-
公开(公告)号：CN111611029B
公开(公告)日：2023-09-15
申请号：CN201910136529.9
申请日：2019-02-25
申请人： 中国科学院沈阳自动化研究所
IPC分类号： G06F9/448 , G05B19/418
摘要： 本发明涉及一种保证计算时序确定性的IEC 61499功能块建模方法，包括：重新定义功能块的事件接口，用于将事件定义为包含时间戳的事件结构体；增加功能块对到达事件的时序管理模块，用于解析到达的本地事件，将事件按照时序排列，保证事件队列中事件按照确定的时序被响应；增加算法执行管理模块，用于定义算法执行时间约束、超时响应处理算法接口，对ECC执行响应算法进行管理、监测程序执行状态。本发明通过对IEC 61499基础功能块的扩展保证分布式系统协同计算的确定性，该功能块结构可以在异步事件高并发的分布式系统中保证事件执行时序的一致性和事件响应算法执行的确定性。
-
公开(公告)号：CN114885345B
公开(公告)日：2023-08-18
申请号：CN202110162632.8
申请日：2021-02-05
申请人： 中国科学院沈阳自动化研究所
摘要： 本发明公开了一种基于差分进化算法的系统计算能效最大化资源分配方案。包括以下步骤：1)建立一个无线供能的边缘计算网络模型；2)分析模型中能量站、边缘用户和边缘服务器的能耗和计算比特数的变化情况；3)建立最大化系统计算能效的联合优化数学模型；4)利用差分进化算法，实现对系统计算能效的逐代优化，从而得到最佳的卸载时间、计算时间和频率等指标。由于整个联合优化数学模型涉及的参数众多，传统的数学方法求最优解过程十分繁琐。本发明提出的基于差分进化算法的系统计算能效最大化资源分配方案，不仅可以降低计算的复杂度，还可以节约时间成本。
-
公开(公告)号：CN112085043B
公开(公告)日：2023-07-25
申请号：CN201910515582.X
申请日：2019-06-14
申请人： 中国科学院沈阳自动化研究所 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司
发明人： 于诗矛 , 李桐 , 宋纯贺 , 沈力 , 王忠锋 , 邵宝珠 , 曾鹏 , 刘爱民 , 徐文想 , 王刚 , 武婷婷 , 刘扬 , 付亚同 , 杨智斌 , 徐志远 , 耿洪碧 , 邵帅 , 李欢 , 崔世界 , 任帅 , 李立刚 , 陈得丰 , 黄剑龙
IPC分类号： G06F18/214 , G06N3/0464 , G06N3/063 , G06N3/084
摘要： 本发明涉及一种变电站网络安全智能监控方法及系统，读取变电站SCADA系统的网络设备状态信息，特征提取，得到对应的设备状态信息特征变量，进行归一化处理，得到统一数值标准的信息特征变量；将特征变量训练集输入到循环神经网络进行训练，得到网络安全智能监控模型；将特征变量测试集输入到网络安全智能监控模型，得到设备安全状态特征分类结果；将设备安全状态特征分类结果进行特征聚合分类，得到设备安全状态监测结果。本发明可处理一段时间内网络异常状态的智能化决断与处理，大大提高了网络安全监控的效率与智能化水平，可在短时间内处理大量数据，在节约人力成本的同时，极大的提高了网络防护的性能和准确性。
-
公开(公告)号：CN115168027A
公开(公告)日：2022-10-11
申请号：CN202210677394.9
申请日：2022-06-15
申请人： 中国科学院沈阳自动化研究所
摘要： 本发明涉及一种基于深度强化学习的算力资源度量方法，包括以下步骤：步骤S1：对任务集中所有待量化计算任务进行建模分析，分别定义状态、动作、奖励值；步骤S2：根据深度强化学习算法构建算力量化模型框架，并针对量化要求对模型优化目标进行细化；步骤S3：通过调整超参数对模型进行优化，得到迭代完成的训练模型；步骤S4：将待量化任务数据输入训练好的模型得到计算任务的算力度量结果。本发明能够通过细粒度分析任务模型，量化任务资源需求量，有效预测任务执行时间，实现了对异构任务的算力资源度量，为未来工业互联网下网络‑计算‑控制一体化提供算力量化基础。
-
公开(公告)号：CN114972721A
公开(公告)日：2022-08-30
申请号：CN202210660158.6
申请日：2022-06-13
申请人： 中国科学院沈阳自动化研究所 , 南京南瑞信息通信科技有限公司
IPC分类号： G06V10/22 , G06V10/82 , G06V10/764 , G06V10/766 , G06V10/762 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种基于深度学习的输电线路绝缘子串识别定位方法，通过结合Faster R‑CNN网络模型和YOLOv3网络模型，能够有效解决绝缘子串识别以及缺陷定位问题。同时，通过数据增强方法并对方法进行定量分析，能够有效解决绝缘子串数据集不足问题。将绝缘子串识别定位任务分为两个阶段，第一阶段利用Faster R‑CNN网络模型进行绝缘子串识别，第二阶段利用YOLOv3网络模型进行缺陷定位，全面考虑任务中的多种因素并设计了基于Faster R‑CNN网络模型的绝缘子串识别网络以及基于YOLOv3网络模型的绝缘子串缺陷定位网络。使方案具有目前更高正确率和更高召回率的优点。
