变电站设备异常检测模型优化方法、装置和计算机设备

    公开(公告)号:CN114239684A

    公开(公告)日:2022-03-25

    申请号:CN202111363149.2

    申请日:2021-11-17

    IPC分类号: G06K9/62 G06Q50/06

    摘要: 本申请涉及一种变电站设备异常检测模型优化方法、装置、计算机设备、存储介质和计算机程序产品。所述方法通过获取待优化的变电站设备异常检测模型;对待优化的变电站设备异常检测模型进行稀疏训练,获取稀疏分布模型;对稀疏分布模型进行模型裁剪处理,获取各裁剪模型;对各裁剪模型进行评估,根据评估结果,获取变电站设备异常检测模型对应的优化模型。本申请。通过剪枝可以去除掉待优化的变电站设备异常检测模型中冗余的参数量和权重,降低网络的复杂度,提高泛化能力,从而有效降低变电站设备异常检测模型的复杂度,并加快其推理速度。

    一种基于GuidedAnchor优化的刀具图像智能检测方法

    公开(公告)号:CN113920432A

    公开(公告)日:2022-01-11

    申请号:CN202111188194.9

    申请日:2021-10-12

    摘要: 本发明公开了一种基于Guided Anchor优化的刀具图像图像智能检测方法。采集安检X射线刀具图片并添加标签;以Guided Anchor替代Faster‑RCNN中的RPN部分,以Double Head‑RCNN代替Faster‑RCNN的末端输出部分,建立深度学习网络模型;随机划分为训练集和测试集;训练集数据增强后对Faster‑RCNN+Guided Anchor+Double Head‑RCNN网络结构的深度学习网络模型进行训练,然后采用测试集测试调整,针对待测图像输入固化后的检测模型,输出获得检测结果。本发明能够实现安检X射线刀具图像的自动检测,具有较高的准确率,并且具有稳定性好,抗干扰能力强,通用性高等优点,具有良好的鲁棒性,能够应用于智能安检系统。

    GIS设备及局部放电特高频监测组件

    公开(公告)号:CN113702818A

    公开(公告)日:2021-11-26

    申请号:CN202110924962.6

    申请日:2021-08-12

    摘要: 本发明涉及一种GIS设备及局部放电特高频监测组件,通过蝶形天线来感应获取GIS设备的局部特高频放电信号,如此能减小产品体积,结构简单,便于组装,且能实现增益高与频带宽;此外,第一法兰盘为金属盘,能减少GIS设备外部的电磁干扰,具有抗干扰能力强、监测频带宽的优点,能较好地监测到天线的局部放电特高频信号,监测性能较为稳定;另外,绝缘防护罩罩设于蝶形天线的外部,对蝶形天线起到保护作用,还能利用绝缘材料隔离蝶形天线与高压设备之间的感应电势,以及能防止GISS设备内部气压因长时间挤压导致蝶形天线变形,如此能较好地监测到天线的局部放电特高频信号,监测性能较为稳定。

    消声装置
    15.
    发明公开
    消声装置 审中-实审

    公开(公告)号:CN113112980A

    公开(公告)日:2021-07-13

    申请号:CN202110301781.8

    申请日:2021-03-22

    IPC分类号: G10K11/172

    摘要: 本申请涉及一种消声装置,适用于电力系统技术领域,该消声装置设置于变电站主变室的通风口,所述消声装置包括:阻性消声元件和抗性消声元件,其中,所述阻性消声元件和所述抗性消声元件并排设置,且,所述抗性消声元件靠近所述变电站主变室的室内,所述阻性消声元件远离所述变电站主变室的室内;其中,所述抗性消声元件包括并排设置的两个穿孔板组和金属盲板,各所述穿孔板组包括多个并排设置的穿孔板,且,任意相邻的两个穿孔板之间存在共振腔,所述金属盲板设置于所述两个穿孔板组之间。该消声装置能够降低变压器产生的噪声,减少对居民的噪声影响。

    基于FCOS目标检测的工地异常行为检测方法及系统

    公开(公告)号:CN115171214A

    公开(公告)日:2022-10-11

    申请号:CN202210807829.7

    申请日:2022-07-11

    摘要: 本发明公开了一种基于FCOS目标检测的工地异常行为检测方法及系统,涉及工地异常行为检测技术领域,获取工地异常行为样本图像以及对应的样本标签文件作为第一训练数据集,训练FCOS深度学习网络模型;依据FCOS深度学习网络模型输出的识别结果、定位结果以及特征,对工地异常行为样本图像中的作业人员及异常行为标志物进行关系标定;将标定结果、定位结果以及特征作为第二训练数据集,训练MLP多层感知器;将两级网络进行结合得到异常行为检测模型,对待测图像进行检测,得到检测结果。本发明能够实现工地异常行为的自动检测,具有准确率高、稳定性好、抗干扰能力强、通用性高、速度快等优点,能在实际应用中发挥有效作用。

    基于锚点自适应的基建现场人员检测方法

    公开(公告)号:CN113902958A

    公开(公告)日:2022-01-07

    申请号:CN202111186748.1

    申请日:2021-10-12

    摘要: 本发明公开了一种基于锚点自适应的基建现场人员检测方法。采集基建场景现场人员图片并添加标签;以Faster R‑CNN检测网络模型结合FPN特征金字塔网络模型和采用锚点自适应方法,建立基于锚点自适应的深度学习网络模型;随机划分为训练集和测试集;训练集在对输入图片进行数据增强后对基于锚点自适应的深度学习网络模型进行训练,然后采用测试集测试调整,针对待测图像输入固化后的人员检测模型,输出获得检测结果。本发明能够实现基建现场人员的自动检测,具有较高的准确率,并且具有稳定性好,抗干扰能力强,通用性高等有点,具有良好的鲁棒性,能够应用于基建现场智能监管系统。

    一种电力施工现场LoRa网络的节能运行方法

    公开(公告)号:CN113905428B

    公开(公告)日:2023-08-04

    申请号:CN202111148070.8

    申请日:2021-09-29

    IPC分类号: H04W52/02

    摘要: 本发明公开了一种电力施工现场LoRa网络的节能运行方法,实现步骤为:电源供电终端保持Class C模式;电池供电终端由服务器比对每个判别周期内下行数据数与接收窗口数,若下行数据数少于窗口数,则保持Class A模式;反之,根据终端电量及数据必要性作进一步判断。若电量较高,则切换至Class B模式;若电量中等,则计算下行数据必要系数之和:必要系数之和大于接收窗口数,则切换至Class B模式;反之则保持Class A模式,且将下行数据按必要系数从大到小排序形成队列,并按队列次序逐一下发数据;若电量较低,则保持Class A模式。本发明可针对电力施工现场不同LoRa终端的工作特性及通信频率自适应地切换工作模式,进而实现LoRa终端的节能、高效运行。