-
公开(公告)号：CN110674999A
公开(公告)日：2020-01-10
申请号：CN201910948947.8
申请日：2019-10-08
申请人： 国网河南省电力公司电力科学研究院 , 国网河南省电力公司卫辉市供电公司
摘要： 本申请公开了一种基于改进聚类和长短期记忆深度学习的小区负荷预测方法，根据不同类别住宅区影响因子，通过改进的聚类算法进行住宅类别划分，运用LSTM算法分别为每类住宅区建立对应的预测模型，并对LSTM进行Dropout处理，避免局部最优，从而得到预测负荷值，减小住宅小区自身报装容量与实际负荷的用电差异，实现对台区变压器的合理规划。根据新建小区的各属性值进行改进聚类分析后获得该小区类别，并利用对应类别的预测模型进行负荷预测，从而对业扩报装容量进行预估，指导台区建设。
-
公开(公告)号：CN114266720B
公开(公告)日：2024-04-23
申请号：CN202111313824.0
申请日：2021-11-08
申请人： 国网河南省电力公司电力科学研究院 , 国网河南省电力公司
发明人： 田杨阳 , 郭志民 , 刘昊 , 袁少光 , 毛万登 , 高小伟 , 赵健 , 刘善峰 , 贺翔 , 张小斐 , 赵慧彤 , 魏小钊 , 万迪名 , 耿俊成 , 梁允 , 黎维彬 , 高松鹤
IPC分类号： G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/044 , G06N3/048 , G06N3/084
摘要： 基于混合神经网络的电力导线故障检测方法及系统，首先根据损坏的电力导线所处地域建立损坏严重性指标，然后采集各个地域损坏的电力导线图像以及未损坏的电力导线图像并对采集的图像进行增广，并对所采集的图像已经增广的图像进行标签设置，构建混合神经网络模型并进行训练，最后实时采集电力导线图像输入至训练好的混合神经网络模型中进行判定。本发明基于混合神经网络的电力导线故障检测模型能够提取各类损坏和未损坏的电力线图像的图像特征并进行分类。本发明的混合神经网络优于现有技术，可使得分类识别率高达95.57％。
-
公开(公告)号：CN114266720A
公开(公告)日：2022-04-01
申请号：CN202111313824.0
申请日：2021-11-08
申请人： 国网河南省电力公司电力科学研究院 , 国网河南省电力公司
发明人： 田杨阳 , 郭志民 , 刘昊 , 袁少光 , 毛万登 , 高小伟 , 赵健 , 刘善峰 , 贺翔 , 张小斐 , 赵慧彤 , 魏小钊 , 万迪名 , 耿俊成 , 梁允 , 黎维彬 , 高松鹤
IPC分类号： G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62
摘要： 基于混合神经网络的电力导线故障检测方法及系统，首先根据损坏的电力导线所处地域建立损坏严重性指标，然后采集各个地域损坏的电力导线图像以及未损坏的电力导线图像并对采集的图像进行增广，并对所采集的图像已经增广的图像进行标签设置，构建混合神经网络模型并进行训练，最后实时采集电力导线图像输入至训练好的混合神经网络模型中进行判定。本发明基于混合神经网络的电力导线故障检测模型能够提取各类损坏和未损坏的电力线图像的图像特征并进行分类。本发明的混合神经网络优于现有技术，可使得分类识别率高达95.57％。
-
-
搜索结果
3 条记录 (耗时 0.077 秒)
