-
公开(公告)号：CN113640626A
公开(公告)日：2021-11-12
申请号：CN202110761827.4
申请日：2021-07-06
Applicant: 国网浙江省电力有限公司营销服务中心 , 中国电力科学研究院有限公司
Inventor： 张宏达 , 雷民 , 周峰 , 姚力 , 李熊 , 许灵洁 , 岳长喜 , 李登云 , 吕几凡 , 姜杏辉 , 鲍清华 , 陈欢军 , 张卫华 , 朱凯 , 严华江 , 胡瑛俊 , 陈骁 , 郭鹏 , 刘勇 , 南昊 , 孙剑桥 , 丁徐楠 , 孙钢 , 章江铭 , 刘思 , 叶莘 , 徐开 , 谢泽楠
Abstract: 本发明为一种特高压直流局部放电抑制系统和方法，属于电气测量领域，采用技术方案如下：一种特高压直流局部放电抑制系统，包括变频电源，连接变频电源的三相变压器，连接三相变压器的全波倍压整流系统，连接被试品和全波倍压整流系统的阻波器，以及测试系统，全波倍压整流电路的高压输出侧并联在一起，提高高压侧的纹波频率；测试系统的一端连接在被试品与阻波器之间，另一端连接变频电源，获得高压电压和高压电流信号。特高压直流局部放电抑制系统能够提高高压输出侧纹波的频率，达到降低电容容量、减小电容体积的目的，进而实现便于携带和测试；局部放电抑制的方法有利于特高压直流局部放电抑制系统缩小体积，以便模块化。
-
公开(公告)号：CN110048877A
公开(公告)日：2019-07-23
申请号：CN201910164595.7
申请日：2019-03-05
Applicant: 国网浙江省电力有限公司 , 中国电力科学研究院有限公司 , 浙江华云信息科技有限公司
Abstract: 本发明公开了一种基于仿真控制器数据存储的计量异常仿真处理方法，属于电力技术领域。现有的模拟计量异常的时候主站可能会下发多天的上百点负荷数据，由于一条报文的长度有限，只能分开多条报文下发给仿真控制器，这就造成了通讯时间长，再加上报文数量多了之后，可能存在报文丢失的风险。本发明将计量异常的模拟数据当做一套数据模板保存在仿真控制器本地，并将数据模板进行唯一标识，主站想再次模拟某一类计量异常的时候只需要将唯一标识通知仿真控制器，节省了数据传输，避免了报文丢失。
-
公开(公告)号：CN112529369A
公开(公告)日：2021-03-19
申请号：CN202011323875.7
申请日：2020-11-23
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司营销服务中心 , 国网浙江省电力有限公司绍兴供电公司 , 浙江华云信息科技有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种中压配电网线损关键特征指标提取方法及系统，涉及电网运维领域。现有的馈线关键特征指标提取过程中线损计算复杂。本技术方案通过获取线损的特性信息，以电网损失和用户损失建立中压配电网线损评估指标，并将均方根电流法和馈线线损模型相结合，通过主因子分析法从变量群中提取共性因子进行数据统计，提高关联共性信息的建立，以及采用梯形隶属度函数对电网进行模糊化处理，通过电网损失和用户损失的线损特征提取，保证不同损耗下的特征信息，达到分类线损特征提取的过程，为中压配电网线损关键特征指标提取提供数据信息和评估指标。
-
公开(公告)号：CN109376132A
公开(公告)日：2019-02-22
申请号：CN201810866008.4
申请日：2018-08-01
Applicant: 国网浙江省电力有限公司电力科学研究院 , 国网浙江省电力有限公司湖州供电公司 , 国网浙江省电力有限公司嘉兴供电公司 , 国家电网有限公司 , 国网信息通信产业集团有限公司 , 福建亿榕信息技术有限公司
IPC: G06F16/182 , G06F16/26 , G06F16/28
Abstract: 本发明公开了一种基于Spark技术的计量设备典型运行曲线评估方法及系统。目前的评估方法采用简单的可靠性分析手段，不具备计量设备运行数据隐藏价值的挖掘能力。本发明包括：基于HDFS的分布式运行数据存储；基于Spark并行计算框架的MLlib机器学习算法应用：基于海量的运行数据，采用Spark离线计算的方式进行聚类挖掘分析，生成计量设备典型环境下运行的典型聚类曲线；基于可视化技术实现计量运行数据典型曲线聚类可视化。本发明通过对计量设备运行数据进行深度挖掘其隐藏价值，实现计量海量数据大应用；利用聚类分析方法，对计量设备运行结果进行典型曲线聚类分析，能够得到不同环境条件下计量设备整体的典型曲线运行趋势，为计量设备的研究提供重要的参考作用。
-
公开(公告)号：CN111222541B
公开(公告)日：2022-08-12
申请号：CN201911212958.6
申请日：2019-12-02
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司营销服务中心 , 浙江华云信息科技有限公司 , 国家电网有限公司
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度卷积神经网络的外表箱类型识别方法，涉及电能计量装置外表箱识别方法领域。随着人工智能技术的深度应用，电力行业出现了智能巡查的趋势，在智能巡查过程中，如何识别外表箱类型是一项基本的工作。本方法如下：首先采用深度卷积神经网络模型检测外表箱及其部件区域的位置和大小；再对外表箱的视窗进行检测；对检测到视窗进行判断，如果是单视窗，则直接识别为单表箱，如果是多视窗，则进行视窗布局的网格构建；通过构建好的视窗网格与已知的类型的视窗布局进行匹配；识别出外表箱类型。本方法能快速识别和定位外表箱及其视窗和其他的部件，实现智能巡查过程中电能计量装置外表箱的类型有效和快速准确的识别。
