一种哨单分类方法
    1.
    发明公开

    公开(公告)号:CN116521881A

    公开(公告)日:2023-08-01

    申请号:CN202310615444.5

    申请日:2023-05-29

    Applicant: 湖南大学

    Abstract: 本申请涉及自然语言处理领域,尤其涉及一种哨单分类方法。方法包括:确定哨单的地址描述和问题描述;针对地址描述进行预处理和映射处理,得到第一词嵌入向量;针对第一词嵌入向量进行地名提取处理,得到地名;根据地名,确定社区信息;针对社区信息和问题描述进行拼接处理,得到描述信息;针对描述信息进行映射处理,得到第二词嵌入向量;针对第二词嵌入向量进行优化处理,得到增强词嵌入向量;针对增强词嵌入向量进行确定处理,得到处置部门。本申请的方法无需人工分类操作,实现了对哨单的高效分类且准确率高,解决了哨单分类不及时的问题,有助于哨单员更加迅速的处理哨单。

    基于异构模型融合的线路故障诊断方法及装置

    公开(公告)号:CN114358085B

    公开(公告)日:2024-08-13

    申请号:CN202210020481.7

    申请日:2022-01-10

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于异构模型融合的线路故障诊断方法及装置,其中,该方法包括:获取测试样本的线路故障行波信号,并对所述故障行波信号进行解析;分别提取所述线路故障行波信号的时域特征、频域特征、时频特征及语义特征;分别基于所述线路故障行波信号的时域特征、频域特征、时频特征及语义特征构建单一的故障预诊断模型,并利用故障预诊断模型对测试样本的线路故障的类别进行初步诊断;基于D‑S证据理论融合故障预诊断模型的各初步诊断结果,构建故障诊断融合模型,以对所述线路故障类型进行最终诊断。本发明的技术方案能够在小样本量下提高线路故障分类的准确率,有利于确定线路故障类别。

    基于异构模型融合的线路故障诊断方法及装置

    公开(公告)号:CN114358085A

    公开(公告)日:2022-04-15

    申请号:CN202210020481.7

    申请日:2022-01-10

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于异构模型融合的线路故障诊断方法及装置,其中,该方法包括:获取测试样本的线路故障行波信号,并对所述故障行波信号进行解析;分别提取所述线路故障行波信号的时域特征、频域特征、时频特征及语义特征;分别基于所述线路故障行波信号的时域特征、频域特征、时频特征及语义特征构建单一的故障预诊断模型,并利用故障预诊断模型对测试样本的线路故障的类别进行初步诊断;基于D‑S证据理论融合故障预诊断模型的各初步诊断结果,构建故障诊断融合模型,以对所述线路故障类型进行最终诊断。本发明的技术方案能够在小样本量下提高线路故障分类的准确率,有利于确定线路故障类别。

    一种可更新混合加密方法

    公开(公告)号:CN113783898A

    公开(公告)日:2021-12-10

    申请号:CN202111335724.8

    申请日:2021-11-12

    Abstract: 本发明提供一种可更新混合加密方法,包括如下步骤:云服务提供商运行初始化算法,生成系统公开参数;用户从所述云服务提供商处获得所述系统公开参数,采用公私钥生成算法生成公私钥对,并将公钥对外公布,私钥秘密保管,所述用户包括数据拥有者和数据使用者;数据拥有者采用加密算法,使用公钥对数据进行加密形成混合加密密文,然后将所述密文输送给所述云服务提供上;数据拥有者采用重加密密钥生成算法对所述混合加密密文进行更新,将生成的重加密密钥发送给所述云服务提供商;所述云服务提供商获得所述重加密密钥后,对所述混合加密密文进行更新。本发明提供的可更新混合加密方法可同时更新混合加密密文中的密文头与密文体。

    基于行波数据深度学习的输电线路故障选线与定位方法

    公开(公告)号:CN114325245B

    公开(公告)日:2023-07-14

    申请号:CN202210040970.9

    申请日:2022-01-14

    Abstract: 本发明公开了一种基于行波数据深度学习的输电线路故障选线与定位方法,利用深度学习模型不断迭代,从而自适应调整参数并学习行波数据的特征,计算输电线路组中各条线路之间的差异,选出故障线路;基于选取的故障线路,利用滑动窗口将双端故障行波数据分组,采用孪生神经网络构建双端行波数据相似度匹配模型,根据计算出的最大相似度来获取双端行波数据匹配窗口,从而根据窗口时间比例计算输电线路故障点所在位置。本发明使得行波数据的时序性得到了保障,可更好的使用特征选出故障线路。孪生神经网络根据匹配窗口计算双端行波传递时间比例从而确定故障发生的位置,具有较高的准确性。

    一种可更新混合加密方法

    公开(公告)号:CN113783898B

    公开(公告)日:2022-06-10

    申请号:CN202111335724.8

    申请日:2021-11-12

    Abstract: 本发明提供一种可更新混合加密方法,包括如下步骤:云服务提供商运行初始化算法,生成系统公开参数;用户从所述云服务提供商处获得所述系统公开参数,采用公私钥生成算法生成公私钥对,并将公钥对外公布,私钥秘密保管,所述用户包括数据拥有者和数据使用者;数据拥有者采用加密算法,使用公钥对数据进行加密形成混合加密密文,然后将所述密文输送给所述云服务提供上;数据拥有者采用重加密密钥生成算法对所述混合加密密文进行更新,将生成的重加密密钥发送给所述云服务提供商;所述云服务提供商获得所述重加密密钥后,对所述混合加密密文进行更新。本发明提供的可更新混合加密方法可同时更新混合加密密文中的密文头与密文体。

    基于行波数据深度学习的输电线路故障选线与定位方法

    公开(公告)号:CN114325245A

    公开(公告)日:2022-04-12

    申请号:CN202210040970.9

    申请日:2022-01-14

    Abstract: 本发明公开了一种基于行波数据深度学习的输电线路故障选线与定位方法,利用深度学习模型不断迭代,从而自适应调整参数并学习行波数据的特征,计算输电线路组中各条线路之间的差异,选出故障线路;基于选取的故障线路,利用滑动窗口将双端故障行波数据分组,采用孪生神经网络构建双端行波数据相似度匹配模型,根据计算出的最大相似度来获取双端行波数据匹配窗口,从而根据窗口时间比例计算输电线路故障点所在位置。本发明使得行波数据的时序性得到了保障,可更好的使用特征选出故障线路。孪生神经网络根据匹配窗口计算双端行波传递时间比例从而确定故障发生的位置,具有较高的准确性。

Patent Agency Ranking