-
公开(公告)号：CN111291691B
公开(公告)日：2022-03-15
申请号：CN202010096393.6
申请日：2020-02-17
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
IPC分类号： G06V20/10 , G06V10/26 , G06V30/148 , G06V10/44 , G06V10/774 , G06V10/764 , G06V30/19 , G06K9/62
摘要： 本发明公开了一种基于深度学习的变电站二次设备仪表盘读数检测方法，包括：1、基于YOLOv3算法对仪表盘图像进行定位分类训练；2、利用训练好的YOLOv3模型，对所获取的实时图像进行仪表盘定位分类并进行裁剪保存；3、若分类结果为变压器温度表，使用hough变换获取温度表图像基准水平线和指针线，否则，使用OPENCV OCR和hough变换获取电流表和电压表图像类别标签、数字量程和指针线；4、计算仪表盘读数，并在边缘侧保存读数数据；5、巡检机器人完成一次周期巡检后，将所有仪表盘读数通过无线网络上传至云端服务器。本发明能提高变电站无人抄表的数据检测率，从而满足变电站设备故障诊断的实际需求。
-
公开(公告)号：CN112016473A
公开(公告)日：2020-12-01
申请号：CN202010894524.5
申请日：2020-08-31
申请人： 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
摘要： 本发明公开了一种基于半监督学习和注意力机制的配电网高阻接地故障诊断方法，包括：1、将故障相电压时间序列数据集合分类成有标记样本集合和无标记样本集合；2、根据计算无标记样本和有标记样本集合的相似度更新两类样本集；3、利用有标记样本集合训练1NN分类器，并利用1NN分类器对无标记样本集合进行预测标注；4、构建基于注意力机制的LSTM-CNN神经网络；5、利用注意力机制网络融合LSTM和CNN的特征向量；6、通过梯度下降反向传播算法更新LSTM-CNN的神经网络参数。本发明使得故障检测模型具有时间、空间的特征表达能力，从而能提高配电网高阻接地的故障检测率。
-
公开(公告)号：CN111142049A
公开(公告)日：2020-05-12
申请号：CN202010049713.2
申请日：2020-01-16
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于边云协同机制的变压器智能故障诊断方法，包括：1云端预训练ResNet-18网络、ResNet-50-1,2和LSTM网络模型；2由边缘端采集并预处理变压器故障特征变量数据，并上传数据至云端；3利用边缘端ResNet-18网络和云端ResNet-50-1网络对变压器故障类型进行协同判别；4若出现新故障类型，云端重新构建训练ResNet-18网络和ResNet-50-2网络；5云端定时重新训练ResNet-18网络，利用边云协同机制更新边缘端网络参数；6若边缘端向云端传输的过程中产生数据丢包，基于LSTM网络预测丢失的数据。本发明能提高变压器故障的状态检测率。
-
公开(公告)号：CN111142049B
公开(公告)日：2020-12-29
申请号：CN202010049713.2
申请日：2020-01-16
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于边云协同机制的变压器智能故障诊断方法，包括：1云端预训练ResNet‑18网络、ResNet‑50‑1,2和LSTM网络模型；2由边缘端采集并预处理变压器故障特征变量数据，并上传数据至云端；3利用边缘端ResNet‑18网络和云端ResNet‑50‑1网络对变压器故障类型进行协同判别；4若出现新故障类型，云端重新构建训练ResNet‑18网络和ResNet‑50‑2网络；5云端定时重新训练ResNet‑18网络，利用边云协同机制更新边缘端网络参数；6若边缘端向云端传输的过程中产生数据丢包，基于LSTM网络预测丢失的数据。本发明能提高变压器故障的状态检测率。
-
公开(公告)号：CN112016473B
公开(公告)日：2022-09-13
申请号：CN202010894524.5
申请日：2020-08-31
申请人： 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
