-
公开(公告)号：CN117033916B
公开(公告)日：2024-07-23
申请号：CN202310840149.X
申请日：2023-07-10
申请人： 国网四川省电力公司营销服务中心
IPC分类号： G06F18/15 , G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于神经网络的窃电检测方法，包括以下步骤：S1、数据预处理：对输入的数据集中存在的缺失情况进行预处理，填补缺失值，并对数据进行归一化处理；S2、根据窃电数据特征创建检测网络模型，使用处理好的数据集来训练模型；S3、加载模型，根据输入的电力消耗数据来进行检测。该发明的窃电检测方法通过利用卷积神经网络来提取数据周内与相邻周间信息，并利用自注意力机制来提取月份间的信息，且针对难以从复杂的序列模式提取出模式的依赖关系问题，对序列进行了分解，从而提高窃电检测的准确率并降低检测的假阳率。
-
公开(公告)号：CN115690686A
公开(公告)日：2023-02-03
申请号：CN202211404989.3
申请日：2022-11-10
申请人： 国网四川省电力公司营销服务中心
IPC分类号： G06V20/52 , G06V10/772 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于双向转置FPN跨层网络的山火监测方法，包括：获取山火烟雾数据集，山火烟雾数据集包括若干发生山火的图像；构建双向转置FPN跨层网络，并构建双向转置FPN跨层网络对应的损失函数；以山火烟雾数据集作为训练数据，以损失函数最小为目标，对双向转置FPN跨层网络进行训练，得到训练完成的双向转置FPN跨层网络；获取当前森林的图像信息，并以该图像信息作为双向转置FPN跨层网络的输入，获取山火监测结果。本发明通过构建双向转置FPN跨层网络，在实现山火监测的同时，提高了山火监测效果以及准确率。
-
公开(公告)号：CN115619013A
公开(公告)日：2023-01-17
申请号：CN202211226539.X
申请日：2022-10-09
申请人： 国网四川省电力公司营销服务中心
IPC分类号： G06Q10/04 , G06Q50/02 , G06F18/214 , G06F18/25 , G06F18/2431
摘要： 本发明涉及多类型异质传感器信息融合技术领域，公开了一种多传感器信息融合火灾预测算法、系统、电子设备及介质，包括：S1、获取数据库中的样本数据；S2、对所述数据集中的样本数据进行预处理；S3、将预处理后的所述数据集中的样本数据按照比例划分为训练集、测试集和验证集，并将所述训练集中的样本数据利用机器学习算法提取数据特征，得到每个样本数据各属性值的重要度；S4、建立预测模型，将所述训练集输入至所述预测模型中进行训练；S5、将所述测试集中的样本数据送入到所述预测模型中对预测模型进行修正。本发明通过找出各属性与火灾发生之间的内在联系，减少传感器抢占信道资源的情况发生，降低功耗的同时并保证准确地做出火灾预警。
-
公开(公告)号：CN115034474A
公开(公告)日：2022-09-09
申请号：CN202210654960.4
申请日：2022-06-10
申请人： 国网四川省电力公司营销服务中心
摘要： 本发明公开了一种短期电力负荷预测方法及预测系统，获取第一序列数据集；将第一序列数据集划为若干第二序列数据集；选择任意一个第二序列数据集，采用差分自回归移动平均方法对第二序列数据集处理，获得第一电力负荷序列数据；采用BP神经网络方法对第二序列数据集处理，获得第二电力负荷序列数据；构建第一目标函数，并采用混沌粒子群算法进行处理，获得第一权重系数以及第二权重系数，遍历所有第二序列数据集，获得若干第一权重系数以及若干第二权重系数；计算获得第n+1天的第一权重系数与第二权重系数；计算获得第n+1天的电力负荷数据；本发明的有益效果为提高了对电力负荷序列数据预测的准确度，增加了对电力负荷序列数据的精度。
-
公开(公告)号：CN114978981A
公开(公告)日：2022-08-30
申请号：CN202210549615.4
申请日：2022-05-20
申请人： 国网四川省电力公司营销服务中心
摘要： 本发明公开了一种新型电力系统物联感知路由交换发现方法及系统，在未知智慧物联网络环境中其他节点的初始路由信息的情况下，通过各节点向其邻接表中的其他各个节点之间相互发送路由信息来使各个节点实时更新自身路由信息，保证网络中每个节点都能及时、有效的发现网络其他节点的路由信息，避免信息遗漏或错漏的问题；传染算法在每个节点需要同时向所有能感知的节点发送路由信息，在每个节点需要高度动态变化，遇到路由变动较快的情况，难以保证所有的节点都能及时接收发现其他节点的路由并更新自身路由信息，而本方案中接收节点在根据接收的路由对自身路由更新后才进行本节点邻接表的循环，及时更新路由，保证路由的准确性。
-
公开(公告)号：CN113705476A
公开(公告)日：2021-11-26
申请号：CN202111008055.3
