-
公开(公告)号：CN117647697B
公开(公告)日：2024-05-14
申请号：CN202311559759.9
申请日：2023-11-21
Applicant: 广东电网有限责任公司江门供电局
IPC: G01R31/08 , G06F18/22 , G06N5/022 , G06F18/23213
Abstract: 本发明为一种基于知识图谱的电力计量流水线故障定位方法及系统，包括；采集电力计量自动化流水线部分设备运行日志数据；将所述日志数据聚类，构建以终端设备标识为聚类中心的数据集合；将所述数据集合根据时间段顺序划分为多个数据块；以所述时间段标识为索引，分别根据所述多个数据块构建终端设备的轨迹数据，所述轨迹数据为预设时间段内所述终端设备与流水线中其他设备之间具有交互的设备标识序列；根据所述轨迹数据实现故障的粗步定位，根据所述粗定位预测结果实现故障的精确定位，根据匹配结果对待检测流水线进行故障定位。本申请的方法、系统及计算机存储介质提升了故障检测的准确，降低运维成本，提高检测的准确性和灵活性。
-
公开(公告)号：CN117233540B
公开(公告)日：2024-02-20
申请号：CN202311514623.6
申请日：2023-11-15
Applicant: 广东电网有限责任公司江门供电局
IPC: G01R31/08 , G01R19/165 , G01R31/00 , G01R31/52 , G01R31/54 , G06F18/2431 , G06N3/006 , G06F18/213
Abstract: 本发明公开了一种基于深度学习的计量流水线故障检测方法及系统，包括步骤：S1：实时采集电力计量流水线的传感器运行数据形成一维特征向量；S2：将一维特征向量输入至训练好的卷积神经网络模型进行特征提取和分类形成输出特征向量；S2：实时采集芯粒的数据形成矩阵向量；S3：采用改进的蚂蚁狮优化算法，将卷积神经网络得到的特征映射作为自适应蚂蚁狮优化算法（ALO）的输入，确定故障位置和故障原因；S4：利用增强现实技术，在AR设备上实时显示故障位置和故障原因及推荐修复措施。本申请适应度函数计算过程中通过考虑多类别故障的准确率，大大提升了电力系统位置和故障判断准确性。
-
公开(公告)号：CN117647697A
公开(公告)日：2024-03-05
申请号：CN202311559759.9
申请日：2023-11-21
Applicant: 广东电网有限责任公司江门供电局
IPC: G01R31/08 , G06F18/22 , G06N5/022 , G06F18/23213
Abstract: 本发明为一种基于知识图谱的电力计量流水线故障定位方法及系统，包括；采集电力计量自动化流水线部分设备运行日志数据；将所述日志数据聚类，构建以终端设备标识为聚类中心的数据集合；将所述数据集合根据时间段顺序划分为多个数据块；以所述时间段标识为索引，分别根据所述多个数据块构建终端设备的轨迹数据，所述轨迹数据为预设时间段内所述终端设备与流水线中其他设备之间具有交互的设备标识序列；根据所述轨迹数据实现故障的粗步定位，根据所述粗定位预测结果实现故障的精确定位，根据匹配结果对待检测流水线进行故障定位。本申请的方法、系统及计算机存储介质提升了故障检测的准确，降低运维成本，提高检测的准确性和灵活性。
-
公开(公告)号：CN117233540A
公开(公告)日：2023-12-15
申请号：CN202311514623.6
申请日：2023-11-15
Applicant: 广东电网有限责任公司江门供电局
IPC: G01R31/08 , G01R19/165 , G01R31/00 , G01R31/52 , G01R31/54 , G06F18/2431 , G06N3/006 , G06F18/213
Abstract: 本发明公开了一种基于深度学习的计量流水线故障检测方法及系统，包括步骤：S1：实时采集电力计量流水线的传感器运行数据形成一维特征向量；S2：将一维特征向量输入至训练好的卷积神经网络模型进行特征提取和分类形成输出特征向量；S2：实时采集芯粒的数据形成矩阵向量；S3：采用改进的蚂蚁狮优化算法，将卷积神经网络得到的特征映射作为自适应蚂蚁狮优化算法（ALO）的输入，确定故障位置和故障原因；S4：利用增强现实技术，在AR设备上实时显示故障位置和故障原因及推荐修复措施。本申请适应度函数计算过程中通过考虑多类别故障的准确率，大大提升了电力系统位置和故障判断准确性。
-
公开(公告)号：CN108108938A
公开(公告)日：2018-06-01
申请号：CN201711316644.1
申请日：2017-12-12
Applicant: 广东电网有限责任公司江门供电局
