁移任务监督器，分别对多个二类数据集进行对抗迭代，生成多个迁移数据集；分别将多个迁移数据集输入至少数类样本生成模型中，生成多个平衡样本集分别训练分类器，生成多个故障类别分类器；将实时采集的待测故障数据分别输入至多个故障类别分类器，输出多个故障类别概率，并选取多个故障类别概率中最大值作为待测故障数据的故障类别。
-
公开(公告)号：CN117314680A
公开(公告)日：2023-12-29
申请号：CN202311259312.X
申请日：2023-09-27
申请人： 北京邮电大学
摘要： 本发明实施例提出了基于双路自编码器的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据分解为趋势项、剩余项和离散量；构建趋势项自编码器重构趋势项和离散量，计算趋势项和离散量的重构误差；构建剩余项自编码器重构剩余项，计算剩余项的重构误差；结合趋势项、剩余项和离散量的重构误差计算模型的损失，将损失作为优化目标对模型进行训练；将待检测的电力调度监控数据同样进行分解，通过模型计算趋势项、剩余项和离散量的重构误差；结合趋势项、剩余项和离散量的重构误差计算输入数据的异常分数，据此判定输入的电力调度监控数据是否为异常。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
公开(公告)号：CN116543198A
公开(公告)日：2023-08-04
申请号：CN202310363977.9
申请日：2023-04-06
申请人： 北京邮电大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/04 , G06N3/08
摘要： 本发明实施例提出了一种基于多粒度近邻图的智能电表故障分类方法，包括：将智能电表不同类别下的故障历史数据作为输入数据集，划分得到多个二类数据集；针对每个二类数据集，将每个样本作为目标样本，以目标样本和不同数量近邻样本构成多粒度近邻图，作为后续分类任务中的训练样本；基于构造的近邻图数据集，设计自编码器实现对近邻图节点特征的提取，根据近邻图的节点编码特征和近邻图原始节点邻接关系训练图注意力神经网络用于近邻图分类任务；对于给定测试样本，组合其测试样本与其对应的不同数量近邻样本构成的近邻样本组，经近邻图分类结果集成后得到分类器在每个二类数据集下的判别结果，通过软投票得到其故障类别。
-
公开(公告)号：CN114781495A
公开(公告)日：2022-07-22
申请号：CN202210348671.1
申请日：2022-04-01
申请人： 北京邮电大学
摘要： 本发明实施例提出了一种基于样本全局再平衡的智能电表故障分类方法，包括：将智能电表不同类别下的故障历史数据作为输入数据集，划分得到多个二类数据集；针对每个二类数据集，构建VAE与GAN的融合模型，分别将每个样本作为模型的输入，将其隐编码划分为重要特征编码和次要特征编码；通过隐编码重构技术得到其变异隐编码，经解码器还原、互信息约束与判别器对抗，生成多个考虑输入样本重要特征的可靠相似变异样本；设计作用于两类样本隐编码之间的特征斥力技术进行有监督的特征表示学习；通过混合编码技术叠加样本各维度重构误差作为重要特征编码的补充，据此判定待测样本在每个二类数据集下的分类结果，通过硬投票得到其故障类别。
-
公开(公告)号：CN116432964A
公开(公告)日：2023-07-14
申请号：CN202310403864.7
申请日：2023-04-14
申请人： 北京邮电大学
IPC分类号： G06Q10/0631 , G06F17/16 , G06Q50/06
摘要： 本发明实施例提出了一种基于收敛交叉映射的电力调度自动化系统故障溯源方法，包括：收集电力调度自动化系统故障前后的运行数据，计算组件故障前后的排列熵，根据排列熵变化量度量组件自身异常程度；计算故障前后组件间收敛交叉映射系数，构建正常状态下电力调度自动化系统的因果图，并根据因果链接变化情况求得组件全局因果关系变化程度；对正常状态下的因果图进行社区划分，在耦合紧密的社区范围内计算组件局部因果关系变化程度，然后结合组件自身异常程度、全局和局部因果关系变化程度拟合故障程度度量指标，根据故障程度排序结果定位故障根因组件。本发明实施例提供的技术方案，能够提高电力调度自动化系统故障溯源的准确性。
-
公开(公告)号：CN117056839A
公开(公告)日：2023-11-14
申请号：CN202310806501.8
申请日：2023-07-03
申请人： 北京邮电大学
IPC分类号： G06F18/2433 , G06N3/048 , G06N3/088 , G06Q50/06
摘要： 本发明实施例提出了基于时空异常Transformer的电力调度监控数据异常检测方法，包括：构建时空异常Transformer模型，将电力调度监控历史数据作为模型的输入，计算重构误差、时间维关联性偏差和空间维关联性偏差；结合重构误差、时间维关联性偏差和空间维关联性偏差计算模型的损失，将损失作为优化目标对模型进行训练；将待检测的电力调度监控数据作为模型的输入，计算重构误差、时间维关联性偏差和空间维关联性偏差；结合重构误差、时间维关联性偏差和空间维关联性偏差计算输入数据的异常分数，据此判定输入的电力调度监控数据是否为异常。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
公开(公告)号：CN115099306A
公开(公告)日：2022-09-23
申请号：CN202210569747.3
申请日：2022-05-24
申请人： 北京邮电大学
IPC分类号： G06K9/62
摘要： 本发明实施例提出了一种基于多标签置信度比较的智能电表故障分类方法，包括：对智能电表不同故障类别下的历史数据进行划分，得到多个二类数据集，作为输入数据；遍历各二类数据集中的每个样本，将其作为目标样本并在该样本的近邻样本池中进行多次随机采样，构成多个差异化的目标‑近邻样本对；基于由大量目标‑近邻样本对组成的扩充后的新数据集，构建多标签信任判别网络在目标‑近邻样本对内开展目标样本与对照样本组之间的多标签置信度比较；在测试阶段，对于任一待测样本，任意组合其多个不同的对照样本组得到该测试样本的多个目标‑近邻样本对，集成各组预测结果进行反向推理得到在每个二类数据集下的判别结果，通过软投票得到故障类别。
-
公开(公告)号：CN114722940A
公开(公告)日：2022-07-08
申请号：CN202210363323.1
申请日：2022-04-07
申请人： 北京邮电大学
IPC分类号： G06K9/62
摘要： 本发明实施例提出了一种基于近邻样本对构造的智能电表故障分类方法，包括：将智能电表不同类别下的故障历史数据作为输入数据集，划分得到多个二类数据集；针对每个二类数据集，将每个样本作为目标样本，从其近邻样本池中进行多次随机采样，获得等量的多个同类和异类对照样本组，分别与目标样本组合后得到多个近邻样本对，作为后续分类任务中的正样本或负样本；基于平衡的近邻样本对数据集，构建基于对比学习的模式判别网络用于目标样本与对照样本组的标签匹配任务；对于给定测试样本，任意组合与其对应的不同类别的对照样本组得到大量近邻样本对，经结果集成和逆向推理得到分类器在每个二类数据集下的判别结果，通过软投票得到其故障类别。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.082 秒)
