-
公开(公告)号：CN116090328A
公开(公告)日：2023-05-09
申请号：CN202211370447.9
申请日：2022-11-03
申请人： 国网四川省电力公司营销服务中心
IPC分类号： G06F30/27 , G06N3/0475 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06N3/084 , G01R35/02 , G06F119/02 , G06F119/12
摘要： 本发明公开了一种电压互感器运行性能趋势预测方法与系统，通过获取电压互感器所处区域内的环境参数和性能参数的历史数据，捕获环境参数和性能参数的多元驱动时间序列的相关性；采用时间卷积注意力获取多元驱动时间序列的相关性中隐藏信息的时间序列相关性生成电压互感器性能参数预测值；构建多注意生成对抗网络，采用反向传播算法对多注意生成对抗网络进行训练，根据回传的梯度信息，更新网络中的参数；将电压互感器所处区域内环境参数和性能参数输入到训练后的对抗网络中，输出电压互感器所处区域内性能参数的未来预测值，实现电容式电压互感器运行性能变化趋势的预测，提高电容式电压互感器异常状态判定的精度和效率。
-
公开(公告)号：CN115062533A
公开(公告)日：2022-09-16
申请号：CN202210527512.8
申请日：2022-05-16
申请人： 国网四川省电力公司营销服务中心
摘要： 本发明公开了多元回归预测模型的构建、预测方法及介质，涉及电压互感器的电气测量技术领域，上述构建方法包括以下步骤：(1)获取单变量时间序列，多个上述单变量时间序列构成多变量时间序列矩阵，将上述多变量时间序列矩阵进行编码，得到多通道单变量时间序列矩阵；(2)从上述多通道单变量时间序列矩阵输入卷积层和循环层，分别提取短期模式数据和长期模式数据，结合上述短期模式数据和长期模式数据；(3)对结合后的上述短期模式数据和长期模式数据进行自回归处理，得到多元回归预测模型；解决了不能有效通过电压互感器性能变化的时间序列和非线性特征实现高精度的趋势预测的问题。
-
公开(公告)号：CN114581654A
公开(公告)日：2022-06-03
申请号：CN202210232945.0
申请日：2022-03-09
申请人： 国网四川省电力公司营销服务中心
IPC分类号： G06V10/25 , G06V10/762 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于互感器状态监测方法及装置，该方法通过超像素分割算法从所述训练互感器红外图像中提取校验故障区域样本，并对校验故障区域样本进行打标，在打标完成后，将校验故障区域样本和对应的标签输入到多尺度变换器深度神经网络中进行模型训练，以得到互感器故障状态监测模型，通过训练得到的互感器故障状态监测模型对故障位置进行分类识别，从而确定互感器的运行状态信息，提高互感器状态监测的准确性。
-
公开(公告)号：CN114118150A
公开(公告)日：2022-03-01
申请号：CN202111407604.4
申请日：2021-11-24
申请人： 国网四川省电力公司营销服务中心
摘要： 本发明公开了一种配电网单相接地故障选线方法及系统，所述方法包括：采集电网线路在不同故障场景下的电流数据，执行快速傅立叶变换以获得电流频谱数据；构建样本数据集，从样本数据集中随机选取一些样本数据进行标记并作为标记样本，剩余的样本数据作为未标记样本；将训练样本数据集X中的每个训练样本视为一个节点，构造KNN图，并计算对应的KNN图的加权邻接矩阵A；构建SGCNN模型，将训练样本数据集X和加权邻接矩阵A用作SGCNN模型的输入，然后利用训练样本数据集X对SGCNN模型进行训练，获取具有故障选线能力的训练后SGCNN模型，实现电网单相接地故障选线。本发明有效地实现了线路故障的自动特征提取和半监督分类。
-
公开(公告)号：CN114113909A
公开(公告)日：2022-03-01
申请号：CN202111470868.4
申请日：2021-12-03
申请人： 国网四川省电力公司营销服务中心
IPC分类号： G01R31/08
摘要： 本发明公开了一种配电网单相接地故障选线方法及系统，涉及电网电力技术领域，上述方法包括以下步骤：A1、构建故障检测模型和故障诊断模型；A2、接收数据至故障检测模型，判断线路是否故障，输出检测结果；A21、若线路正常，则输出表示正常线路的标志；A22、若线路故障，则输出表示故障线路的标志，并标记接收数据，生成错误数据集；A3、将错误数据集发送至故障诊断模型，根据错误数据集的类型选择故障诊断模型；A4、在故障诊断模型中对错误数据集进行Softmax激活函数计算，得到故障类别的概率，比对故障类别的概率选出概率最高者，输出故障线路的故障类别；解决了配电网单相接地故障线路可靠性低的问题。
-
公开(公告)号：CN117056874B
公开(公告)日：2024-08-13
申请号：CN202311040028.3
申请日：2023-08-17
申请人： 国网四川省电力公司营销服务中心