Abstract: 本发明涉及机器人电表库存管理领域，更具体地，涉及一种电能表库存需求预测系统及其方法，由数据采集模块、统计量数据库、数据匹配模块、数据转换模块、计划表生成模块和报警提示模块依次通信连接组成；所述的数据匹配模块将需求日期和物资需求量进行匹配计算；所述的数据转换模块转换计算出预测物资平均日需求量；所述的计划表生成模块生成配送计划表和检定计划表，能够提供可靠的数据，提高了计划的制定以及执行水平。
-
Patent Agency Ranking
公开(公告)号：CN107992916A
公开(公告)日：2018-05-04
申请号：CN201711316657.9
申请日：2017-12-12
Applicant: 广东电网有限责任公司江门供电局
IPC: G06K17/00
Abstract: 本发明涉及物资流转领域，更具体地，涉及一种RFID读卡信息过滤系统，包括RFID读取器、RFID过滤器、服务器，所述的RFID过滤器包括前端过滤器和后端过滤器；前端过滤器读入RFID信息，消除RFID信息的重复值，将数据通信传输至后端过滤器；后端过滤器匹配过滤消除RFID信息，将RFID信息发送至服务器。
-
公开(公告)号：CN109800894A
公开(公告)日：2019-05-24
申请号：CN201910059363.5
申请日：2019-01-22
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司江门供电局
Abstract: 本发明涉及流水线故障诊断技术领域，且公开了一种基于深度学习发现计量自动化流水线故障诊断方法，包括以下步骤，数据采集，用于采集智能设备和传感器组反馈数据、系统运行的日志数据和外部数据；数据标准化，对上述步骤中的数据进行标准化，并将处理后的数据通过kafka流处理平台发送至Hive数据仓库；基于Spark MLlib平台对上述步骤中的数据进行特征提取、模糊逻辑和标签分类，进行机器学习，得出故障诊断模型；运用上述步骤中的故障诊断模型对自动化流水线进行实时诊断，对故障进行预警。该基于深度学习发现计量自动化流水线故障诊断方法，可以根据采集到的数据通过深度学习构建自动检定故障的算法模型，并根据采集到数据中的异常值来对故障进行诊断。
-
公开(公告)号：CN107730185A
公开(公告)日：2018-02-23
申请号：CN201711115998.X
申请日：2017-11-13
Applicant: 广东电网有限责任公司江门供电局
CPC classification number: G06Q10/083 , G06K17/0022 , G06K2017/0048 , G06K2017/0087 , G06K2017/0096
Abstract: 本发明涉及物资流转管理领域，更具体地，涉及一种计量物资流转管理系统及其方法，包括周转箱工作站、流转服务器、第一工控机、营销系统、第二工控机，所述周转箱工作站、流转服务器、第一工控机、营销系统、第二工控机依次通信连接，所述的流转服务器与第二工控机通信连接，取代了以往人工记录操作，实现物资流转地点和状态的实时记录反馈，避免了人工记录带来的信息延迟。
-
公开(公告)号：CN108009775B
公开(公告)日：2021-08-31
申请号：CN201711316645.6
申请日：2017-12-12
Applicant: 广东电网有限责任公司江门供电局
Abstract: 本发明涉及仓储管理领域，更具体地，涉及一种仓储流转自动记账纠错系统。包括设于仓储区的流转模块、自动纠错模块、统计量数据库，所述的自动纠错模块由减法器模块与加法器模块通信连接组成，所述的减法器模块、加法器模块与流转模块通信连接，所述的流转模块包括RDID卡、数据采集模块、数据筛选归纳模块、数据统计纪录模块，所述数据采集模块、数据筛选归纳模块、数据统计纪录模块依次进行数据传输，所述的数据统计纪录模块、自动纠错模块分别传输数据至统计量数据库。
-
公开(公告)号：CN108009775A
公开(公告)日：2018-05-08
申请号：CN201711316645.6
申请日：2017-12-12
Applicant: 广东电网有限责任公司江门供电局
Abstract: 本发明涉及仓储管理领域，更具体地，涉及一种仓储流转自动记账纠错系统。包括设于仓储区的流转模块、自动纠错模块、统计量数据库，所述的自动纠错模块由减法器模块与加法器模块通信连接组成，所述的减法器模块、加法器模块与流转模块通信连接，所述的流转模块包括RDID卡、数据采集模块、数据筛选归纳模块、数据统计纪录模块，所述数据采集模块、数据筛选归纳模块、数据统计纪录模块依次进行数据传输，所述的数据统计纪录模块、自动纠错模块分别传输数据至统计量数据库。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.04 seconds)
