一种电力施工现场用全方位监控系统

    公开(公告)号:CN115733951A

    公开(公告)日:2023-03-03

    申请号:CN202110996925.6

    申请日:2021-08-27

    Abstract: 本发明公开了一种电力施工现场用全方位监控系统,包括:电力施工现场监控系统、基站和终端;电力施工现场监控系统包括:设备监测装置、视频监控装置、红外监控装置和身份识别装置;基站包括:设备数据库、违规行为数据库和人员基本信息数据库;终端包括:设备监测单元、视频监控单元、红外监控单元、身份识别单元和报警单元;电力施工现场监控系统获取的各种信息传输给终端,终端读取相关信息后传输至基站中进行处理,最终的处理结果由基站回传给终端。本发明可以对电力设备、人员基本信息及施工人员的操作行为进行全面管控,便于对施工现场涉及质量的所有因素进行监督和管理,有利于提高电力施工的质量和进度。

    一种基于深度置信网络与权值共享的负荷预测方法

    公开(公告)号:CN111667090A

    公开(公告)日:2020-09-15

    申请号:CN202010216927.4

    申请日:2020-03-25

    Abstract: 一种基于深度置信网络与权值共享的负荷预测方法,包括以下步骤:S1、建立深度置信网模型;S2、建立权值共享模型;S3、结合S1及S2建立基于深度置信网络与权值共享的负荷预测模型;该预测方法以区域负荷为研究对象,采用基于受限玻尔兹曼机的深度置信网络对多个目标回归拟合,发挥模型优势,并对企业与企业间相关性进行分析,通过算例测试表明本发明适用于区域负荷预测场景,而且与传统预测方法相比,预测精度提升,且利用置信网络技术和权值共享理念提高负荷之间的复杂共享信息互相学习效率和提升抽象特征的训练效果;置信网络技术和权值共享理念相互结合可以各自相互改进自身弊端,最终生成最优的预测模型。

    一种基于自适应神经网络与TLBO算法的负荷预测方法

    公开(公告)号:CN111563614A

    公开(公告)日:2020-08-21

    申请号:CN202010304030.7

    申请日:2020-04-17

    Abstract: 一种基于自适应神经网络与TLBO算法的负荷预测方法,包括以下步骤:1、构建TLBO的改进模型;2、数据预处理;3、初始化改进的TLBO算法的主要参数;4、根据式(1)进行教学过程,学生通过向老师学习来提高自己的各科成绩,然后利用式(4)进行学生之间的互动学习;5、根据式(2)对互动后的个体进行变异操作,并更新种群个体;6、判断循环是否结束,如果已经达到最大迭代次数,将此时个体获得的最优成绩赋值给ANFIS模型中惩罚因子c和核参数σ;否则,循环步骤3到5,通过改进的TLBO算法优化ANFIS预测短期负荷模型的平均绝对误差和均方根误差的值都小于PSO-ANFIS和TLBO-ANFIS预测模型的值,具有较高的预测精度和较强的泛化能力,而且预测结果更接近实际值。

Patent Agency Ranking