-
公开(公告)号：CN117540160A
公开(公告)日：2024-02-09
申请号：CN202311484687.6
申请日：2023-11-08
申请人： 中国电力科学研究院有限公司 , 国网江西省电力有限公司 , 国家电网有限公司
IPC分类号： G06F18/20 , G06F18/24 , G06F18/214 , G06N3/042 , G06N3/09 , G06N3/0895 , G06Q50/06
摘要： 本发明属于电力设备故障诊断领域，公开一种基于知识约束的电力设备故障诊断方法及相关装置；所述方法，包括：获取待诊断电力设备运行的声音数据；将所述声音数据输入预先训练好的基于知识约束的半监督神经网络故障诊断模型，获得待诊断电力设备故障诊断结果；其中，基于知识约束的半监督神经网络故障诊断模型由知识约束的故障辨识算子和有监督学习神经网络模型构成；所述待诊断电力设备故障诊断结果由知识约束的故障辨识算子的输出与有监督学习神经网络模型输出的全连接层进行概率值整合获得。本发明由于在数据驱动模型中引入了故障规则知识的约束，从而使可解释性和可靠性提升，提升了预测的准确性。
-
公开(公告)号：CN118261064A
公开(公告)日：2024-06-28
申请号：CN202410477683.3
申请日：2024-04-19
申请人： 中国电力科学研究院有限公司 , 国网江西省电力有限公司 , 国家电网有限公司
IPC分类号： G06F30/27 , G06N3/0499 , G06F30/28 , G06N3/084 , G06F111/04 , G06F113/08 , G06F119/14
摘要： 本发明公开了一种抽蓄机组流场快速计算方法及其相关装置，建立水泵水轮机流场分布的数学模型；对水泵水轮机的几何参数信息进行预处理，得到边界条件；构建前馈神经网络模型，基于得到的数学模型和边界条件，结合初始条件构建前馈神经网络模型的物理约束损失函数；选取配点对前馈神经网络模型进行训练；基于前馈神经网络模型实现流场分布计算。本发明方法具有响应速度快、计算实时性强的特点，显著提升流场分布的计算效率。
-
公开(公告)号：CN114252810B
公开(公告)日：2024-04-30
申请号：CN202210033985.2
申请日：2022-01-12
申请人： 中国电力科学研究院有限公司 , 国网福建省电力有限公司 , 国网福建省电力有限公司电力科学研究院 , 国家电网有限公司
摘要： 本发明公开了一种变压器声振故障监测方法、系统、设备及可读存储介质，所述方法包括以下步骤：获取待监测变压器在正常工作状态下的输入、输出信号；对所述输入、输出信号进行特征提取，获取输入信号特征和输出信号特征；基于所述输入信号特征和输出信号特征，辨识出所述待监测变压器在正常工作状态下的模型；基于辨识出的模型，采用预设计获得的观测器进行观测，获得扰动观测值；基于所述扰动观测值，实现变压器声振故障监测。本发明提供的变压器声振故障监测方法，具体是一种基于状态观测器的变压器声振故障在线监测预警方法，可解决现有基于数据(信号)的故障诊断方法受样本数量和样本类型制约的问题。
-
公开(公告)号：CN111680804B
公开(公告)日：2023-09-01
申请号：CN202010490645.3
申请日：2020-06-02
申请人： 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院 , 国家电网有限公司
IPC分类号： G06Q10/20 , G06Q10/10 , G06Q10/04 , G06Q50/06 , G06F40/289 , G06F40/242 , G06F16/36
摘要： 本申请涉及一种运检工作票生成方法、装置、电子设备以及存储介质，本申请通过获取包含多个检修信息的任务信息，所述检修信息中包含单次检修任务的工作地点和任务内容；针对每个所述检修信息的所述工作地点和所述任务内容，对所述所述工作地点和所述任务内容进行模式化处理得到训练集；将所述训练集输入预设的转换模型中将所述训练集中的字转化为初始向量，得到包含多个所述初始向量的初始向量集；将所述初始向量集输入实体标签确定模型中确定与所述初始向量集对应的实体标签，得到实体标签集；基于所述实体标签集生成工作票，实现工作票的智能生成，避免由于一线检修人员对业务领域知识获取难度大、知识掌握牢固程度低，造成检修人员不能很好的对接工作任务单的问题，提升了检修工作的精准和效率。
-
公开(公告)号：CN113312494A
公开(公告)日：2021-08-27
申请号：CN202110594447.6
申请日：2021-05-28
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司
IPC分类号： G06F16/36 , G06F16/35 , G06F40/205 , G06Q50/06
摘要： 本发明提供一种垂直领域知识图谱构建方法、系统、设备及存储介质，方法包括：获取电网统一数据模型中业务数据；对业务数据中的业务规则进行梳理分类；将相关业务规则用函数的形式进行描述得到业务规则函数；将业务规则函数嵌入神经网络中，并与决策树进行融合形成文本数据流分类模型；整理业务规则形成规则参数，形成激活函数对实体、关系原抽取算法中激活函数进行替代，得到融合规则的实体关系抽取算法；基于融合规则的实体关系抽取算法，对统一数据模型进行实体关系抽取，并依据实体关系抽取结果构建知识图谱。通过链接不同业务中通用实体及关联业务，确保不同业务图谱之间信息互联，有助于提升垂直领域知识图谱构建与应用效果。
