-
公开(公告)号:CN116579413A
公开(公告)日:2023-08-11
申请号:CN202310582798.4
申请日:2023-05-22
申请人: 国网智能电网研究院有限公司 , 国网浙江省电力有限公司信息通信分公司 , 国家电网有限公司
IPC分类号: G06N3/0895 , G06N3/0455
摘要: 本发明公开了一种时序数据预训练模型微调方法及装置、时序数据预测模型,包括:获取预训练模型和输入时序数据,预训练模型包括编码器和解码器,编码器用于提取输入时序数据的输入时序特征;采用线性层对输入时序特征进行线性计算,生成对应的动态提示特征;结合掩码特征、动态提示特征和输入时序特征确定增强后的时序特征;将增强后的时序特征输入至解码器解码,基于待预测的未来时刻,进行未来时刻的时序数据的预测。通过实施本发明,针对每个输入时序特征,考虑了其隐含的上下文知识生成了动态提示特征,作为实例级别的提示信息,用于下游任务的模型参数微调,有效避免了时序预训练模型微调过程中的过拟合问题,提升了下游时序任务的预测精度。
-
公开(公告)号:CN118606647A
公开(公告)日:2024-09-06
申请号:CN202410694887.2
申请日:2024-05-31
申请人: 国网智能电网研究院有限公司 , 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国家电网有限公司
IPC分类号: G06F18/20 , G06N3/0455 , G06N3/0895 , G06F30/20 , G06F123/02 , G06F119/08
摘要: 本发明提供了变压器温度场预测模型的构建及温度场预测方法和系统,包括:获取变压器在不同仿真条件下的多个历史温度场数据;基于多个历史温度场数据的空间特征对网络模型进行自监督预训练得到预训练后的网络模型;基于多个历史温度场数据的时序特征对预训练后的网络模型进行训练得到变压器温度场预测模型;将多个历史时刻的实际温度场数据输入变压器温度场预测模型,得到下一时刻的预测温度场数据;本方案通过利用空间特征和时间特征先后对网络模型优化,实现了时间和空间信息的解耦,即网络训练时先优化空间特征方向再优化时间特征方向,不存在优化方向不明确的问题,降低了模型训练难度,有效提升了变压器温度场预测精度。
-
公开(公告)号:CN115115919A
公开(公告)日:2022-09-27
申请号:CN202210729999.8
申请日:2022-06-24
申请人: 国网智能电网研究院有限公司 , 国网安徽省电力有限公司超高压分公司 , 国家电网有限公司
摘要: 本发明提供了一种电网设备热缺陷识别方法及装置,其中,电网设备热缺陷识别方法包括:获取待识别电网设备的可见光和红外光图像特征;对可见光图像特征和红外光图像特征进行跨模态特征信息交互,得到合成模态共享特征;分别提取可见光模态的第一互补特征和红外光模态的第二互补特征;利用第一互补特征、第二互补特征分别对可见光图像特征和红外光图像特征进行增强,得到增强后的可见光图像特征和红外光图像特征;对增强后的可见光图像特征和红外光图像特征进行跨模态特征融合,得到融合特征;将融合特征输入预设电网设备热缺陷识别模型,得到待识别电网设备的热缺陷识别结果。充分利用融合特征识别电网设备热缺陷,大幅提高电网设备的检修效率。
-
公开(公告)号:CN116522099A
公开(公告)日:2023-08-01
申请号:CN202310511445.5
申请日:2023-05-08
申请人: 国网智能电网研究院有限公司 , 国网电力科学研究院有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
IPC分类号: G06F18/21 , G06F18/213 , G06F16/22
摘要: 本发明公开了一种时序数据自监督预训练模型、构建方法、设备及存储介质,该构建方法包括:构建特征提取模块,特征提取模块用于提取进行部分掩码后的输入时序数据的数据特征;构建动态掩码特征生成器,动态掩码特征生成器用于基于自注意力机制为数据特征生成动态掩码特征,并结合动态掩码特征和数据特征生成组合特征;构建频域掩码预测模块,频域掩码预测模块用于根据组合特征对输入时序数据进行预测,获得重建数据;基于特征提取模块、动态掩码特征生成器和频域掩码预测模块构建预训练模型。通过实施本发明,为预训练模型输入特定于输入实例的知识,提高了预训练模型的精度。
-
公开(公告)号:CN115293276A
公开(公告)日:2022-11-04
申请号:CN202210974585.1
申请日:2022-08-15
申请人: 国网智能电网研究院有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC分类号: G06K9/62
摘要: 本申请提供了一种电网设备缺陷识别方法、装置、电子设备和存储介质,该方法包括:初始化两个学生模型和两个老师模型;根据第一老师模型生成第一伪标签数据;根据第一伪标签数据和有标签数据对第二学生模型进行训练;将训练后的第二学生模型中的参数更新到第二老师模型中;根据第二老师模型生成第二伪标签数据;根据第二伪标签数据和有标签数据对第一学生模型进行训练;将训练后的第一学生模型中的参数更新到第一老师模型中;循环伪标签数据生成、训练以及参数更新过程,输出循环后的老师模型;根据循环后的老师模型对电网设备缺陷进行识别。通过本申请,模型之间交叉生成伪标签,解决了学生模型与老师模型之间耦合度过高的问题。
-
公开(公告)号:CN118314486B
公开(公告)日:2024-09-24
申请号:CN202410743393.9
申请日:2024-06-11
