-
公开(公告)号:CN118759413A
公开(公告)日:2024-10-11
申请号:CN202410771254.7
申请日:2024-06-14
申请人: 国网内蒙古东部电力有限公司 , 国网内蒙古东部电力有限公司电力科学研究院 , 国家电网有限公司
摘要: 本发明提出了基于气体成分和电压电流的变压器故障检测方法及系统,涉及变压器故障检测领域,具体方案包括:实时采集变压器周围的气体成分和电压电流,分别形成气体成分和电流电压的时序数据;对气体成分时序数据和电流电压时序数据进行融合,得到串行数据流;通过深度学习模型将串行数据流转换为故障语义信息流,从而得到变压器故障检测结果;本发明基于气体成分与电压电流融合后的数据,进行变压器故障检测,提高变压器故障检测的精确度。
-
公开(公告)号:CN118820878A
公开(公告)日:2024-10-22
申请号:CN202410771258.5
申请日:2024-06-14
申请人: 国网内蒙古东部电力有限公司 , 国网内蒙古东部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: G06F18/241 , G06F18/25 , G06F18/213 , G06N3/0499 , G06N3/08 , G01R31/62 , G10L25/51 , G10L25/30 , G10L25/03
摘要: 本发明提供了一种融合声纹和油温特征的变压器故障检测方法及系统,涉及变压器故障检测技术领域,所述方法包括:获取变压器的声纹数据和油温数据;融合声纹数据和油温数据,得到输入特征序列;将输入特征序列输入至故障检测模型中,得到故障检测结果;其中,所述故障检测模型为RetNet模型,所述融合声纹数据和油温数据,得到输入特征序列,包括,将声纹数据和油温数据进行数据对齐,对对齐后的数据进行特征提取,得到声纹数据特征和油温数据特征,并拼接声纹数据特征和油温数据特征,得到输入特征序列。本发明能够提高变压器故障检测的效率。
-
公开(公告)号:CN118839209A
公开(公告)日:2024-10-25
申请号:CN202410771279.7
申请日:2024-06-14
申请人: 国网内蒙古东部电力有限公司 , 国网内蒙古东部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: G06F18/241 , G06F18/213 , G06F18/27 , G06N3/0442 , G06N3/096 , G06N3/0985 , G06F123/02
摘要: 本发明提供了一种变电设备故障预测方法及系统,涉及故障预测技术领域,所述方法包括:获取变电设备的历史运行数据;将历史运行数据输入故障预测模型中,得到故障预测结果;其中,所述故障预测模型在故障预测的每个时间步中,均进行状态数值预测和故障类别预测。本发明能够降低预测过程中的累积误差,提高故障预测的准确性。
-
公开(公告)号:CN118606647A
公开(公告)日:2024-09-06
申请号:CN202410694887.2
申请日:2024-05-31
申请人: 国网智能电网研究院有限公司 , 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国家电网有限公司
IPC分类号: G06F18/20 , G06N3/0455 , G06N3/0895 , G06F30/20 , G06F123/02 , G06F119/08
摘要: 本发明提供了变压器温度场预测模型的构建及温度场预测方法和系统,包括:获取变压器在不同仿真条件下的多个历史温度场数据;基于多个历史温度场数据的空间特征对网络模型进行自监督预训练得到预训练后的网络模型;基于多个历史温度场数据的时序特征对预训练后的网络模型进行训练得到变压器温度场预测模型;将多个历史时刻的实际温度场数据输入变压器温度场预测模型,得到下一时刻的预测温度场数据;本方案通过利用空间特征和时间特征先后对网络模型优化,实现了时间和空间信息的解耦,即网络训练时先优化空间特征方向再优化时间特征方向,不存在优化方向不明确的问题,降低了模型训练难度,有效提升了变压器温度场预测精度。
-
公开(公告)号:CN117172365A
公开(公告)日:2023-12-05
申请号:CN202311125641.5
申请日:2023-09-01
申请人: 国网智能电网研究院有限公司 , 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: G06Q10/04 , G06Q50/06 , G06Q10/0639 , G06N3/04
摘要: 本发明涉及变压器技术领域,具体涉及变压器状态量预测方法、装置、计算机设备及存储介质。该方法包括:获取变压器状态量时间序列,对变压器状态量时间序列重构得到变压器状态量混沌相空间;采用Lyapunov指数预测方法对变压器状态量混沌相空间进行预测,得到第一候选值;采用Volterra级数预测方法对变压器状态量混沌相空间进行预测,得到第二候选值;根据第一候选值和第二候选值确定预测值。本实施例中,基于状态量在混沌相空间中自身的混沌特征进行预测,用相空间中状态量非线性时序变化规律替代欧氏空间中的时序变化规律,利用相空间预测方法仅依赖自身混沌特征且不依赖拟合模型和样本规模的优势实现对变压器状态量的准确预测。
