-
公开(公告)号：CN115800538A
公开(公告)日：2023-03-14
申请号：CN202211536392.4
申请日：2022-12-01
Applicant: 国网四川省电力公司电力科学研究院 , 四川省创世华软科技有限公司
IPC: H02J13/00
Abstract: 本发明提供的基于人工智能的智能电网运维监控方法及系统，涉及数据处理技术领域。在本发明中，可以先对目标电网组件进行数据提取处理，以得到目标电网组件对应的历史电网运行数据；再分别计算历史电网运行数据和预先配置的参考电网运行数据集合包括的每一个参考电网运行数据之间的数据相关度；最后，依据历史电网运行数据和每一个参考电网运行数据之间的数据相关度，并结合预先为每一个参考电网运行数据配置的异常程度参考值，分析输出历史电网运行数据对应的异常程度表征值，再基于异常程度表征值确定出目标电网组件对应的目标运行安全度。基于上述内容，可以在一定程度上提高运行安全分析的可靠度。
-
公开(公告)号：CN119557716A
公开(公告)日：2025-03-04
申请号：CN202510122297.7
申请日：2025-01-26
Applicant: 国网四川省电力公司电力科学研究院
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06V10/72 , G06F16/36 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N5/04 , G06N5/02
Abstract: 本发明涉及数据处理领域，具体涉及一种用于电力设备缺陷检测的方法及相关产品，方法包括：获取电力设备的缺陷图像数据和文本数据，并对图像数据和文本数据进行预处理，构建电力设备关联知识图谱，通过交叉注意力机制将视觉检测特征与知识图谱特征融合，生成多模态联合特征；基于多模态联合特征对LLaVA模型的微调，获得缺陷检测模型；获取实时图像，输入缺陷检测模型，完成电力设备缺陷检测；本发明通过多模态数据融合技术，充分利用电力设备的视觉数据、文本数据及关联知识图谱，解决了传统单一数据源检测方法在复杂场景下的不足。
-
公开(公告)号：CN119339242A
公开(公告)日：2025-01-21
申请号：CN202411493291.2
申请日：2024-10-24
Applicant: 国网四川省电力公司电力科学研究院
IPC: G06V20/10 , G06V20/70 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0455
Abstract: 本发明属于山火监测技术领域，具体公开了基于多模态大模型的山火监测方法、系统及程序产品，通过将卷积神经网络与Transformer网络相结合，可以整合卷积神经网络的局部特征提取能力以及Transformer的全局上下文建模优势，增强模型深入解析数据的能力，包括图像分析和自然语言处理，以有效应对传统单一网络结构难以克服的复杂挑战，适用于要求细腻信息与宏观并重的山火监测场景。本发明在保持低资源占用及高效推理的的同时，可实现全局与局部细节的兼顾，为实际应用场景下的山火灾害监测提供高效解决方案，通过兼顾细腻信息与宏观并重的信息，能够应对山火中远近以及白天黑夜等复杂监测场景。
-
公开(公告)号：CN118802534A
公开(公告)日：2024-10-18
申请号：CN202410973101.0
申请日：2022-07-26
Applicant: 国网四川省电力公司电力科学研究院
IPC: H04L41/082 , H04L41/16 , H04L67/12 , H04L67/289
Abstract: 本发明公开了一种电力物联网AI赋能云边协同中间件及其系统，包括北向接口单元、南向接口单元、控制接口单元、AI分析单元和模型库；北向接口单元用于解析并将电网管理平台下发的消息转换为北向消息，将南向接口单元上传的电力终端设备采集的数据和AI分析单元的分析结果上传至电网管理平台；南向接口单元用于将终端设备信息采集指令转发给电力终端设备，并接收解析电力终端设备上传的数据；控制接口单元用于将终端设备控制指令转发给电力终端设备；AI分析单元响应于接收分析指令，利用AI分析模型对电力终端设备采集的数据进行分析。本发明通过中间件实现电力终端设备和电网管理平台的有效连接，仅需对中间件进行升级维护，减小升级维护的工作量。
-
公开(公告)号：CN118797931A
公开(公告)日：2024-10-18
申请号：CN202410858038.6
申请日：2024-06-28
Applicant: 国网四川省电力公司电力科学研究院
Abstract: 本发明公开了一种基于改进蜣螂优化算法的PMU配置方法，涉及PMU优化配置技术领域。本发明通过划分关键节点、重要线路，保证关键节点至少被两个PMU所观测，重要线路至少有一端能被PMU直接观测，从而确保系统在发生故障是仍能保持稳定，同时考虑了零注入节点，利用在有零注入节点的电网中存在计算节点，减少PMU的配置数量，从而显著降低了配置成本，同时降低了求解数量，使得全局寻优能力提高，通过在蜣螂算法中采用Sigmoid转换函数将连续位置转换为节点配置的二维问题，解决了传统启发式优化方法容易陷入局部最优的问题，通过带精英策略的非支配排序保留精英个体，提高了蜣螂算法的收敛性、多样性、稳健性，简化了参数设置，并且加速了解决方案的搜索。
