用于去除线缆上异物的割刀滑车

    公开(公告)号:CN103683101A

    公开(公告)日:2014-03-26

    申请号:CN201310660772.3

    申请日:2013-12-10

    Abstract: 本发明公开了用于去除线缆上异物的割刀滑车,包括相互固定的上车架和下车架,所述上车架的顶部设有割刀,上车架的顶部固定有顶板,顶板的侧边固定有插杆,所述顶板上通过螺栓连接有滚轴,所述滚轴上固定有导线轮,导线轮位于割刀的正下方,所述螺栓上套接有弹簧。本发明采用上述结构,能够快速、准确地清理异物,达到彻底清除的目的。

    用于去除线缆上异物的割刀滑车

    公开(公告)号:CN103683101B

    公开(公告)日:2017-02-15

    申请号:CN201310660772.3

    申请日:2013-12-10

    Abstract: 本发明公开了用于去除线缆上异物的割刀滑车,包括相互固定的上车架和下车架,所述上车架的顶部设有割刀,上车架的顶部固定有顶板,顶板的侧边固定有插杆,所述顶板上通过螺栓连接有滚轴,所述滚轴上固定有导线轮,导线轮位于割刀的正下方,所述螺栓上套接有弹簧。本发明采用上述结构,能够快速、准确地清理异物,达到彻底清除的目的。

    基于大语言模型的电力业务交互会话处理方法及系统

    公开(公告)号:CN119150876A

    公开(公告)日:2024-12-17

    申请号:CN202411245672.9

    申请日:2024-09-06

    Abstract: 本申请提供一种基于大语言模型的电力业务交互会话处理方法及系统,首先获取目标电力业务交互会话记录的会话语义理解向量序列。然后对其进行语义强化处理,得到会话语义强化向量序列。最后将该强化向量序列加载到第一会话记录标注网络中,此第一会话记录标注网络是依据会话语义提取指令以及主题归纳指令,通过网络参数学习生成的,其加载数据为第一样例学习会话记录序列,该序列包含经过强化处理的第一样例会话语义理解向量序列及其主题归纳分布。通过这种方式,能够生成目标电力业务交互会话记录的会话记录标注数据,从而实现对电力业务交互会话的精准分析和处理,提升电力服务的质量和效率,更好地满足用户在电力业务方面的需求。

    一种基于智能标签的电力数据分析方法

    公开(公告)号:CN118780503A

    公开(公告)日:2024-10-15

    申请号:CN202411259419.9

    申请日:2024-09-10

    Abstract: 本发明公开了一种基于智能标签的电力数据分析方法,属于电力数据分析技术领域,包括以下步骤:S1、获取电力运行报告,并根据电力运行报告生成智能电力标签库;S2、基于智能电力标签库,确定电力运行报告的重点分析片段;S3、根据电力运行报告的重点分析片段,确定电力运行报告的分析结果。本发明利用智能电力标签库对电力运行报告的每个段落进行匹配,有效筛选重点分析片段,将重点分析片段的关键词作为最终的分析结果,可以让用户在获得该电力运行报告时快速且及时地先抓取重点内容阅读,提高阅读效率和工作效率。

    基于AI大模型的电力营销数据分析方法及系统

    公开(公告)号:CN118644277B

    公开(公告)日:2024-10-11

    申请号:CN202411102906.4

    申请日:2024-08-13

    Abstract: 本申请提供一种基于AI大模型的电力营销数据分析方法及系统,通过获取并转化电力营销反馈数据为图嵌入表示数据,接着利用这些图嵌入表示数据初步预测反馈需求,得出与营销反馈相关的知识点及其概率。然后,通过图嵌入表示数据中的反馈节点和概率值来确定影响因子。进一步地,提取符合业务逻辑规则的图嵌入表示单元,并结合影响因子集成数据,生成与反馈需求知识点相关的参考数据,并以此创建一个可视化空间来反映电力营销反馈数据的特征点权重分布。最后,通过集成电力营销反馈数据和可视化空间,进行更高级的反馈需求知识点预测,以更准确地识别与电力营销反馈数据相关的目标反馈需求知识点。

    基于大语言模型的业务流程处理方法及系统

    公开(公告)号:CN119003704A

    公开(公告)日:2024-11-22

    申请号:CN202411440853.7

    申请日:2024-10-16

    Abstract: 本申请提供一种基于大语言模型的业务流程处理方法及系统,涉及人工智能技术领域,通过构建电网业务描述内容的多元关系网络,该方法能够精准捕捉电网业务会话事件及其依赖关系,为复杂电网业务的分析提供了全面的数据基础。进一步,通过嵌入表示和矢量融合技术,将业务事件、联动事件及会话知识标签转化为高维空间的矢量表示,有效整合了多维度信息,增强了模型对电网业务场景的理解能力。利用样例网络成员矢量对初始化大语言模型进行联动参数适配优化及参数学习,最终生成的目标大语言模型不仅准确度高,且能更好地适应电网业务的动态变化,实现了业务流程处理的精准化、高效化和智能化。

    基于大数据分析的空调负荷预测方法及系统

    公开(公告)号:CN117909928A

    公开(公告)日:2024-04-19

    申请号:CN202410310985.1

    申请日:2024-03-19

    Abstract: 本申请提供一种基于大数据分析的空调负荷预测方法及系统,通过构建包含能耗矢量提取网络、气象影响因子提取网络和特征融合校准网络的空调负荷预测模型,实现了对空调能耗的高效准确预测,首先基于过往能耗数据和扩展气象数据生成扩展样例学习数据序列和多元样例学习数据序列,然后利用这些数据进行模型训练。在训练过程中,特征融合校准网络对扩展模板和样例学习数据的能耗点状态描述进行特征融合校准,生成优化的扩展模板和样例学习数据的优化能耗点状态描述,从而提高了模型的预测精度。最终,通过训练得到的目标空调负荷预测模型可用于预测候选空调能耗大数据的负荷预测热力图,为空调系统的优化运行和能源管理提供了有力支持。

Patent Agency Ranking