-
公开(公告)号：CN111753712A
公开(公告)日：2020-10-09
申请号：CN202010576009.2
申请日：2020-06-22
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司
摘要： 本发明公开一种电力生产人员安全监测方法、系统、设备以及存储介质，通过图像识别定位二维图像中被测对象的坐标；进而通过计算深度图像辨识人员、设备、环境的三维模型；最后通过图像识别与安全距离分析，判断检修人员是否超出安全距离并及时预警，有效提升电网企业对电力基建、运检等生产业务场景下工作人员的安全管控水平。
-
公开(公告)号：CN115859780A
公开(公告)日：2023-03-28
申请号：CN202211414707.8
申请日：2022-11-11
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司
IPC分类号： G06F30/27 , G06N3/048 , G06N3/084 , G06F17/11 , G06F119/14 , G06F111/04 , G06F113/08
摘要： 本发明涉及一种基于物理约束神经网络的电力设备振动仿真方法及系统,属于电力系统仿真技术领域。方法包括：构建振动传播数学物理模型，对输入信息进行预处理，所述输入信息包括时间信息及空间坐标信息；根据所述振动传播数学物理模型和所述预处理的输入信息，构建物理约束深度学习模型；构建物理约束损失函数，基于所述物理约束损失函数和已有的振动数据训练所述物理约束深度学习模型；利用训练的所述物理约束深度学习模型和目标电力设备的空间坐标和时间信息，预测所述目标电力设备内部的振动情况。本方法解决了传统的深度学习模型对数据依赖性强、稳定性差、可解释性差、传统数值方法建模速度慢、效率过低的问题。
-
公开(公告)号：CN115758874A
公开(公告)日：2023-03-07
申请号：CN202211414768.4
申请日：2022-11-11
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司
IPC分类号： G06F30/27 , G06F17/11 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06F119/08 , G06F113/08 , G06F111/04
摘要： 本发明涉及一种基于物理约束神经网络的电力设备传热建模方法及系统，属于电力系统建模技术领域。方法包括：构建设备传热物理模型，对输入信息进行预处理，所述输入信息包括热源位置信息和时间信息；根据所述设备传热物理模型和所述预处理的输入信息，构建卷积神经网络模型；构建物理约束损失函数，基于所述物理约束损失函数和已有的传热数据训练所述卷积神经网络模型；利用训练的所述卷积神经网络模型和目标对象的热源位置信息和时间信息，预测所述目标对象的体内温度场分布。本方法针对传热问题，构建物理约束神经网络模型，解决传统的神经网络精度不足、可解释性差、传统数值模拟建模速度慢、效率过低的问题。
-
公开(公告)号：CN118520771A
公开(公告)日：2024-08-20
申请号：CN202410691608.7
申请日：2024-05-30
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网电力科学研究院有限公司 , 国网安徽省电力有限公司 , 国网安徽省电力有限公司超高压分公司
IPC分类号： G06F30/27 , G06N3/0499 , G06N3/084 , G06F119/10
摘要： 本发明公开了一种机理数据混合驱动的变压器噪声计算方法、系统及设备，属于电网运行安全技术领域，方法包括基于变压器声波传播数学模型建立前馈神经网络模型的物理约束损失函数；通过物理约束损失函数对前馈神经网络模型进行训练，在训练完成的前馈神经网络模型中输入不同的位置信息和时间信息，输出对应的位移分布信息；通过对位移分布信息进行声能量和声压转换，得到变压器内噪声分布。本发明构建了物理约束神经网络作为声场分布建模的替代模型，通过对位移分布信息进行声能量和声压转换，即可得到变压器内噪声分布，提升了建模效率。同时，在构建深度学习替代模型的过程中考虑了物理机制的影响，提升了计算精度、可解释性与可靠性。
-
公开(公告)号：CN117932328A
公开(公告)日：2024-04-26
申请号：CN202311688623.8
申请日：2023-12-09
申请人： 中国电力科学研究院有限公司 , 国网福建省电力有限公司 , 国网福建省电力有限公司电力科学研究院 , 国家电网有限公司
IPC分类号： G06F18/214 , G06N5/022 , G06F18/24 , G06N5/04 , G06F18/213 , G06N3/0464
摘要： 本发明公开了一种变压器故障溯因推理方法、系统及相关设备，首先以设备多种监测数据和故障信息为节点构建多模态故障子图，其次通过特征提取模型获取子图中各模态节点的特征表示，然后利用归纳式图表示学习模型聚合邻居特征信息以更新故障节点嵌入，最后计算故障节点嵌入与故障原因语义表示的关联度进而实现故障成因推理。本发明基于归纳式图表示学习的故障溯因推理模型通过学习产生节点嵌入的映射，避免了对特定图结构的依赖，易于扩展至图结构变化的故障子图，具有良好的可扩展性和普适性。
-
-
-
-
-
-
-
-
-
搜索结果
46 条记录 (耗时 0.078 秒)