-
Patent Agency Ranking
公开(公告)号：CN111160563B
公开(公告)日：2023-04-14
申请号：CN201911216284.7
申请日：2019-12-02
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司丽水供电公司 , 浙江华云信息科技有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于极限学习机和密度聚类的海量报文掉线状态分析方法，涉及报文分析方法。目前，海量报文掉线分析方法适应性差，运算速度慢。本发明包括以下步骤将预处理之后的且带有标签的数据导入极限学习机中；通过极限学习机得出密度聚类的阈值；通过密度聚类模型的密度聚类选出掉线数据。本技术方案结合了机器学习方法的优势与聚类算法的优势，利用极限学习机来给出聚类算法中关键的阈值，可以拓宽聚类算法的应用范围和提高密度聚类算法的准确度。在面对海量报文数据时，聚类相对于神经网络有较块的响应速度，更适合应用于像报文这类需要较快知道是否掉线的问题。
-
公开(公告)号：CN111222541A
公开(公告)日：2020-06-02
申请号：CN201911212958.6
申请日：2019-12-02
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司电力科学研究院 , 浙江华云信息科技有限公司 , 国家电网有限公司
IPC: G06K9/62
Abstract: 本发明公开了一种基于深度卷积神经网络的外表箱类型识别方法，涉及电能计量装置外表箱识别方法领域。随着人工智能技术的深度应用，电力行业出现了智能巡查的趋势，在智能巡查过程中，如何识别外表箱类型是一项基本的工作。本方法如下：首先采用深度卷积神经网络模型检测外表箱及其部件区域的位置和大小；再对外表箱的视窗进行检测；对检测到视窗进行判断，如果是单视窗，则直接识别为单表箱，如果是多视窗，则进行视窗布局的网格构建；通过构建好的视窗网格与已知的类型的视窗布局进行匹配；识别出外表箱类型。本方法能快速识别和定位外表箱及其视窗和其他的部件，实现智能巡查过程中电能计量装置外表箱的类型有效和快速准确的识别。
-
公开(公告)号：CN111160563A
公开(公告)日：2020-05-15
申请号：CN201911216284.7
申请日：2019-12-02
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司丽水供电公司 , 浙江华云信息科技有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于极限学习机和密度聚类的海量报文掉线状态分析方法，涉及报文分析方法。目前，海量报文掉线分析方法适应性差，运算速度慢。本发明包括以下步骤将预处理之后的且带有标签的数据导入极限学习机中；通过极限学习机得出密度聚类的阈值；通过密度聚类模型的密度聚类选出掉线数据。本技术方案结合了机器学习方法的优势与聚类算法的优势，利用极限学习机来给出聚类算法中关键的阈值，可以拓宽聚类算法的应用范围和提高密度聚类算法的准确度。在面对海量报文数据时，聚类相对于神经网络有较块的响应速度，更适合应用于像报文这类需要较快知道是否掉线的问题。
-
公开(公告)号：CN111126429A
公开(公告)日：2020-05-08
申请号：CN201911091514.1
申请日：2019-11-10
Applicant: 国网浙江省电力有限公司 , 国网浙江省电力有限公司电力科学研究院 , 浙江华云信息科技有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于PCA降维和K-Means聚类的低压台区用户接入点识别方法,涉及低压台区用户接入识别方法。目前，排查都需要人工上门排查，且无法事先进行预测，只能逐户进行排查，耗费大量人力物力。本发明对标准化处理的数据进行主成分分析法PCA降维处理，经主成分分析法PCA降维处理的数据在保持各维数据维度内方差最大的前提下，通过寻找新的向量基，将原有高维数据投影在低维空间，剔除方差较小的噪声，保留信息量最大的主成分；聚类分析；对所分析台区进行现场排查，验证分析结果的准确性。本技术方案事先进行预测，不需要逐户进行排查，减少大量人力物力，不影响台区下其他用户的正常用电，且不需要投入载波通信设备，无需增加电力企业的运营成本。
-
公开(公告)号：CN110033307A
公开(公告)日：2019-07-19
申请号：CN201910165803.5
申请日：2019-03-05
Applicant: 国网浙江省电力有限公司电力科学研究院 , 国网浙江省电力有限公司 , 浙江华云信息科技有限公司 , 国家电网有限公司
IPC: G06Q30/02 , G06F16/215 , G06F16/25 , G06N20/10
Abstract: 本发明公开了一种基于机器学习模型的电力优质客户筛选方法，属于电力技术领域。当前在电力行业中，对于客户评级多根据电量电费判断，或者简单的层次分析法模型进行识别等，主要考虑的是客户的现有能力，而未能综合从客户的潜力、信用等多维度综合考虑，无法实现更为深刻全面的优质客户识别。本发明通过机器学习模型对离散的电力客户数据进行整合，能够综合考虑客户的经济价值、发展潜力、信用水平维度，进而实现自动化识别优质客户，实现更为深刻全面的优质客户识别。本发明能够从所有的客户中识别出优质客户，通过实施对电力客户的个性化管理和跟踪管理，从而达到巩固客户资源，提高服务质量，树立品牌形象，占据主导市场的目的。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.108 seconds)
