-
公开(公告)号:CN111464656A
公开(公告)日:2020-07-28
申请号:CN202010288442.6
申请日:2020-04-14
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司 , 佳源科技有限公司
摘要: 本发明涉及一种新型配电站房边缘物联代理系统,包括边缘物联代理装置和若干类感知设备,上行与物联网管理平台对接;所述若干类感知设备通过对应接口与边缘物联代理装置连接;所述边缘物联代理装置采集感知设备数据,并与物联网管理平台数据互联。本发明优化边缘物联代理布局,最大化的减少节点,降低系统复杂度,增强边缘物联代理视频、图像处理性能,满足多业务需求。
-
公开(公告)号:CN114200350B
公开(公告)日:2024-07-26
申请号:CN202111436133.X
申请日:2021-11-29
申请人: 国网福建省电力有限公司电力科学研究院 , 华北电力大学 , 中国电力科学研究院有限公司 , 国网福建省电力有限公司检修分公司 , 福建水口发电集团有限公司 , 国网福建省电力有限公司
发明人: 雷龙武 , 黄建业 , 杜厚贤 , 焦飞 , 刘冰倩 , 林爽 , 吴涵 , 杨彦 , 廖飞龙 , 郑州 , 秦炜淇 , 马国明 , 张猛 , 齐鹏 , 谈元鹏 , 张中浩 , 王昕 , 林忠立
摘要: 本发明提出一种基于振动信息的三相电力变压器故障诊断与定位方法及装置,其使用分布式光纤振动传感器对振动进行采集,可同时测量上百个测点的振动信号,以便建立变压器三维故障定位体系。使用冷却系统振动信号进行变压器箱体的振动的去噪,使用测量时实际施加的电压电流值对振动信号进行修正,可实现绕组变形、绕组松动与铁芯松动故障的识别与定位,解决了传统少测点、无修正的检测方法检测准确率低、故障定位精度低、适用范围小的问题。能够实时监测变压器工作状态,可实现绕组变形、绕组松动与铁芯松动故障的识别与定位,具有传统诊断方法不具备的故障类型判别准确、故障定位精度高、适用范围广、在线监测等诸多优点。
-
公开(公告)号:CN114530166A
公开(公告)日:2022-05-24
申请号:CN202210112444.9
申请日:2022-01-29
摘要: 本发明涉及一种基于背景声纹理的变压器有载分接开关故障诊断方法,包括以下步骤:对原始音频数据进行预处理;使用深度神经网络得到设备声的时频掩膜,并利用时频掩膜分离出纯净设备声音;对分离出来的声音活动使用初分析模型进行故障状态预判断;对判断为故障状态的音频数据区进行音频事件的开始‑结束端点检测,截取出音频事件片段;对检测出的音频事件片段使用再分析模型进行精确识别,得到故障的类型。该方法有利于提高故障诊断的准确性。
-
公开(公告)号:CN114200350A
公开(公告)日:2022-03-18
申请号:CN202111436133.X
申请日:2021-11-29
申请人: 国网福建省电力有限公司电力科学研究院 , 华北电力大学 , 中国电力科学研究院有限公司 , 国网福建省电力有限公司检修分公司 , 福建水口发电集团有限公司 , 国网福建省电力有限公司
发明人: 雷龙武 , 黄建业 , 杜厚贤 , 焦飞 , 刘冰倩 , 林爽 , 吴涵 , 杨彦 , 廖飞龙 , 郑州 , 秦炜淇 , 马国明 , 张猛 , 齐鹏 , 谈元鹏 , 张中浩 , 王昕 , 林忠立
摘要: 本发明提出一种基于振动信息的三相电力变压器故障诊断与定位方法及装置,其使用分布式光纤振动传感器对振动进行采集,可同时测量上百个测点的振动信号,以便建立变压器三维故障定位体系。使用冷却系统振动信号进行变压器箱体的振动的去噪,使用测量时实际施加的电压电流值对振动信号进行修正,可实现绕组变形、绕组松动与铁芯松动故障的识别与定位,解决了传统少测点、无修正的检测方法检测准确率低、故障定位精度低、适用范围小的问题。能够实时监测变压器工作状态,可实现绕组变形、绕组松动与铁芯松动故障的识别与定位,具有传统诊断方法不具备的故障类型判别准确、故障定位精度高、适用范围广、在线监测等诸多优点。
-
公开(公告)号:CN118857264A
公开(公告)日:2024-10-29
申请号:CN202410795344.X
申请日:2024-06-19
申请人: 国家电网有限公司 , 国网福建省电力有限公司 , 国网福建省电力有限公司电力科学研究院
摘要: 本发明涉及一种基于多传感器融合的机器人定位方法及系统,包括:在机器人底部配置第一检测单元,机器人头部配置第二检测单元;所述第一检测单元包括激光雷达和惯性测量单元;所述第二检测单元包括UWB定位标签;基于激光雷达和惯性测量单元获取的传感器数据进行数据融合,得到第一位姿信息;基于UWB定位标签和惯性测量单元获取的传感器数据进行数据融合,得到第二位姿信息;对第一位姿信息和第二位姿信息进行数据融合,得到机器人位姿信息。
-
公开(公告)号:CN118609563A
公开(公告)日:2024-09-06
申请号:CN202410795339.9
申请日:2024-06-19
申请人: 国家电网有限公司 , 国网福建省电力有限公司 , 国网福建省电力有限公司电力科学研究院
IPC分类号: G10L15/22 , G10L15/08 , G10L19/02 , G10L19/26 , G10L21/0232 , G10L25/18 , G10L25/24 , G10L25/87 , G10L25/90 , G10L17/04 , H04L9/32 , H04L9/40
