-
公开(公告)号：CN114240987B
公开(公告)日：2024-12-03
申请号：CN202111432561.5
申请日：2021-11-29
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本申请涉及一种变电站路径临时围栏屏障模型建立方法和装置。所述方法包括：构建变电站实体模型；对所述变电站实体模型的全景图像进行图像分割处理，得到所述变电站中电力设备的通道间隔图像；对所述电力设备的通道间隔图像进行边缘检测处理，得到所述变电站的各个电力设备的边界位置；在所述变电站的各个电力设备的边界位置处设置预定模型，得到所述变电站的路径临时围栏屏障的模型；所述预定模型用于在进行试验或施工时，处于可见状态。本方法实现了变电站的路径划分，建立临时围栏，能够直观的显示各个设备的分布情况。
-
公开(公告)号：CN118380926A
公开(公告)日：2024-07-23
申请号：CN202410350887.0
申请日：2024-03-26
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明公开一种排水通风型电缆支架以及电缆围护结构，涉及电力设施技术领域。该排水通风型电缆支架包括固定柱以及多个支撑架；固定柱包括沿高度方向延伸的主通道；支撑架安装于固定柱；支撑架的顶部设置一个或多个线槽，线槽的底部设置第一连通口；支撑架的内部设置排水通道，排水通道的一端通过第一连通口与线槽连通，排水通道的另一端与主通道连通，排水通道由接近线槽的一端至接近排水通道的一端向下倾斜。该电缆围护结构包括该电缆支架。本发明在在电缆支架的支撑架上设置线槽，电缆设在线槽内，水分可以从线槽进入支撑架内部的排水通道，接着进入固定柱的主通道，最后排出电缆支架，实现排水除湿，并且主通道以及排水通道还可用于通风。
-
公开(公告)号：CN114781686A
公开(公告)日：2022-07-22
申请号：CN202210268779.X
申请日：2022-03-18
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明涉及一种基于CSO优化DBN模型的电力业扩项目时长预测方法，包括：根据项目费用的分布，确定待预测项目的目标DBN预测模型；将待预测项目数据输入至训练好的目标DBN预测模型中，得到待预测的项目时长；训练DBN预测模型包括：根据历史项目费用将电力业扩历史项目分类得到四个项目的费用区间；动态选择每个费用区间的历史数据，建立对应类别的DBN预测模型；根据DCCSO对DBN预测模型的初始权值优化，得到目标初始权值；对DBN预测模型的目标初始权值进行微调，得到训练好的DBN预测模型。本申请在训练的早期利用DCCSO优化DBN预测模型的权值并通过联合初始权值的正则项作为目标适应度函数，通过优化后的DBN模型对业扩时长进行预测，能够快速得到精确的业扩时长。
-
公开(公告)号：CN114757393A
公开(公告)日：2022-07-15
申请号：CN202210269439.9
申请日：2022-03-18
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明涉及一种电力业扩项目时长的预测方法，包括：获取待预测的电力业扩项目时长的初始数据；将初始数据输入至训练好的混合预测模型，得到混合预测模型输出的时长预测值，其中，混合预测模型包括BP预测子模型、DBN预测子模型和ELM预测子模型；时长预测值包括BP预测子模型输出的第一时长预测值、DBN预测子模型输出的第二时长预测值和ELM预测子模型输出的第三时长预测值；根据第一时长预测值、第二时长预测值和第三时长预测值和预设的权重值，得到待预测的电力业扩项目时长。本申请通过信息熵和平均互信息确定预设的权重值，利用权重值得到训练好的混合预测模型，根据训练好的该混合预测模型，得到电力业扩项目时长。
-
公开(公告)号：CN114241370A
公开(公告)日：2022-03-25
申请号：CN202111484276.8
申请日：2021-12-07
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本申请涉及一种基于数字孪生变电站的入侵识别方法、装置、计算机设备、存储介质和计算机程序产品。通过获取目标区域的待识别图像，以及获取多个入侵物体对应的模板图像，再根据目标识别模型，将多个模板图像与待识别图像进行多次匹配，识别待识别图像中的目标入侵物体的行为以及待识别图像中的目标位置，根据待识别图像与安全图像的对比结果，确定待识别图像中状态改变的目标电力设备，从而根据目标位置与目标电力设备的距离和行为，确定目标入侵物体的危险等级。相较于传统的通过人工方式识别变电站内的入侵情况的方式，本方案通过模板图像和目标识别模型对入侵物体进行识别，实现了提高变电站入侵识别的效率的效果。
-
Patent Agency Ranking
公开(公告)号：CN114024435A
公开(公告)日：2022-02-08
申请号：CN202111220202.3