-
Patent Agency Ranking
-
公开(公告)号：CN117274748A
公开(公告)日：2023-12-22
申请号：CN202311526946.7
申请日：2023-11-16
Applicant: 国网四川省电力公司电力科学研究院
IPC: G06V10/774 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/048 , G06N3/08
Abstract: 本发明一种基于离群抑制的终生学习电力模型训练及检测方法，该方法包括：获取输配电线路电力缺陷图像数据；训练得到电力缺陷检测模型；通过密集区域融合算法对电力缺陷检测模型中特征金字塔模块的离群数据进行自适应抑制，优化并得到最终训练好的电力缺陷检测模型；使用已训练的电力缺陷检测模型对输配电线路电力缺陷图像数据进行缺陷检测。本发明通过在终生学习过程中对电力缺陷图像数据的持续增量训练，以及自适应地抑制离群数据，有效地抑制了模型中的异常参数，解决了现有训练方法中全量更新引发的异常参数问题，以及部分参数冻结更新导致的样本特征学习不完整问题，进而提高了检测的精度。
-
公开(公告)号：CN117033947B
公开(公告)日：2023-12-22
申请号：CN202311287544.6
申请日：2023-10-08
Applicant: 国网四川省电力公司电力科学研究院
Abstract: 本发明一种隐私保护的云边协同的频繁项目挖掘方法，包括以下步骤：将真实项目域编码为虚拟项目域；云边端协同挖掘k1个频繁虚拟项目；基于频繁虚拟项目构建云端频率表征矩阵；将云端频率表征矩阵和所有边端进行分组并配对；各边端基于所在边端组与对应频率子矩阵获得信息表征矩阵，并将信息表征矩阵进行向量化表征；各边端对本地向量进行扰动获得扰动值及扰动序号；云端聚合各边端组的扰动值及扰动序号，获得对应的频率恢复子矩阵，进而获得频率恢复矩阵；云边端协同融合隐私保护技术挖掘频(56)对比文件Ling Qiu 等.Preserving privacy inassociation rule mining with bloomfilters《.J Intell Inf Syst 》.2007,253–278.Haonan Wu 等.Mining frequent itemsfrom high-dimensional set-valued dataunder local differential privacyprotection《.Expert Systems WithApplications》.2023,1-13.Beibei Li 等.EPPSQ: Achievingefficient and privacy-preservingstatistics queries over encrypted data insmart grids《.Future Generation ComputerSystems》.2023,1-15.
-
公开(公告)号：CN117033947A
公开(公告)日：2023-11-10
申请号：CN202311287544.6
申请日：2023-10-08
Applicant: 国网四川省电力公司电力科学研究院
Abstract: 本发明一种隐私保护的云边协同的频繁项目挖掘方法，包括以下步骤：将真实项目域编码为虚拟项目域；云边端协同挖掘k1个频繁虚拟项目；基于频繁虚拟项目构建云端频率表征矩阵；将云端频率表征矩阵和所有边端进行分组并配对；各边端基于所在边端组与对应频率子矩阵获得信息表征矩阵，并将信息表征矩阵进行向量化表征；各边端对本地向量进行扰动获得扰动值及扰动序号；云端聚合各边端组的扰动值及扰动序号，获得对应的频率恢复子矩阵，进而获得频率恢复矩阵；云边端协同融合隐私保护技术挖掘频繁项目。本发明采用本地差分隐私技术，在云端不可信的情况下，保证边端数据的隐私性的同时实现安全可靠的云边端协同的频繁项目挖掘。
-
公开(公告)号：CN114878748B
公开(公告)日：2023-07-04
申请号：CN202210490954.X
申请日：2022-05-07
Applicant: 国网四川省电力公司电力科学研究院
Abstract: 本发明公开了一种CO2排放量的监测方法及监测系统，获取第一数据与第二数据；采用面积加权平均法对第一数据进行处理，获得第三数据；采用时间插值、空间卷积方法，对第二数据进行处理，获得第四数据；将第三数据与第四数据根据所在1km网格和时间匹配，形成训练数据集，采用机器学习方法建模填补目标区域的全面域NO2柱浓度时空分布；将填补后的NO2柱浓度时空分布与风速风向相匹配，采用线密度拟合方法计算获得各个风向下的平均NOx排放量；将NOx排放量，结合CO2‑NOx比例因子，获得CO2的排放量；本发明的有益效果为提高了对CO2排放量计算的准确性及动态更新的频率，为减排降碳工作提供了实时数据支撑。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.075 seconds)
