-
公开(公告)号：CN116683431A
公开(公告)日：2023-09-01
申请号：CN202310617968.8
申请日：2023-05-29
申请人： 国电南瑞科技股份有限公司 , 南京南瑞信息通信科技有限公司
IPC分类号： H02J3/00 , G06Q10/0639 , G06Q10/20 , G06Q50/06 , G06F30/18 , G06F30/20 , G06F111/10 , G06F111/04 , G06F119/02 , G06F113/04
摘要： 本发明公开了一种配电系统恢复力快速评估指标与评估方法及系统，对配电系统元件进行建模，并对其拓扑划分元胞进行简化；通过解析计算的方式，综合考虑配电系统在自然灾害下各阶段的响应，分别通过系统失负荷期望值、灾害中节点元胞的停电失负荷期望以及灾害后节点元胞的维修失负荷期望来表示电力系统各个层次下在灾害前，灾害中以及灾害后各阶段的恢复力评估指标，通过故障概率事件的解析表达来计算这些评估指标，并得到配电系统的系统功能图，直观反映系统的恢复力水平；本发明用于指导电力系统在灾害尚未到来时的线路规划、元件的加固、联络线路配置以及冗余资源的配置等，并为灾害中的紧急响应调度以及灾害后的抢修恢复决策提供量化依据。
-
公开(公告)号：CN115688032A
公开(公告)日：2023-02-03
申请号：CN202211330285.6
申请日：2022-10-27
申请人： 南京南瑞信息通信科技有限公司 , 国电南瑞科技股份有限公司
IPC分类号： G06F18/2431 , G06F18/27 , G06Q10/20 , G06Q50/06
摘要： 本发明公开了一种基于多源数据融合的台风灾害下电网风险预警方法及系统，对台风灾害下电网风险预警数据集中的数据进行时间维度和空间维度的网格划分，将不同类型的数据根据网格划分进行匹配，得到每个网格的电网、地理和气象数据；分析每个网格电网元件脆弱性，建立每个网格内元件的脆弱性曲线，并根据脆弱性曲线计算科普兰德得分，将科普兰德得分结合网格化数据建立网格化风险预警数据集；对基于回归决策树的电网风险预警模型进行训练；向训练好的电网风险预警模型中输入台风预报数据，得到电网故障预测数量，实现电网风险预警。本发明能够准确预测台风灾害下电网设备故障数量，有效提升电网对台风灾害的应对能力，减少经济损失。
-
公开(公告)号：CN113705322B
公开(公告)日：2024-05-24
申请号：CN202110655846.9
申请日：2021-06-11
申请人： 北京易达图灵科技有限公司 , 南京南瑞信息通信科技有限公司 , 中国科学院自动化研究所
IPC分类号： G06V30/32 , G06V10/82 , G06N3/0442 , G06N3/042 , G06N3/08
摘要： 本发明提供一种基于门限图神经网络的手写汉字识别方法和装置，其中方法包括：确定待识别汉字的汉字节点矩阵以及空间信息关系矩阵；所述汉字节点矩阵中的各汉字节点为所述待识别汉字的书写视频中每一时刻书写位置的坐标；将所述汉字节点矩阵和所述空间信息关系矩阵输入至汉字识别模型中，得到所述汉字识别模型输出的识别结果；其中，所述汉字识别模型用于基于门限图神经网络，提取所述汉字节点矩阵对应的包含图结构信息的汉字特征向量，提取所述汉字特征向量中的时序信息，得到时序特征向量，并基于所述时序特征向量经由瓶颈网络进行手写汉字识别。本发明综合了汉字的空间结构信息和时序信息，提高了手写汉字识别的准确性。
-
公开(公告)号：CN112132135A
公开(公告)日：2020-12-25
申请号：CN202010877635.5
申请日：2020-08-27
申请人： 南京南瑞信息通信科技有限公司
摘要： 本发明公开一种基于图像处理的电网传输线检测方法、存储介质，方法包括：读入待检测图片；将图片灰度化；对灰度化图像进行平滑去噪、图像算术运算、灰度线性变换等一系列图像处理方法；对处理后的图像进行边缘检测；确定图像中的感兴趣区域ROI；对ROI内的像素点进行分类得到各传输线的边缘像素点集合；根据边缘像素点集合拟合传输线，并输出检测结果，检测结果可同时包括传输线的方程以及数量。利用本发明能够根据采集的图像进行传输线检测，能够排除天空以及云层等背景的干扰，具有一定的鲁棒性和实用性。
-
公开(公告)号：CN117934293A
公开(公告)日：2024-04-26
申请号：CN202211291805.7
申请日：2022-10-19
申请人： 南京南瑞信息通信科技有限公司
IPC分类号： G06T5/00 , G06T5/60 , G06T7/00 , G06V10/774 , G06V10/82
摘要： 一种针对风力涡轮机小目标缺陷检测的图像增强方法，对风力涡轮机小目标缺陷检测模型的训练图像进行增强，增强后的图片再与原图片混合到一起输入目标检测模型进行训练，得到针对风力涡轮机小目标的缺陷检测模型，所述增强方法为：筛选风力涡轮机缺陷训练数据集中包含小目标缺陷的图片，将图片中的小目标缺陷区域框进行图像复制，再粘贴到图片中小目标区域周围，得到增强的包含小目标缺陷的图片，用于训练缺陷检测模型。本发明针对小目标缺陷设计了特定的图像增强策略，从而提高风力涡轮机小目标缺陷检测的性能，并最终达成对风力涡轮机整体缺陷检测性能的提高，具有良好的广泛性与实用性。
-
公开(公告)号：CN116227483A
公开(公告)日：2023-06-06
申请号：CN202310094424.8
申请日：2023-02-10
申请人： 南京南瑞信息通信科技有限公司 , 国网电力科学研究院有限公司 , 国网湖南省电力有限公司 , 国网湖南省电力有限公司经济技术研究院
