-
公开(公告)号：CN109856517B
公开(公告)日：2021-02-23
申请号：CN201910247454.1
申请日：2019-03-29
Applicant: 国家电网有限公司 , 国网安徽省电力有限公司电力科学研究院
IPC: G01R31/12
Abstract: 本发明公开了一种特高压设备局部放电检测数据的判别方法，包括：将连续的超声波频率信号经采样降至人耳可听到的连续声波频率信号；连续截取一个设定时间长度的帧声波频率信号；提取帧声波频率信号的梅尔频率倒谱系数作为待识别故障放电特征；将提取的待识别故障放电特征送入CNN卷积神经网络，经CNN卷积神经网络分析进入CNN卷积神经网络输出分类层的故障分类器；CNN卷积神经网络根据事先对已知故障放电特征学习形成的故障分类器，识别待识别故障放电特征并输出待识别故障放电类型。本发明直接用卷积神经网络CNN对故障类型进行模式学习和识别，提高了识别的准确率，减少或者避免了人工干预。
-
公开(公告)号：CN109856517A
公开(公告)日：2019-06-07
申请号：CN201910247454.1
申请日：2019-03-29
Applicant: 国家电网有限公司 , 国网安徽省电力有限公司电力科学研究院
IPC: G01R31/12
Abstract: 本发明公开了一种特高压设备局部放电检测数据的判别方法，包括：将连续的超声波频率信号经采样降至人耳可听到的连续声波频率信号；连续截取一个设定时间长度的帧声波频率信号；提取帧声波频率信号的梅尔频率倒谱系数作为待识别故障放电特征；将提取的待识别故障放电特征送入CNN卷积神经网络，经CNN卷积神经网络分析进入CNN卷积神经网络输出分类层的故障分类器；CNN卷积神经网络根据事先对已知故障放电特征学习形成的故障分类器，识别待识别故障放电特征并输出待识别故障放电类型。本发明直接用卷积神经网络CNN对故障类型进行模式学习和识别，提高了识别的准确率，减少或者避免了人工干预。
-
公开(公告)号：CN119314011A
公开(公告)日：2025-01-14
申请号：CN202411343944.9
申请日：2024-09-25
Applicant: 国网安徽省电力有限公司电力科学研究院
IPC: G06V10/80 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455
Abstract: 本发明提供基于视觉查询微调的视觉大模型训练方法及系统，系统包括：输入图像进行分块处理；对前述步骤中的特征向量进行位置编码；微调视觉查询编码器；将视觉查询微调编码器的输出给到多层感知机头网络进行结果预测；训练时根据数据集的真值与预测值进行损失函数计算。本发明解决了计算成本高、参数效率低、模型性能较差以及信息丢失的技术问题。
-
公开(公告)号：CN118154447B
公开(公告)日：2024-08-20
申请号：CN202410578624.5
申请日：2024-05-11
Applicant: 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
Abstract: 本发明提供基于引导频率损失函数的图像恢复方法及系统，方法包括：构建第一质量图像数据集、第二质量图像数据集，划分得到训练集、验证集；将相邻两层高斯金字塔图像取出，以对第一质量图像数据集、第二质量图像数据集中的小尺寸图像进行上采样，得到不少于2种相同尺寸图像，做差得到一层输入拉普拉斯图像，将最小尺寸图像作为拉普拉斯金字塔最底层，构建图像拉普拉斯金字塔，根据沙博尼耶损失、拉普拉斯金字塔损失和迭代层次化高频分量损失确定引导频率损失，利用引导频率损失收敛模型；验证模型。本发明解决了图像恢复质量较差、系统鲁棒性较差的技术问题。
-
公开(公告)号：CN118279289A
公开(公告)日：2024-07-02
申请号：CN202410572037.5
申请日：2024-05-10
Applicant: 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: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/086
Abstract: 本发明提供一种电力设备视频图像缺陷识别方法及系统，方法包括：预训练初始残差神经网络，以得到适用缺陷分类残差神经网络；初始化问题潜在解粒子群位置、速度；计算每个问题潜在解粒子的适应值；利用粒子群优化算法持续迭代，寻获并更新得到局部更新最优解、全局更新最优解，以更新获取问题潜在解粒子的位置、速度；在满足粒子群优化算法的结束条件时结束持续迭代，根据更新获取的问题潜在解粒子的位置、速度，输出最佳位置参数，以利用适用缺陷分类残差神经网络，处理得到电力设备视频图像中的缺陷坐标位置。本发明解决了电力设备视频图像缺陷识别过程中的标记操作效率低、准确性低、检测模型的计算量大、网络结构复杂的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN118245749A
公开(公告)日：2024-06-25
申请号：CN202410318869.4
申请日：2024-03-20