申请人: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学 , 国网智能电网研究院有限公司
IPC分类号: G06V20/17 , G06V20/64 , G06V10/22 , G06V10/80 , G06V10/94 , G06Q10/20 , G06Q50/06 , G06V10/82
摘要: 本发明公开了一种基于多模态数据的变电站缺陷立体定位检测方法,包括:对三维点云数据和二维图像分别进行特征提取,并将两种模态特征分别依次通过三维区域提议网络和二维度区域提议网络,生成三维候选区域聚合和二维候选区域聚合;将二维图像的特征和三维点云数据输入到2D‑3D提议的转换器中,生成伪三维候选区域;将伪三维候选区域和三维候选区域聚合结合,获取融合三维候选区域聚合;将融合三维候选区域聚合和二维候选区域聚合通过多模态跨目标融合模块进行跨模态融合;使用多模态跨目标融合模块融合后的多层感知3D查询作为检测头执行三维目标检测定位。本发明克服了物体遮挡和距离较远且反射点较少造成的挑战,同时保持特征融合的有效性和准确性。
-
公开(公告)号:CN118314489B
公开(公告)日:2024-09-17
申请号:CN202410743404.3
申请日:2024-06-11
申请人: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学 , 国网智能电网研究院有限公司 , 中国电力科学研究院有限公司 , 国网电力科学研究院有限公司
摘要: 本发明公开了一种用于特高压变电站故障预警的图像预处理方法,包括:无人机根据最优特高压变电站巡检路径规划进行拍摄,获取设备图像;获取无人巡检系统拍摄的所有位置的图像集,并整理分类针对同一位置所摄的不同角度的图像序列,并对每个图像序列中的图像标定数据来源;以及每个图像序列中通过人工判读的方式,选取参考图像;对图像序列分别依次进行多尺度分解、细节增强图像和融合图像,获取融合图像序列,将所有融合图像序列和原始的图像集作为数据集;应用数据集训练获取最优双重注意力DAT模型实现最终的图像超分辨率操作,获得各个角度关键部位清晰的高质量图像;本发明对原图数据前提前进行清晰化预处理,提高后续故障检测的准确性。
-
公开(公告)号:CN118314488B
公开(公告)日:2024-09-17
申请号:CN202410743397.7
申请日:2024-06-11
申请人: 合肥工业大学 , 国网安徽省电力有限公司超高压分公司 , 国网智能电网研究院有限公司 , 中国电力科学研究院有限公司 , 国网电力科学研究院有限公司
IPC分类号: G06V20/17 , G06V20/10 , G06V10/22 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048
摘要: 本发明公开了一种特高压变电站空天地多尺度重决策目标检测方法,包括:获取二维模态数据和三维点云模态数据;确定目标定位;其中,确定目标定位的方式包括:应用二维模态数据进行图像目标定位以及应用二维模态数据和三维点云模态数据进行跨模态特征级联融合,进行三维目标检测定位;根据目标定位,判断可能故障位置;并应用立体多模态数据感知设备重新拍照得到不同空间尺度的图像;应用目标定位对应的检测定位网络,对重新拍照得到的不同空间尺度的图像进行故障分析,完成对特高压变电站故障的多尺度重决策;本发明能够提高故障识别精度。
-
公开(公告)号:CN118154995B
公开(公告)日:2024-07-30
申请号:CN202410572033.7
申请日:2024-05-10
申请人: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC分类号: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
摘要: 本发明提供基于时频关联自适应学习模型的图像质量裂化评估方法,包括:构建不同类别的原始图像集;利用傅里叶变换获得频谱图像集;将频谱图像和原始差异类别图像输入到残差神经网络中学习频谱图像特征、原始图像特征;将时频关联的图像特征、原始图像特征融合;输入到动态调节参数BP神经网络;进行图像质量裂化评估分类。本发明解决了分析处理信息不全面,导致图像质量异常分类效果差的技术问题。
-
公开(公告)号:CN118155024A
公开(公告)日:2024-06-07
申请号:CN202410585235.5
申请日:2024-05-13
申请人: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC分类号: G06V10/774 , G06V10/30 , G06V10/34 , G06V10/72 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0464
摘要: 本发明提供大模型图像样本自动生成方法及系统,方法包括:采集电网设备的差异光谱图像数据,以作为原始数据,对原始数据进行形态学滤波操作、数据清洗操作以及数据整合操作,以得到模型训练输入数据;利用生成对抗网络GAN进行对抗操作,对模型训练输入图像数据进行训练,以进行样本生成以及样本评估操作,获取稀缺样本;将稀缺样本与实时采集图像混合,利用支持向量机进行标注处理,以构造适用泛化能力新数据集;利用迁移学习技术,在适用泛化能力新数据集上,对预训练ResNet模型进行训练、验证操作,以得到适用电网图像大模型。本发明解决了电网设备监测与诊断操作中存在样本稀缺,导致模型的监测诊断性能受有制约的技术问题。
-
-
-
-
-
-
-
-
-