-
公开(公告)号：CN117455131A
公开(公告)日：2024-01-26
申请号：CN202310688887.7
申请日：2023-06-12
申请人： 东北电力大学 , 国网吉林省电力有限公司通化供电公司
IPC分类号： G06Q10/0631 , G06Q50/06 , G06F18/23213 , G06F18/2135 , H02J3/00
摘要： 本发明涉及电力系统监测技术领域，即基于IPSO‑Kmeans的电力系统精细运行方式可视化提取方法。它包括以下步骤：步骤1）运行方式表征变量选取及标准化处理。步骤2）强影响特征变量筛选模型。步骤3）精细运行方式可视化提取。设计了基于最大值绝对值标准化的电网运行数据预处理方法，有效避免高维电气特征量间数值及量纲引起的计算误差；然后，为降低冗余特征对精细化运行方式提取结果的影响，构建了基于皮尔逊‑核主成分相关性分析（P‑KPCA）的运行方式特征变量筛选模型；接着，以聚类肘指标为约束条件，提出基于IPSO‑Kmeans算法，实现运行方式精细化迭代聚合，基于精细化运行方式提取结果完成二维可视化展示。
-
公开(公告)号：CN117853412A
公开(公告)日：2024-04-09
申请号：CN202311638578.5
申请日：2023-12-01
申请人： 东北电力大学 , 国网吉林省电力有限公司通化供电公司
IPC分类号： G06T7/00 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/25 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/09 , G06N3/096
摘要： 本发明涉及电力输电线路巡检技术领域，即基于级联蒸馏的输电线路缺陷及目标检测仿生模型。它包含三个部分：仿生视觉骨干网络、级联的动态锚框蒸馏模块和动态锚框提纯。所述的仿生视觉骨干网络包括高效多阶信息聚合模块、周边视觉模块。所述的动态锚框蒸馏模块包括使用幽灵卷积的高效特征融合金字塔、Soft‑NMS算法、边界框数量的稳定填充方法。本发明具备充分的性能冗余，能够精准的检测多类、多个目标。通过多阶的空间显示交互提升小目标的特征提取、并通过模仿人类的周边视觉机制聚集动态、静态的上下文信息，提升了小目标检测的效果。最后，输电线路中常环境负责且多有受遮挡目标，通过级联蒸馏结构，防止了模糊、受遮挡目标的信息丢失。
-
公开(公告)号：CN117436920A
公开(公告)日：2024-01-23
申请号：CN202311458897.8
申请日：2023-11-05
申请人： 东北电力大学 , 国网吉林省电力有限公司通化供电公司
IPC分类号： G06Q30/0201 , G06Q30/0283 , G06Q50/06 , G06F18/25 , G06F18/22 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06N3/048
摘要： 本发明是嵌入多头注意力机制的混合神经网络日前电价预测方法。电价的准确预测是电力市场调度与决策策略制定的先决条件，针对粗粒度因素特征导致的短期电价预测精度较差的问题，提出嵌入多头注意力机制的混合神经网络日前电价预测方法。首先，设计了一种混合神经网络电价预测模型结构，通过将短期局部变化特征提取的TCN层和全局趋势特征提取的GRU层相融合，解决了由于电价数据在不同的时间尺度上呈现出不同模式和趋势导致特征提取困难的问题；其次，提出了基于动态时间弯曲距离的相似日选取算法，通过融合特征向量几何相似性和距离相近性提升相似日选取精度；最后，设计了多头注意力机制权重计算方法，将预测模型输出的特征序列通过线性变换映射到注意力头上，基于softmax函数将缩放后的相似度得分转化为注意力权重，权重计算增强了预测模型的理解和表示能力，提升了电价预测精度。通过实验验证了所提模型的有效性。
-
公开(公告)号：CN109190820B
公开(公告)日：2022-03-18
申请号：CN201810995813.7
申请日：2018-08-29
申请人： 东北电力大学
摘要： 本发明提出一种考虑用户流失率的电力市场售电量深度预测方法，首先，基于生存分析给出了电力市场中用户流失率的计算方法，对未来某时刻购电用户数量进行预测；然后，构建了用户用电量置信网络并结合用户数量预测，设计了售电量深度预测模型；最后，提出基于自适应惯性权重算法对模型进行求解；本发明所提方法在售电量预测精度方面有明显提高。
-
公开(公告)号：CN118781357A
公开(公告)日：2024-10-15
申请号：CN202410923852.1
申请日：2024-07-10
申请人： 东北电力大学 , 国网吉林省电力有限公司通化供电公司
IPC分类号： G06V10/40 , G06V10/20 , G06V10/54 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/084
摘要： 本发明涉及风电技术领域，即基于知识关系抽取的风机叶片缺陷检测方法，其步骤如下：a.基于多阶动态上下文的风机叶片缺陷特征提取方法。b.基于知识关系抽取的风机叶片缺陷检测方法。所述的基于多阶动态上下文的风机叶片缺陷特征提取方法，该方法基于深度学习的骨干网络模型，包括以下步骤：(1)基本特征提取。(2)特征复杂度提升。(3)高级特征抽象。(4)骨干网络分阶段设计。所述的基于知识关系抽取的风机叶片缺陷检测模块，包括以下模块：(1)全局信息聚合模块。(2)边角信息聚合模块。(3)全局中心化调节。(4)语义关系增强模块。具有提高风机叶片缺陷检测效率和准确性的特点。
-
公开(公告)号：CN118041744A
公开(公告)日：2024-05-14
申请号：CN202410257650.8
申请日：2024-03-06
申请人： 东北电力大学 , 国网吉林省电力有限公司通化供电公司
IPC分类号： H04L41/06 , H04L41/0631 , H04L41/14 , H04L41/16 , G06F18/214
摘要： 本发明涉及电力通信网技术领域，即基于知识图谱推理的电力骨干通信网故障诊断方法。它包括以下步骤：步骤1)数据处理，步骤2)垂直领域实体识别，步骤3)垂直领域实体关系抽取，步骤4)电力骨干通信网故障知识图谱的构建，步骤5)垂直领域知识图谱推理模型的构建，步骤6)电力骨干通信网故障诊断方法。首先，基于获取的电力骨干通信网故障数据进行领域实体识别和关系抽取，构建该领域知识图谱；然后，设计基于对比学习的故障领域知识推理模型，引入负采样策略选择部分实体和关系作为负例更全面地训练模型，提高知识图谱的完整性。最后，融合图注意力机制和K跳拓扑结构来捕捉实体之间的复杂关系，实现故障处理的高效化。
-
公开(公告)号：CN109190820A
公开(公告)日：2019-01-11
申请号：CN201810995813.7
申请日：2018-08-29
申请人： 东北电力大学
摘要： 本发明提出一种考虑用户流失率的电力市场售电量深度预测方法，首先，基于生存分析给出了电力市场中用户流失率的计算方法，对未来某时刻购电用户数量进行预测；然后，构建了用户用电量置信网络并结合用户数量预测，设计了售电量深度预测模型；最后，提出基于自适应惯性权重算法对模型进行求解；本发明所提方法在售电量预测精度方面有明显提高。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.024 秒)