Applicant: 国网安徽省电力有限公司电力科学研究院 , 中国电力科学研究院有限公司 , 国网智能电网研究院有限公司 , 安徽南瑞继远电网技术有限公司
Abstract: 本发明公开了一种红外检测图谱温度数据解析方法，包括：获取一张针对被检测设备带有温度的红外图谱图像；使用Canvas工具将画布与图谱图像相对应进行编辑操作形成与图谱图像相对应、具有温度点坐标的画布；确定被检测设备在画布上的坐标区域；根据温度点坐标确定画布上不同温度范围区域，以及不同温度范围区域在被检测设备的位置，进而实现图谱温度数据解析；本发明通过解析图谱中的温度数据和canvas绘制图谱实现对图谱的实时编辑并获取特定位置的温度值，能够更好地辅助电力设备的维护和管理，解决了传统技术在获取特定位置温度值方面的不准确性问题，有效评估设备状态和进行故障诊断，提高了电力设备带电红外检测的准确性和效率。
-
公开(公告)号：CN113591985B
公开(公告)日：2023-12-15
申请号：CN202110872724.5
申请日：2021-07-30
Applicant: 国网安徽省电力有限公司电力科学研究院 , 西安交通大学
IPC: G06F18/24 , G06F18/25 , G06F18/22 , G06F18/15 , G06F17/15 , G06F17/16 , G06Q10/20 , G06Q10/0639 , G06Q50/06
Abstract: 本发明公开了基于数据融合的特高压GIS运行状态综合诊断方法和系统，其特征在于，包括获取各部分传感器的现场采集数据，经过滤波处理后，提取特征参数。应用可拓分析理论，构造评估特征参数的关联函数，以及关联函数值与评价目标的正态云隶属度函数，并计算得出评价指标对正常、注意、异常、严重四个运行状态的隶属度值。应用突变理论进行两层递归突变级数运算及评判，得到总突变隶属度值矩阵。应用D‑S证据理论对各证据的总突变隶属度矩阵进行融合，综合诊断GIS的运行状态。本发明可以实现特高压GIS开关设备运行状态在线监测和综合诊断，为开关设备的运维和检修提供理论依据和实践支撑。
-
公开(公告)号：CN116132631A
公开(公告)日：2023-05-16
申请号：CN202310046137.X
申请日：2023-01-31
Applicant: 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
Abstract: 本发明属于变电站远程巡视的技术领域，公开了避雷器泄漏电流表图像像素清晰度评估方法，包括如下步骤：S1、通过采集设备对避雷器泄漏电流表进行图像数据采集；S2、对步骤S1中的图像数据进行清晰度指标部署；S3、计算避雷器泄漏电流表在图像中占据的像素点个数和最小像元密度量以评估图像的清晰度。本发明解决了无人巡检过程中无法对设备图像清晰度进行评估的问题，适用于变电站摄像头的点位设置以及无人巡检。
-
公开(公告)号：CN115828088A
公开(公告)日：2023-03-21
申请号：CN202211421751.1
申请日：2022-11-14
Applicant: 国网安徽省电力有限公司电力科学研究院
IPC: G06F18/2131 , G01R31/00 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明涉及电力系统故障诊断技术领域，具体为基于深度学习的高压并联电抗器振动异常故障诊断方法，包括以下步骤：电抗器振动信号采集；数据预处理，将时序振动信号转化为图像信号；建立数据集；进行Incep‑DenseNet网络故障诊断训练与测试；有益效果为：本发明提出的基于深度学习的高压并联电抗器振动异常故障诊断方法通过多尺度特征提取和多层次特征融合的优势，能够挖掘隐藏在电抗器振动信号中的深度抽象数据特征，准确地建立故障数据特征与故障类型间的映射关系，实现高精度地高压电抗器振动异常故障高精度诊断。当面对海量数据时，基于Incep‑DenseNet深度学习网络的方法能够快速从复杂数据中提取鲁棒性好及故障敏感度高的特征，保证故障诊断的实时性和可靠性。
-
公开(公告)号：CN114897855A
公开(公告)日：2022-08-12
申请号：CN202210563948.2
申请日：2022-05-23
Applicant: 国网安徽省电力有限公司 , 国网安徽省电力有限公司电力科学研究院 , 四川赛康智能科技股份有限公司
Abstract: 本申请公开了基于X射线图片灰度值分布判定缺陷类型的方法，输入待检测X射线图片Pic1，建立OUV像素坐标，读取兴趣区域内任一个像素点的像素坐标pn（ux，vy）；读取灰度值为Cr的像素点确定图像斑块Kr，并对图像斑块Krm进行选择性部分腐蚀和重新赋值操作，并输入经训练完毕的对抗网络模型中进行判别并输出结果信息。本发明通过对缺陷图像斑块边界具有的无序性特性进行提取，同时加入缺陷图像斑块的像素面积与总面积的占比，以及缺陷图像斑块周围像素灰度值的一致性评价，再融合对抗网络模型进行判别，能够极大程度上精准判别缺陷的真实性和曲线类型的准确性。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.06 seconds)
