一种电源涉网保护的校核方法和系统

    公开(公告)号:CN113937774A

    公开(公告)日:2022-01-14

    申请号:CN202111007256.1

    申请日:2021-08-30

    摘要: 本发明提供一种电源涉网保护的校核方法和系统,获取智能电网调度技术支持系统的实时数据;获取涉网保护动作电源;按校核类型从实时数据中获取涉网保护动作电源的涉网保护动作值,并基于涉网保护动作值进行校核。本申请可以实现电源涉网保护的在线校核,具备广泛的实用性和实时性。本申请对各涉网动作电源的涉网保护动作定值、涉网保护时间定值和涉网保护配合关系进行校核,通过校核能够及时发现协调配合关系的设置漏洞,能够保证资料的准确性、可靠性以及时效性,在电网结构和运行方式改变的情况下能够及时重新验算涉网保护动作定值、涉网保护时间定值和涉网保护配合关系的正确性、合理性和适应性,提升机组在电网极端情况下的抗风险能力。

    一种发电功率预测方法、模型训练方法及系统

    公开(公告)号:CN118826014A

    公开(公告)日:2024-10-22

    申请号:CN202411296142.7

    申请日:2024-09-18

    发明人: 魏平 景超

    摘要: 本发明公开了一种发电功率预测方法、模型训练方法及系统,属于新能源发电技术领域,该模型训练方法,采用相关性分析法对气象数据进行重构得到多维时序数据,采用多维时序数据和实际发电功率时间序列对发电功率预测模型进行训练,提取实际发电功率时间序列的功率时序特征,根据功率时序特征初步预测未来时间段的第一发电功率;通过提取多维时序数据的时序融合特征,预测未来时间段的第二发电功率,将第一发电功率和第二发电功率在时间维度上融合,得到最终的预测结果,该方法有效地提高了新能源发电功率预测的精度和可靠性,为新能源发电的高效利用和电力系统的稳定运行提供更有力的支持。

    基于特征校准Transformer的微藻图像分类方法及相关装置

    公开(公告)号:CN118657999A

    公开(公告)日:2024-09-17

    申请号:CN202410812240.5

    申请日:2024-06-21

    摘要: 本发明属于计算机视觉中的图像分类技术领域,公开了一种基于特征校准Transformer的微藻图像分类方法及相关装置;其中,所述微藻图像分类方法包括以下步骤:获取待分类的微藻图像;基于所述待分类的微藻图像,采用预先训练好的深度图像分类网络进行微藻分类,获得分类结果。本发明公开的技术方案,通过预先训练好的深度图像分类网络进行分类,可解决现有技术中存在的微藻图像的显著性特征捕获不足所导致的较高误分类的技术问题;其中,通过特征校准模块来提高对微藻目标显著性信息的关注度,并提出特征校准注意力模块来建模包含局部信息融合和显著性特征增强的长距离依赖关系,进而提高微藻图像的分类准确率。

    基于深度强化学习的水下多智能体协同围捕方法及装置

    公开(公告)号:CN118153431A

    公开(公告)日:2024-06-07

    申请号:CN202410274322.9

    申请日:2024-03-11

    摘要: 本发明属于水下多智能体协同技术领域,公开了一种基于深度强化学习的水下多智能体协同围捕方法及装置;其中,所述水下多智能体协同围捕方法包括步骤:获取目标位置信息;基于目标位置信息,利用部署于水下环境和实体AUV上的训练好的水下多智能体协同围捕模型,实现水下多智能体协同围捕;其中,所述水下多智能体协同围捕模型的核心为采用MADDPG方法的深度强化学习算法模型,其奖励函数以协同围捕任务为导向,水下多智能体通过与环境的交互来不断更新模型的参数以最大化任务奖励。本发明提供的技术方案,可以解决水下多智能体协同围捕任务效率低、稳定性差的技术问题,能够提高任务的成功率和执行效率。

    一种视频动作片段生成方法、系统、设备及可读存储介质

    公开(公告)号:CN114339403A

    公开(公告)日:2022-04-12

    申请号:CN202111677648.9

    申请日:2021-12-31

    发明人: 魏平 尚嘉慧

    IPC分类号: H04N21/44 G06V20/40

    摘要: 本发明公开了一种视频动作片段生成方法、系统、设备及可读存储介质,通过从视频片段中提取视频特征,对提取的视频特征进行处理构成视频的多尺度特征图,采用Transformer模型对多尺度特征图进行转换处理得到一组动作Queries的特征,采用前馈网络和线性投影对动作Queries的特征进行检测达到视频的起止时间位置和置信分数,完成视频动作片段生成,本发明基于Transformer模型,将动作片段生成视为直接集预测问题,不仅简化了检测流程,消除了后处理等手工设计组件,并行输出检测结果;而且利用多尺度特征图处理不同时间长度的动作实例,本发明在性能和运行时间方面有显著提高。

    基于多尺度输入混合感知神经网络的目标检测方法

    公开(公告)号:CN110909615A

    公开(公告)日:2020-03-24

    申请号:CN201911032300.7

    申请日:2019-10-28

    IPC分类号: G06K9/00 G06K9/46 G06K9/62

    摘要: 本发明公开了一种基于多尺度输入混合感知神经网络的目标检测方法。本发明通过数据预处理、生成候选区域及不同尺度的单通道网络检测,在目标检测与识别网络框架下,针对不同的通道计算不同的尺度特征,然后将检测结果进行融合,解决了直接进行不同尺度特征的融合,导致提取的特征存在混淆的问题。测试结果表明,本发明使混合感知神经网络在三维目标检测与识别中的性能得到提高。