摘要: 本发明公开了一种基于动态密码声纹鉴权的机器人临时控制方法及系统,控制方法包括以下步骤:提取用户的第一声纹特征,构建声纹模型并保存;生成具有时效性的动态口令并通知用户;实时监听环境声音,检测到关键词时连续录音,生成音频文件;提取音频文件的第二声纹特征,将所述第二声纹特征与声纹模型进行比对;提取所述音频文件中的口令特征,与保存的口令比对;使用自然语言处理技术解析比对成功的音频文件,生成动作指令发送至执行终端;执行终端根据收到的动作指令执行相应的动作。本发明能够快速准确地从短时录音中提取声纹特征进行身份鉴别和时效授权,有效提高识别准确率,增强鲁棒性以及增加声纹特征的区分能力。
-
公开(公告)号:CN117874612A
公开(公告)日:2024-04-12
申请号:CN202410011534.8
申请日:2024-01-03
申请人: 国网福建省电力有限公司 , 国网福建省电力有限公司电力科学研究院
IPC分类号: G06F18/241 , G06N3/088
摘要: 本发明提出一种基于人工智能的电力系统设备模型异常检测方法,通过无监督学习和神经网络模型相结合的方式,对传统的电力专用模型进行增强,通过狭义神经网络构建故障分类模型,能够实现对电力设备的准确故障分类诊断。最后,基于人工智能的故障检测方法能够实现在线故障诊断,及时预警和处理电力系统设备的故障问题。本发明运用了前沿的人工智能算法和技术,具有识别准确性高、故障诊断能力强的优点。可以应用于电力系统异常检测和在线故障诊断等领域,提高电力系统的安全稳定性和可靠性。
-
公开(公告)号:CN117746105A
公开(公告)日:2024-03-22
申请号:CN202311647870.3
申请日:2023-12-01
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC分类号: G06V10/764 , G06V10/74 , G06V10/56 , G06V10/30 , G06V10/82
摘要: 本发明公开了一种电力设备标识的识别方法,涉及图像识别技术领域,步骤如下:图像采集:使用摄像设备对待识别的电力设备进行图像采集。图像预处理:对采集到的图像进行预处理,包括图像去噪、图像增强等操作,以提高后续识别的准确性。特征提取:从预处理后的图像中提取特征。特征匹配:通过匹配特征与已知的电力设备标识数据库进行比对,找到与之相匹配的标识。标识输出:将识别到的电力设备标识输出到相关的系统或设备中。本发明公开了,采用图像采集、预处理、特征提取、特征匹配和标识输出的电力设备标识识别方法能够实现自动化、准确性高、一致性好的标识识别,为电力设备管理和运维提供了有益的效果和增强。
-
公开(公告)号:CN117726799A
公开(公告)日:2024-03-19
申请号:CN202311745525.3
申请日:2023-12-18
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司 , 武汉大学
IPC分类号: G06V10/25 , G06V10/774 , G06V10/82 , G06N3/096 , G06N3/0895 , G06N3/044 , G06N3/084
摘要: 本发明涉及一种基于小样本和迁移学习的自监督预训练方法,包括以下步骤:获取原始数据并进行预处理,原始数据包括大量无标注图像样本数据和部分有标注图像样本数据;构建目标检测基础网络模型;基于原始数据构建基础目标检测数据集,输入至目标检测基础网络模型中,进行预训练;收集包括导线断股和线路覆冰异常情况的输电线路巡检图像放入小样本巡检专业数据集中;利用小样本巡检专业数据集,在基础目标检测模型之上进行迁移学习,得到用于识别导线断股和线路覆冰的输电线路巡检目标识别模型;通过容器化部署的方式将输电线路巡检目标识别模型封装为镜像,将该镜像部署于输电线路巡检设备中,进行输电线路巡检。
-
公开(公告)号:CN117172320A
公开(公告)日:2023-12-05
申请号:CN202311232199.6
申请日:2023-09-22
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC分类号: G06N5/022 , G06F18/214 , G06F18/24
摘要: 本发明涉及一种基于ChatGPT微调预训练模型优化电力主设备缺陷诊断的方法。构建一个包含80%正确语句和20%由ChatGPT API生成的语法错误语句的语料库。将领域特定的长文本转换为CoLA数据集格式。采用Adapter BERT作为基础架构进行微调,基础模型使用bert‑Chinese‑base,并在满足准确性阈值后冻结所有层参数,将模型作为特征提取器。通过汇总最后一个隐藏层的输出,得到最终的向量表示。选取表现优秀的KGC模型,仅修改其输入层。引入一个全连接层在预训练语言模型的输出层和KGC模型之间。全连接层在KGC任务迭代过程中训练并更新其参数。最后,在KGC模型中,通过计算候选实体的概率并对其排序,选取前k个实体作为最终答案。实验结果表明,该方法在诊断电力主设备缺陷方面有效地提高了KGC的性能。
-
-
-
-
-
-
-
-
-