-
公开(公告)号：CN114885345A
公开(公告)日：2022-08-09
申请号：CN202110162632.8
申请日：2021-02-05
申请人： 中国科学院沈阳自动化研究所
摘要： 本发明公开了一种基于差分进化算法的系统计算能效最大化资源分配方案。包括以下步骤：1)建立一个无线供能的边缘计算网络模型；2)分析模型中能量站、边缘用户和边缘服务器的能耗和计算比特数的变化情况；3)建立最大化系统计算能效的联合优化数学模型；4)利用差分进化算法，实现对系统计算能效的逐代优化，从而得到最佳的卸载时间、计算时间和频率等指标。由于整个联合优化数学模型涉及的参数众多，传统的数学方法求最优解过程十分繁琐。本发明提出的基于差分进化算法的系统计算能效最大化资源分配方案，不仅可以降低计算的复杂度，还可以节约时间成本。
-
公开(公告)号：CN111325233A
公开(公告)日：2020-06-23
申请号：CN201911039498.1
申请日：2019-10-29
申请人： 国网辽宁省电力有限公司电力科学研究院 , 中国科学院沈阳自动化研究所 , 国家电网有限公司
发明人： 李桐 , 宋纯贺 , 沈力 , 于诗矛 , 于同伟 , 王忠锋 , 赵永彬 , 曾鹏 , 刘一涛 , 孔剑虹 , 刘刚 , 朱钰 , 王刚 , 刘扬 , 刚毅凝 , 佟昊松 , 王海鹏 , 张旭 , 刘越
摘要： 本发明涉及多源信息融合下的变压器故障检测方法，特别涉及一种变压器故障检测方法及装置。该检测方法基于多源信息融合下的栈式自编码器模型，包括：采集电力变压器数据；将电力变压器数据输入至预先训练好的多源信息融合下的栈式自编码器模型进行故障概率计算，得到故障概率计算结果；其中，所述栈式自编码器模型的训练数据为多源电力变压器数据；对多源信息融合下的栈式自编码器模型的故障概率计算结果进行整合，得到电力变压器的具体故障状态，完成故障检测。本发明利用去噪自编码器模型增强模型对噪音的鲁棒性；将多个去噪自编码器模型堆叠形成栈式自编码器网络，加深模型深度，提高准确度。
-
公开(公告)号：CN118095514A
公开(公告)日：2024-05-28
申请号：CN202211452061.2
申请日：2022-11-21
申请人： 中国科学院沈阳自动化研究所
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/214 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种基于深度学习的居民用电量预测与窃电识别方法，采集用电量数据，并进行预处理，并构成数据集，利用深度学习网络进行训练；采用用电量测试数据，进行预处理后，通过训练后的深度学习网络，进行未来时间的电量预测与窃电识别。本发明采用深度学习方法，可以自动提取数据特征，同时CNN对于数据的局部特征更加敏感，相较于传统机器学习方法及人工识别准确率高。
-
公开(公告)号：CN112613024B
公开(公告)日：2024-05-03
申请号：CN202110019684.X
申请日：2021-01-07
申请人： 国网上海市电力公司 , 中国科学院沈阳自动化研究所
摘要： 本发明实施例公开了一种数据交互方法、装置、系统及存储介质。其中，该方法包括：云端服务器对电力物联网终端设备进行安全认证，并将安全认证结果传输至业务应用设备；业务应用设备在安全认证结果为通过时，通过云端服务器将控制指令下发至电力物联网终端设备；电力物联网终端设备根据控制指令采集数据，并对数据进行处理后上传至云端服务器。本发明实施例提供的技术方案，实现了云端服务器与电力物联网终端设备的数据交互，提高了数据交互过程的安全性以及准确性。
-
公开(公告)号：CN117237662A
公开(公告)日：2023-12-15
申请号：CN202311090931.0
申请日：2023-08-29
申请人： 中国科学院沈阳自动化研究所
IPC分类号： G06V10/44 , G06V10/80 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06V10/25 , G06T7/00
摘要： 本发明属于深度学习工业机器视觉领域，具体说是一种基于深度学习的钢管小目标缺陷识别定位方法，包括以下步骤：通过Yolo5的骨干层对目标图像的特征信息进行提取，在提取过程中引入Transformer网络，进一步对目标图像中多个小目标缺陷的位置和特征信息进行再提取，将提取到的目标图像中多个小目标缺陷位置的特征信息输入至网络层；对网络层中网络结构进行优化，对骨干层提取到目标图像的特征信息进行特征进行融合，得到网络层提取到的特征信息；将网络层提取到的特征信息进行特征筛选，得到钢管缺陷的目标大小，最终输出目标图像中钢管缺陷识别结果。本发明使钢管小目标缺陷的识别的准确率以及精确度更高。
-
-
-
-
-
-
-
-
-
搜索结果
77 条记录 (耗时 0.108 秒)
