公开(公告)号：CN111062620B

公开(公告)日：2022-07-29

申请号：CN201911315191.X

申请日：2019-12-19

Applicant: 烟台海颐软件股份有限公司

Inventor： 于瑞强 ,  王林 ,  杜星学 ,  王彦 ,  贾明静 ,  宋维川 ,  梁洪明

IPC: G06Q10/06 ,  G06Q50/06 ,  G06K9/62

Abstract: 本发明公开了一种基于混合计费数据的电力计费公平性智能分析系统及方法，属于电力计费领域，该分析系统包括数据集成部分、数据处理部分、模型训练部分、公平性分析模块和输出模块；数据处理部分的输入端与数据集成部分的输出端进行连接，数据处理部分的输出端与模型训练部分的输入端进行连接，公平性分析模块的输入端与模型训练部分的输出端进行连接。本发明通过计算每条数据对整个数据集的加权总熵产生的信息增益，实现对档案异常水平的评估及档案数据异常的筛选；通过计算每个用户的实际用电特征向量与该用户每种档案特征的特征值所涉及的所有用户样本的平均用电特征向量偏离程度识别档案属性相同情况下该用户的用电行为数据是否异常。

公开(公告)号：CN119782534A

公开(公告)日：2025-04-08

申请号：CN202510293056.9

申请日：2025-03-13

Applicant: 烟台海颐软件股份有限公司

Inventor： 卢汉良 ,  刘刚 ,  闫谷丰 ,  胡电中 ,  杨欣毅 ,  时郭庆 ,  梁洪明 ,  仲昭岩

IPC: G06F16/35 ,  G06F16/3329 ,  G06F16/36 ,  G06F16/335 ,  G06F16/334 ,  G06F40/30 ,  G06N5/022 ,  G06N5/04 ,  G06N3/0455 ,  G06Q50/06

Abstract: 一种电力行业智能问答多知识库分类优化方法及其系统，涉及电力行业知识库优化领域。为了解决现有的知识库不能适用于电力行业知识库、分类准确性差、检索结果和回答质量差的缺陷，根据电力企业实际业务的划分把电力知识库进行分类，形成多个知识库；通过大语言模型输出初始结果；收集用户的反馈并对负反馈进行错误溯源定位；构建案例库并对案例进行分类管理；根据多源分类验证结果，将有用户反馈的query存入对应案例库；对案例query的权重进行计算并排序；设计并生成分类提示词结构，指导大语言模型对用户的query进行分类优化。本发明主要用于对电力行业智能问答多知识库分类进行优化。

公开(公告)号：CN111062620A

公开(公告)日：2020-04-24

申请号：CN201911315191.X

申请日：2019-12-19

Applicant: 烟台海颐软件股份有限公司

Inventor： 于瑞强 ,  王林 ,  杜星学 ,  王彦 ,  贾明静 ,  宋维川 ,  梁洪明

IPC: G06Q10/06 ,  G06Q50/06 ,  G06K9/62

Abstract: 本发明公开了一种基于混合计费数据的电力计费公平性智能分析系统及方法，属于电力计费领域，该分析系统包括数据集成部分、数据处理部分、模型训练部分、公平性分析模块和输出模块；数据处理部分的输入端与数据集成部分的输出端进行连接，数据处理部分的输出端与模型训练部分的输入端进行连接，公平性分析模块的输入端与模型训练部分的输出端进行连接。本发明通过计算每条数据对整个数据集的加权总熵产生的信息增益，实现对档案异常水平的评估及档案数据异常的筛选；通过计算每个用户的实际用电特征向量与该用户每种档案特征的特征值所涉及的所有用户样本的平均用电特征向量偏离程度识别档案属性相同情况下该用户的用电行为数据是否异常。

公开(公告)号：CN119478626A

公开(公告)日：2025-02-18

申请号：CN202411538070.2

申请日：2024-10-31

Applicant: 烟台海颐软件股份有限公司

Inventor： 卢汉良 ,  时郭庆 ,  李慧霖 ,  闫谷丰 ,  胡电中 ,  杨欣毅 ,  陆永强 ,  仲昭岩 ,  梁洪明 ,  宋晓霞

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/096 ,  G06N3/045 ,  G06Q50/06 ,  G06V20/50

Abstract: 本发明属于电力领域与人工智能技术领域，具体涉及一种基于混合专家模型的电力现场作业安全检测方法及系统。本发明结合了视觉语言模型与YOLO目标检测模型，通过混合专家模型架构在少样本条件下实现高效精确的电力现场作业安全检测。在训练阶段，通过多模型协同训练，构建了针对不同场景和目标的专家模型集合。在检测阶段，采用两阶段检测机制，先由YOLO进行快速初步检测，随后VLM针对低置信度目标进行复检，最终整合检测结果，确保检测的准确性。本发明旨在有效应对电力现场作业中的复杂环境和安全隐患，显著提高安全检测效率和准确度，相较于单一模型架构，本发明在电力现场作业场景下展现出更广泛的应用场景和更高的检测质量。

公开(公告)号：CN115271215A

公开(公告)日：2022-11-01

申请号：CN202210913740.9

申请日：2022-07-29

Applicant: 烟台海颐软件股份有限公司

Inventor： 宋晓霞 ,  郇长武 ,  胡电中 ,  董仁玮 ,  李锐 ,  梁洪明 ,  李星震 ,  杨欣毅

IPC: G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种短期电力负荷精细修正预测方法、系统、装置、介质，方法包括：利用训练好的平均负荷集成模型，对预测日每一段的平均负荷进行预测，得到预测日每一段的平均负荷的预测结果；利用训练好的时刻点负荷集成模型，对预测日各时刻点的负荷值进行预测，得到各时刻点初期的负荷预测结果；利用预测日每一段的平均负荷的预测结果对相应的预测日的初期负荷预测结果进行修正，得到预测日各时刻点的最终预测负荷结果。与人工确定系数相比，该修正方法更具有可解释性、智能性、降低了人工干预，对预测结果的修正更加精细准确。