IPC分类号： G06F18/27 , G06F18/10 , G06F18/25 , G06F18/214 , G06N3/0455 , G06N3/08 , G06F123/02
摘要： 本发明公开了一种基于深度孪生自回归网络的无监督窃电检测方法，具体包括如下步骤：对原始数据进行预处理；通过滑动窗口获取子序列；通过深度孪生自回归网络将时间序列进行重构；计算输入序列在每个时刻的重构误差；计算样本离群度；通过阈值比较判定用电数据中的异常用户。通过两个孪生自回归子网络分别独立地对无标记的输入数据进行重构，再将重构误差预测数据中的正常样本，通过迭代训练来优化模型参数，避免了引入额外的噪声；利用多头自注意力机制捕捉用电数据中的时间依赖性、周期性和随机性等复杂特征，通过重构正常样本来学习数据的有效表示，解决现有检测方法对数据中相关特征提取不足问题，提升了对窃电行为检测的准确率。
-
公开(公告)号：CN118152965A
公开(公告)日：2024-06-07
申请号：CN202410394022.4
申请日：2024-04-02
申请人： 国网四川省电力公司营销服务中心 , 四川大学
IPC分类号： G06F18/2433 , G06N3/0895
摘要： 本发明公开了一种基于分类一致性的弱监督异常检测方法，具体包括如下步骤：原始数据输入；对原始数据进行预处理；计算并构造样本属性的模糊信息粒化；样本属性的分类一致性计算；计算所有样本的异常因子，得到异常评分；通过异常阈值比较判断数据中的异常对象。本发明通过模糊相似关系来对混合型数据进行统一表示，无需进行额外的数据格式转换，避免了重要信息的丢失；利用极少量标记数据来构造数据驱动的模糊决策系统，引入分类一致性来计算属性在异常检测中的重要性。通过融合分类一致性和对象异常因子来计算对象的异常评分，并利用标记数据计算异常阈值，有效地提升了混合型数据异常检测的准确率。
-
公开(公告)号：CN117056874A
公开(公告)日：2023-11-14
申请号：CN202311040028.3
申请日：2023-08-17
申请人： 国网四川省电力公司营销服务中心
IPC分类号： G06F18/27 , G06F18/10 , G06F18/25 , G06F18/214 , G06N3/0455 , G06N3/08 , G06F123/02
摘要： 本发明公开了一种基于深度孪生自回归网络的无监督窃电检测方法，具体包括如下步骤：对原始数据进行预处理；通过滑动窗口获取子序列；通过深度孪生自回归网络将时间序列进行重构；计算输入序列在每个时刻的重构误差；计算样本离群度；通过阈值比较判定用电数据中的异常用户。通过两个孪生自回归子网络分别独立地对无标记的输入数据进行重构，再将重构误差预测数据中的正常样本，通过迭代训练来优化模型参数，避免了引入额外的噪声；利用多头自注意力机制捕捉用电数据中的时间依赖性、周期性和随机性等复杂特征，通过重构正常样本来学习数据的有效表示，解决现有检测方法对数据中相关特征提取不足问题，提升了对窃电行为检测的准确率。
-
公开(公告)号：CN116564333A
公开(公告)日：2023-08-08
申请号：CN202310481828.2
申请日：2023-04-28
申请人： 国网四川省电力公司营销服务中心 , 四川大学
IPC分类号： G10L21/028 , G10L25/30
摘要： 本发明公开了一种基于时域声纹分离网络的变压器声纹盲分离方法，采集变压器的混叠声纹信号；将混叠声纹信号输入时域声纹分离网络；计算分离网络输出的信号与实际的源信号之间尺度不变的信噪比；通过反向传播算法更新分离网络参数；重复直到尺度不变的信噪比或迭代次数达到预设值，则停止训练；将训练好的时域声纹分离网络用于实际变压器声纹分离。本申请使用编码器‑解码器框架直接在时域中对信号进行建模，并对非负编码器输出执行源进行分离，并将分离问题简化为在编码器输出上计算源掩码，然后由解码器合成；相比于当前最先进的因果和非因果声纹分离算法，该分离方法适用于需要低功耗、实时实现的变压器声纹分离应用。
-
公开(公告)号：CN114492199A
公开(公告)日：2022-05-13
申请号：CN202210138807.6
申请日：2022-02-15
申请人： 国网四川省电力公司营销服务中心
IPC分类号： G06F30/27 , G06F119/02
摘要： 本发明公开了一种电压互感器性能的分析方法、系统、电子设备及介质，涉及电气测量技术领域，解决了现有技术无法有效地通过捕获性能变化的时间序列信息和非线性特征实现电压互感器高精度的趋势预测，其技术方案要点是：基于SFSMS算法所构建的树突状神经网络回归模型对测试数据集进行回归计算，将模型输出端的权重向量与最后一个训练数据集进行计算得到预测值，将预测值与测试数据集进行对比，基于其差值的大小即可得出预测值与真实的测试数据集之间的差距，如果差距很小，说明所得的预测值是接近真实值，那么将电压互感器的数据输入树突状神经网络回归模型所输出的值是可以用于对电容式电压互感器在一定时间段的运行状态的精确评估。
-
-
-
-
-
-
-
-
-
搜索结果
25 条记录 (耗时 0.042 秒)