发明人： 郝小龙 , 张文 , 孙小虎 , 冯敏 , 肖辉 , 徐志强 , 周鲲 , 陈仲伟 , 曹岑 , 刘大晖 , 李金明 , 余昇 , 刘金锁 , 彭启伟 , 罗旺 , 席丁鼎 , 吴强 , 韩斌 , 李英杰 , 吴钰芃
IPC分类号： G06F40/284 , G06F40/166 , G06N20/00
摘要： 本发明公开了一种基于词边界的中文实体抽取方法、装置及存储介质，其方法包括：获取当前文本，并对当前文本进行预处理；将预处理后的当前文本输入训练好的词边界识别模型，获取词边界识别结果；根据词边界识别结果进行中文实体抽取；词边界识别模型的训练包括：获取预设数量的历史文本，并对各历史文本进行预处理；对预处理后的历史文本中词边界标注类别标签；根据预处理后的历史文本和类别标签构建样本集，并将样本集按预设比例划分为训练集和验证集；构建基于BERT+CRF的词边界识别模型；通过训练集训练词边界识别模型，在每轮训练后通过验证集验证其精度，保留精度最高的词边界识别模型作为训练结果；本发明具备抽取准确率高。
-
公开(公告)号：CN118537594A
公开(公告)日：2024-08-23
申请号：CN202410711850.6
申请日：2024-06-04
申请人： 南京南瑞信息通信科技有限公司 , 国网电力科学研究院有限公司 , 国网河北省电力有限公司 , 国网河北省电力有限公司电力科学研究院
IPC分类号： G06V10/72 , G06V10/10 , G06T7/00 , G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/0455
摘要： 本发明公开了一种电力异常场景小样本扩充方法及系统，该方法首先拍摄电力设备正常图像构建正常样本集，拍摄电力设备异常图像构建异常样本集；然后将电力设备正常图像进行目标识别和提取，得到仅包含电力设备的第一图像，将所述第一图像输入循环对抗生成网络得到第二图像，将第二图像替换第一图像拼接到电力设备正常图像中，生成第二电力设备异常图像；最后将第二电力设备异常图像加入异常样本集中以扩充异常样本数据集；本发明能够避免电力设备以外的环境干扰，生成符合类似布控球、无人机、监控摄像头拍摄得到的电力场景异常图像，扩充电力异常场景的小样本数据集。
-
公开(公告)号：CN117671587A
公开(公告)日：2024-03-08
申请号：CN202311641419.0
申请日：2023-12-01
申请人： 南京南瑞信息通信科技有限公司
IPC分类号： G06V20/52 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09 , G06N3/096 , H02J13/00
摘要： 本发明公开了一种基于自监督学习的电力设备缺陷检测方法、系统，包括以下步骤：首先，对采集的电力设备图像进行图像增强，构建自监督样本集，并从中挑选出高质量设备异常图像进行标注，构建有监督样本集；其次，设计包含分层嵌入模块、局部感知模块和动态注意力聚焦模块的新型ViT网络，并通过对比学习在自监督样本集上训练新型ViT网络，得到预训练模型；然后，抽取出预训练模型中编码器部分，添加FPN网络和检测头网络，构建设备缺陷检测网络，并冻结编码器的权重，利用有监督样本集对网络进行微调；最后，对体积大于设定值的设备缺陷检测模型，使用知识蒸馏进行压缩和加速。本发明能够在少量标注样本情况下提升电力设备缺陷检测精度。
-
公开(公告)号：CN113987250A
公开(公告)日：2022-01-28
申请号：CN202111130666.5
申请日：2021-09-26
申请人： 南京南瑞信息通信科技有限公司 , 南瑞集团有限公司
IPC分类号： G06F16/583 , G06V10/74 , G06V10/82
摘要： 本发明公开一种适用于大规模图像的相似图像检索方法和装置，属于图像检索技术领域。方法包括：获取输入图像数据以及图像特征库数据，其中，图像特征库中的图像特征数据为利用预先训练的特征提取神经网络对预设图像库中的目标图像进行图像特征提取得到；利用所述特征提取神经网络对输入图像数据中的各输入图像提取图像特征；计算输入图像的图像特征与图像特征库中图像特征的欧式距离；根据计算得到的欧式距离，以及预先设定的相似度阈值，确定图像库中与输入图像相似的目标图像。本发明利用深度残差神经网络实现图像特征的提取，并基于所提取的特征进行图像相似度计算，能够提升图像检索效率。
-
公开(公告)号：CN113705322A
公开(公告)日：2021-11-26
申请号：CN202110655846.9
申请日：2021-06-11
申请人： 北京易达图灵科技有限公司 , 南京南瑞信息通信科技有限公司 , 中国科学院自动化研究所
摘要： 本发明提供一种基于门限图神经网络的手写汉字识别方法和装置，其中方法包括：确定待识别汉字的汉字节点矩阵以及空间信息关系矩阵；所述汉字节点矩阵中的各汉字节点为所述待识别汉字的书写视频中每一时刻书写位置的坐标；将所述汉字节点矩阵和所述空间信息关系矩阵输入至汉字识别模型中，得到所述汉字识别模型输出的识别结果；其中，所述汉字识别模型用于基于门限图神经网络，提取所述汉字节点矩阵对应的包含图结构信息的汉字特征向量，提取所述汉字特征向量中的时序信息，得到时序特征向量，并基于所述时序特征向量经由瓶颈网络进行手写汉字识别。本发明综合了汉字的空间结构信息和时序信息，提高了手写汉字识别的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.113 秒)