-
公开(公告)号:CN115115919A
公开(公告)日:2022-09-27
申请号:CN202210729999.8
申请日:2022-06-24
申请人: 国网智能电网研究院有限公司 , 国网安徽省电力有限公司超高压分公司 , 国家电网有限公司
摘要: 本发明提供了一种电网设备热缺陷识别方法及装置,其中,电网设备热缺陷识别方法包括:获取待识别电网设备的可见光和红外光图像特征;对可见光图像特征和红外光图像特征进行跨模态特征信息交互,得到合成模态共享特征;分别提取可见光模态的第一互补特征和红外光模态的第二互补特征;利用第一互补特征、第二互补特征分别对可见光图像特征和红外光图像特征进行增强,得到增强后的可见光图像特征和红外光图像特征;对增强后的可见光图像特征和红外光图像特征进行跨模态特征融合,得到融合特征;将融合特征输入预设电网设备热缺陷识别模型,得到待识别电网设备的热缺陷识别结果。充分利用融合特征识别电网设备热缺陷,大幅提高电网设备的检修效率。
-
公开(公告)号:CN113591758A
公开(公告)日:2021-11-02
申请号:CN202110905571.X
申请日:2021-08-06
申请人: 全球能源互联网研究院有限公司 , 国网山东省电力公司枣庄供电公司 , 国家电网有限公司
摘要: 本发明公开了一种人体行为识别模型训练方法、装置及计算机设备,其中,该方法包括:获取检测数据集;根据预设行为类别标签对检测数据集进行筛选,得到交互行为样本子集和非交互行为样本子集;根据交互行为样本子集和非交互行为样本子集对预设检测算法进行训练,得到对象检测器;根据对象检测器对检测数据集的检测结果构建目标对象和交互对象的时空管道;根据目标对象和交互对象的时空管道生成交互语义特征向量;根据交互语义特征向量输入到预设神经网络模型进行训练,得到人体行为识别模型。通过实施本发明,克服现有技术中基于深度学习的人体行为识别模型训练方法缺乏对重要语义线索的凝练的问题,提高了人体行为准确率。
-
公开(公告)号:CN110705389A
公开(公告)日:2020-01-17
申请号:CN201910870913.1
申请日:2019-09-16
申请人: 全球能源互联网研究院有限公司 , 国家电网有限公司
摘要: 本发明提供了一种电网作业行为的识别方法及系统,该方法包括:获取电网作业现场的离线视频数据及各待监测目标的实时监控视频数据;构建作业行为识别网络模型,根据离线视频数据对作业行为识别网络模型进行训练,得到标准作业行为识别网络模型;根据标准作业行为识别网络模型,对实时监控视频数据进行识别,生成各待监测目标的识别结果。通过构建的作业行为识别网络模型,对实时监控的视频进行行为识别,保证了输入数据的有效性,提高了算法对于目标识别的精准度,对电网作业场景等施工环境相对复杂场景下的作业人员的违章行为进行及时有效的识别与监测。
-
公开(公告)号:CN118038107A
公开(公告)日:2024-05-14
申请号:CN202211382859.4
申请日:2022-11-04
申请人: 国网智能电网研究院有限公司 , 国家电网有限公司
IPC分类号: G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08 , G08B21/18
摘要: 本发明公开了一种输电线路的施工机械隐患检测方法、装置及存储介质,包括:获取输电线路周围的图像数据;将图像数据输入至施工机械识别模型中,得到识别结果;当识别结果中包括施工机械时,根据识别结果中目标框的高度信息以及预先获取的杆塔的数据判断施工机械是否处于输电线路防护通道内;基于是否处于输电线路防护通道内以及施工机械的运动状态、工作状态确定输电线路安全威胁预警等级。通过实施本发明,使用施工机械识别模型辅助施工机械安全威胁的识别和判断,提高巡检效率,降低巡检成本。同时,把逻辑计算与深度学习结合起来,在现有的输电线路检测技术上增加了多种可能的安全威胁预警的考虑因素,可以得到更加全面具体准确的预警方案。
-
公开(公告)号:CN117593280A
公开(公告)日:2024-02-23
申请号:CN202311649143.0
申请日:2023-12-04
IPC分类号: G06T7/00 , G06V10/774 , G06V10/764
摘要: 本申请公开了一种图像质量评估模型训练方法、装置及存储介质,涉及计算机技术领域,用于提升模型的泛化性能。该方法包括:对N个第一样本图像进行多次图像劣化增强,得到M个第一劣化增强图像;基于M个第一劣化增强图像,得到对比样本集合,对比样本集合包括一对正样本对和多对负样本对;对E个第二样本图像进行一次或多次图像劣化增强,得到F个第二劣化增强图像;基于F个第二劣化增强图像和E个第二样本图像,得到序列样本集合,序列样本集合包括E个样本序列,一个样本序列对应一个第二样本图像;基于对比样本集合和序列样本集合,对图像质量评估模型中的特征提取模块进行联合训练,得到训练后的图像质量评估模型。
-
-
-
-
-
-
-
-
-