摘要： 本发明公开了一种基于半监督学习和注意力机制的配电网高阻接地故障诊断方法，包括：1、将故障相电压时间序列数据集合分类成有标记样本集合和无标记样本集合；2、根据计算无标记样本和有标记样本集合的相似度更新两类样本集；3、利用有标记样本集合训练1NN分类器，并利用1NN分类器对无标记样本集合进行预测标注；4、构建基于注意力机制的LSTM‑CNN神经网络；5、利用注意力机制网络融合LSTM和CNN的特征向量；6、通过梯度下降反向传播算法更新LSTM‑CNN的神经网络参数。本发明使得故障检测模型具有时间、空间的特征表达能力，从而能提高配电网高阻接地的故障检测率。
-
公开(公告)号：CN111291691A
公开(公告)日：2020-06-16
申请号：CN202010096393.6
申请日：2020-02-17
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于深度学习的变电站二次设备仪表盘读数检测方法，包括：1、基于YOLOv3算法对仪表盘图像进行定位分类训练；2、利用训练好的YOLOv3模型，对所获取的实时图像进行仪表盘定位分类并进行裁剪保存；3、若分类结果为变压器温度表，使用hough变换获取温度表图像基准水平线和指针线，否则，使用OPENCV OCR和hough变换获取电流表和电压表图像类别标签、数字量程和指针线；4、计算仪表盘读数，并在边缘侧保存读数数据；5、巡检机器人完成一次周期巡检后，将所有仪表盘读数通过无线网络上传至云端服务器。本发明能提高变电站无人抄表的数据检测率，从而满足变电站设备故障诊断的实际需求。
-
公开(公告)号：CN115050022B
公开(公告)日：2024-08-09
申请号：CN202210640236.6
申请日：2022-06-08
申请人： 合肥工业大学
IPC分类号： G06V20/68 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 一种基于多层级自适应注意力的农作物病虫害识别方法，应用于图像识别技术领域，解决传统卷积神经网络模型对相似度很高的农作物病虫害图像识别度低的问题；通过构建基于注意力机制的神经网络模型，构建多层级识别网络，使用模糊积分对多层次网络输出进行特征融合并输出检测结果；在网络中引入注意力机制，增强网络分类相似样本的能力，对多层级网络模型集识别结果进行融合，提升模型精度，克服单一网络模型适用性低的现象，能够根据实际需要调整参数，满足准确化快速识别农作物病虫害的实际需求，通过交错组卷积优化卷积计算量，减少模型推理时间；通过训练不同层级网络模型，通过模糊积分融合多模型识别结果，提高了农作物病虫害的识别精度。
-
公开(公告)号：CN112543424B
公开(公告)日：2022-04-26
申请号：CN202011601619.X
申请日：2020-12-30
申请人： 合肥工业大学
摘要： 本发明公开了一种面向分散式智能电网的自主边缘控制方法，其步骤包括：1使用由多个移动节点、多个终端节点和一个云端服务器的平台框架；2由移动节点作为中转连接终端节点和云端服务器；3终端节点通过安全套接字协议和传输层安全协议以及链路层安全协议加密线路上传数据至云端服务器；4若出现连接中断，则重新获取移动节点GPS位置变化。本发明能提高终端节点和云端服务器的网络安全性和数据传输效率。
-
公开(公告)号：CN112543424A
公开(公告)日：2021-03-23
申请号：CN202011601619.X
申请日：2020-12-30
申请人： 合肥工业大学
摘要： 本发明公开了一种面向分散式智能电网的自主边缘控制方法，其步骤包括：1使用由多个移动节点、多个终端节点和一个云端服务器的平台框架；2由移动节点作为中转连接终端节点和云端服务器；3终端节点通过安全套接字协议和传输层安全协议以及链路层安全协议加密线路上传数据至云端服务器；4若出现连接中断，则重新获取移动节点GPS位置变化。本发明能提高终端节点和云端服务器的网络安全性和数据传输效率。
-
公开(公告)号：CN112036403A
公开(公告)日：2020-12-04
申请号：CN202010894523.0
申请日：2020-08-31
申请人： 合肥工业大学
摘要： 本发明公开了一种基于注意力机制的输电塔螺栓销子缺失的智能检测方法，其步骤包括：1、对输电塔销子图像集进行预处理；2、构建基于注意力机制的perturb神经网络模型；3、利用步骤2的模型，构建多层次识别网络；4、使用Sugeno模糊积分对多层次网络输出进行特征融合，并输出检测结果。本发明能解决销子缺失检测费时费力，或检测不准的问题，提高检测实时性，并完成复杂背景下微小销子的缺失状态的精确检测，从而满足准确化快速化的实际需求。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.052 秒)
