-
公开(公告)号:CN110321809A
公开(公告)日:2019-10-11
申请号:CN201910513300.2
申请日:2019-06-13
申请人: 国电南瑞科技股份有限公司
摘要: 本发明公开了一种基于深度学习的变电站作业现场监测装置,包括:现场监控人员和作业人员进入变电站作业现场监测程序;现场监控人员选择并确认第一个操作步骤,执行监测工作;摄像头采集现场作业视频文件,并转换为RGB图像;加载改进的深度神经网络YOLO-V3;输入图像,对设备和标识进行自动识别,判断操作行为是否符合安全规范;根据识别和判断结果,当场发出警告并给出评价结果;将识别和评价结果实时可视化地展现给现场监控人员;现场监控人员确认评价结果并选择进入下一步骤或结束本次操作。使用模型结构剪枝和权重量化两种深度神经网络轻量化方法,实现了深度神经网络模型在嵌入式智能终端中的高精度实时推断,提高安全性和效率。
-
公开(公告)号:CN117154721A
公开(公告)日:2023-12-01
申请号:CN202311193605.2
申请日:2023-09-15
申请人: 国电南瑞科技股份有限公司
IPC分类号: H02J3/00 , H02J3/38 , G06F18/23213 , G06Q50/06
摘要: 本发明公开了一种基于代理缩放机制的区域新能源功率预测方法,包括如下步骤:首先使用经验正交函数法解析区域内新能源出力特征;然后采用kmeans无监督聚类法划分子区域,并利用新能源场站的相关系数和预测精度选取代理新能源场站;根据代理新能源场站的预测功率及权重系数完成区域新能源功率的升尺度预测;最终完成区域新能源功率预测。本发明保证了区域新能源功率预测精度,同时减少区域预测模型对单一场站数据完备性和预测精度的依赖。
-