申请日：2021-10-20
Applicant: 广东电网有限责任公司广州供电局
IPC: H02M1/36 , H02M7/483 , H02M7/5375 , H02J3/38
Abstract: 本申请涉及一种三电平风电变流器启动方法及装置；其中，三电平风电变流器启动方法包括步骤：获取三电平风电变流器网侧的电参量数据；电参量数据为在不控充电动作结束的情况下，三电平风电变流器于平稳升压期间任一时刻的数据；电参量数据包括各电压相的交流电压值；根据各电压相的交流电压值的比较结果，触发三电平风电变流器中相应桥臂的功率半导体器件，并在触发结束的情况下，获取三电平风电变流器直流侧的直流电压值；根据直流电压值与额定直流电压值的比较结果，确定是否启动三电平风电变流器。本申请实现了三电平风电变流器的平稳启动。
-
公开(公告)号：CN114781686B
公开(公告)日：2024-11-01
申请号：CN202210268779.X
申请日：2022-03-18
Applicant: 广东电网有限责任公司广州供电局
IPC: G06Q10/04 , G06Q10/063 , G06Q50/06 , G06N3/006
Abstract: 本发明涉及一种基于CSO优化DBN模型的电力业扩项目时长预测方法，包括：根据项目费用的分布，确定待预测项目的目标DBN预测模型；将待预测项目数据输入至训练好的目标DBN预测模型中，得到待预测的项目时长；训练DBN预测模型包括：根据历史项目费用将电力业扩历史项目分类得到四个项目的费用区间；动态选择每个费用区间的历史数据，建立对应类别的DBN预测模型；根据DCCSO对DBN预测模型的初始权值优化，得到目标初始权值；对DBN预测模型的目标初始权值进行微调，得到训练好的DBN预测模型。本申请在训练的早期利用DCCSO优化DBN预测模型的权值并通过联合初始权值的正则项作为目标适应度函数，通过优化后的DBN模型对业扩时长进行预测，能够快速得到精确的业扩时长。
-
公开(公告)号：CN118857081A
公开(公告)日：2024-10-29
申请号：CN202410835672.8
申请日：2024-06-26
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本申请涉及一种锥形电杆埋深测量仪器，包括尺本体、固定量爪与移动量爪与数显器，固定量爪具有第一端面并与尺本体连接，移动量爪具有与第一端面相对且平行的第二端面并与尺本体滑动连接，移动量爪能沿尺本体的长度方向靠近或远离固定量爪，数显器设于移动量爪，数显器包括控制器及与控制器电连接的传感器与显示屏，传感器用于检测第一端面与第二端面在尺本体的长度方向上的距离尺寸，控制器存储有用于计算埋深值的电杆总长数据、梢径数据以及埋深计算公式，控制器能够在传感器检测到距离尺寸时，依据距离尺寸、电杆总长数据、梢径数据以及埋深计算公式计算埋深值，并控制显示屏显示距离尺寸与埋深值。该锥形电杆埋深测量仪器能准确地测量埋深值。
-
公开(公告)号：CN114781793A
公开(公告)日：2022-07-22
申请号：CN202210242939.3
申请日：2022-03-11
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明涉及一种电力业扩流程智能评价的方法，包括：获取新的流程数据并进行预处理；将处理后的流程数据输入至训练好的神经网络模型，得到评价结果；其中，神经网络模型的训练包括：获取历史数据；通过主成分分析法对历史数据降维并得到样本特征向量集；通过模糊综合评价法评价样本特征向量集，得到历史评价结果；将预处理的历史数据和历史评价结果输入至神经网络模型，得到训练好的神经网络模型。本申请过模糊综合评价法综合节点的计划用时偏差得到准确的评价结果。并将该清晰的结果输入至神经网络训练，使得神经网络挖掘历史数据与评价结果之间的关联性，从而通过训练好的神经网络快速、准确地对新制订的业扩项目流程进行评价。
-
公开(公告)号：CN114781482A
公开(公告)日：2022-07-22
申请号：CN202210268783.6
申请日：2022-03-18
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明涉及一种基于SOM‑M的业扩项目聚类方法，包括：获取原始业扩项目数据，原始业扩项目数据包括：项目节点、节点计划用时、节点预算费用；将预处理后的原始业扩项目数据输入至SOM‑M模型中，初始化竞争层的神经元参数；计算输入层的神经元与竞争层的神经元间的相似性和一阶动量，更新竞争层的神经元参数；根据更新后的竞争层的神经元参数，得到业扩项目的节点类别。本申请通过测量多个神经元相似性，使多个神经元的相似性相互竞争，不断调整神经元逼近对象的类别中心，使神经元自动聚类，在加入一阶动量后，提升了SOM的收敛能力，更易于找到聚类中心，具有较强的分类能力和快速的学习能力，在对业扩项目聚类中具有很好的效果。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.044 seconds)