申请日：2021-08-30
申请人： 国网四川省电力公司营销服务中心
摘要： 本发明公开了一种基于神经网络的现场作业违章行为分析方法及系统，其中方法包括：建立基于前景区域分割模型的安全作业检测神经网络模型，所述前景区域分割的对象为安全作业区域；获取安全作业数据训练集，所述训练集包括由工作人员和工作环境构成的图像及与该图像对应的安全作业区域的背景掩膜；将所述训练集输入所述神经网络模型进行模型训练，得到训练后的神经网络模型；将待测图像输入所述训练后的神经网络模型进行安全作业区域分割预测，得到安全作业区域的背景掩膜；根据所述安全作业区域的背景掩膜的前景区域的面积判断工作人员是否存在违章行为。本发明在不会耗费较多人力、时间的前提下，也能及时发现现场作业中的违章行为。
-
公开(公告)号：CN116432136B
公开(公告)日：2024-07-23
申请号：CN202310486233.6
申请日：2023-04-28
申请人： 国网四川省电力公司营销服务中心
IPC分类号： G06F18/2433 , H02J13/00 , H02J3/00 , G06F18/15 , G06F18/214 , G06F18/23213 , G06N3/045 , G06N3/0464 , G06N3/084 , H04Q9/00 , H04W4/38 , H04W4/70 , H04W24/02 , G16Y10/35 , G16Y20/30 , G16Y40/10 , G16Y40/20
摘要： 本发明公开了一种基于用电采集系统的分布式用电异常检测方法，基于采集主站各类台区总表的历史负荷数据集，通过对各个台区进行用电行为特征分类，得到台区分类集；采集主站根据台区分类，分别将各种类别台区的子表历史用电数据进行预处理，构成学习样本集合群；各类台区所属的样本集包含若干数组，输入深度CNN‑BP神经网络模型进行训练；将训练完成各类网络模型的结构参数，分别下传至其用电行为特征所对应台区的采集终端中；在采集终端中将本地采集的数据输入该台区所对应的神经网络模型，得到用电异常行为检测结果，基于分类结果输出判定该用户是否为用电异常高嫌疑用户，并将高嫌疑用户编号随采集报文回传至采集主站。
-
公开(公告)号：CN118196526A
公开(公告)日：2024-06-14
申请号：CN202410373302.7
申请日：2024-03-29
申请人： 国网四川省电力公司营销服务中心
IPC分类号： G06V10/764 , G06Q50/06 , G06F21/60 , G06N3/0464 , G06F18/15
摘要： 本发明公开了一种基于数图转换的窃电行为检测方法，涉及数据处理以及识别技术领域，将数据进行数图转换，对数据进行了一次加密，提高了数据的安全性，降低了数据泄露的可能性，并且提高了数据耦合性，提升了窃电行为检测的准确性，且针对不同季节或者不同地区仅需要进行重新训练与参数调整，不需要进行复杂的变换，具有更强的泛化能力。
-
公开(公告)号：CN117559407A
公开(公告)日：2024-02-13
申请号：CN202311515769.2
申请日：2023-11-15
申请人： 国网四川省电力公司营销服务中心
摘要： 本发明公开了一种适用于新能源配网的异常用电行为定位方法，具体步骤如下：选择异常用电检查区域，标记感知测量节点；建立新能源配网拓扑结构矩阵T；建立新能源配网异常用电矩阵E；构建新能源配网异常行为定位矩阵P＝T+E；计算子区域异常值Sab；判断异常行为点。本发明既适用于大量节点计算机进行异常用电行为定位，也适用于小范围内人工定位；同时充分利用现有设备，对现有数据进行有效利用，基于现有线损数据和台区用户侧装设的小型化异常用电稽查装置，实现对新能源配网的异常用电行为定位。在满足主站在线定位要求的同时，适用于末端采集数据未接入主站或采集接入效果较差的新能源配网，具有良好的环境自适应能力。
-
公开(公告)号：CN112991093B
公开(公告)日：2024-02-02
申请号：CN202110197301.8
申请日：2021-02-22
申请人： 国网四川省电力公司营销服务中心
IPC分类号： G06Q50/06 , G06F18/23213 , G06F18/2413 , G06F18/2135 , G06N3/0464 , G06N20/20
摘要： 本发明公开的一种基于边缘计算的窃电检测方法和系统，系统包括用电信息采集模块、集中式数据处理中心、分类边缘式数据中心和多个边缘式数据中心，窃电检测工作由集中式数据中心与边缘式数据中心(包括多个边缘式数据中心和分类边缘式数据中心)分工合作，由多个边缘式数据中心分担了集中式数据中心的大量计算工作，分散式计算，节约带宽同时提高计算效率；集中式数据中心只参与历史数据和检测数据的预处理过程、历史数据的聚类过程；令具有K均值聚类模型的分类边缘式数据中心来对检测数据进行分类，聚类方法符合边缘计算中分布式处理的思想，提高运算速度和准确度。
-
-
-
-
-
-
-
-
-
搜索结果
72 条记录 (耗时 0.042 秒)
