-
公开(公告)号：CN118865346A
公开(公告)日：2024-10-29
申请号：CN202411337653.9
申请日：2024-09-25
Applicant: 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院 , 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 , 南京南瑞继保工程技术有限公司 , 国电南瑞科技股份有限公司
IPC: G06V20/60 , G06N3/045 , G06N3/0464 , G06N3/082 , G06V10/762 , G06V10/764 , G06V10/82
Abstract: 本发明公开了断路器触点状态低照度图像检测模型、训练方法、应用，将待识别的断路器图像输入训练好的PMSSD网络中，PMSSD网络包括PMSSD骨干网络和多预测框层；PMSSD骨干网络包括第一卷积模块、至少一个深度可分离卷积DW Conv模块、第二卷积模块，多预测框层被配置为接收多个PSE‑DW Conv模块和第二卷积模块输出的特征图，据此识别特征图中每个预测框的坐标以及每个预测框对应断路器触点状态的类别置信度，并过滤重叠度较大的预测框，剩余的预测框即为检测结果。本发明通过构造不同尺度特征图，提升检测模型对不同尺度断路器触点状态的鲁棒性。利用多个PSE‑DW Conv，在不同尺度引入注意力机制，使得检测模型关注触点状态重要信息，忽略背景等无关部分。
-
公开(公告)号：CN115081301B
公开(公告)日：2024-04-16
申请号：CN202210810787.2
申请日：2022-07-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
Inventor： 汪玉 , 陈艺 , 李宾宾 , 赵龙 , 秦琪 , 包佳佳 , 杨瑞雪 , 范明豪 , 亚彬 , 翟玥 , 陈庆涛 , 黄杰 , 刘鑫 , 王鑫 , 金雨楠 , 孙伟 , 李奇越 , 李帷韬 , 樊智奇
Abstract: 本发明公开了一种基于混合PSO‑MKPLS的碳排放量动态演化方法，其步骤包括：1、构建输入样本数据，包括数据的获取以及预处理；2、对数据进行时滞估计得到输入时滞差分矩阵；3、利用混合粒子群算法多核偏最小二乘回归进行多变量多重共线性的处理得到碳排放量的动态演化机理。本发明适用于多种重点控排企业，通过对指定控排企业的碳排放多种影响因素因素进行分析，考虑实际生产过程中的时滞现象，并利用改进的核偏最小二乘法进行碳排放量的动态演化机理模型的构建，利用混合粒子群改变核函数参数，从而可以更准确的拟合实际生产中的碳排放量。
-
公开(公告)号：CN116647052B
公开(公告)日：2023-10-03
申请号：CN202310899524.8
申请日：2023-07-21
Applicant: 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
IPC: H02J13/00 , H02J3/00 , G06Q10/0631 , G06Q50/06 , H04L67/12
Abstract: 本发明公开了基于多边云协同的智能变电站自动控制调度方法及系统，所述方法包括：根据变电站中传感器的位置确定边缘设备数目以及所处位置；变电站中传感器采集变电站内各类数据并通过数据流传输；将数据流分配到边缘设备或者云端，计算云端传输消耗；根据云端传输消耗以及边缘设备消耗的成本分别计算云端和边缘设备的收益；以收益最大为目标构建目标函数并建立约束条件；对目标函数求解，得出变电站的传感器数据流优化调度方案；本发明的优点在于：实现计算资源的合理分配的同时保证系统收益最大化，满足实际应用需求。
-
公开(公告)号：CN116647052A
公开(公告)日：2023-08-25
申请号：CN202310899524.8
申请日：2023-07-21
Applicant: 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
IPC: H02J13/00 , H02J3/00 , G06Q10/0631 , G06Q50/06 , H04L67/12
Abstract: 本发明公开了基于多边云协同的智能变电站自动控制调度方法及系统，所述方法包括：根据变电站中传感器的位置确定边缘设备数目以及所处位置；变电站中传感器采集变电站内各类数据并通过数据流传输；将数据流分配到边缘设备或者云端，计算云端传输消耗；根据云端传输消耗以及边缘设备消耗的成本分别计算云端和边缘设备的收益；以收益最大为目标构建目标函数并建立约束条件；对目标函数求解，得出变电站的传感器数据流优化调度方案；本发明的优点在于：实现计算资源的合理分配的同时保证系统收益最大化，满足实际应用需求。
-
公开(公告)号：CN115344566A
公开(公告)日：2022-11-15
申请号：CN202211000449.9
申请日：2022-08-19
Applicant: 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
Inventor： 赵龙 , 秦琪 , 陈艺 , 汪玉 , 李宾宾 , 杨瑞雪 , 包佳佳 , 丁洁 , 王鑫 , 金雨楠 , 范明豪 , 马亚彬 , 翟玥 , 陈庆涛 , 黄杰 , 刘鑫 , 孙伟 , 李奇越 , 李帷韬 , 顾玲玲
IPC: G06F16/215 , G06F17/14
Abstract: 本发明公开了一种基于小波分解和傅立叶变换的多能用量数据补全方法，其步骤包括：一、对采集的含碳特征能源消耗序列进行小波分解得到能耗周期特征序列和能耗趋势特征序列；二、基于曲线拟合得到预测能耗趋势特征序列；三、基于傅立叶级数拟合得到预测能耗周期特征序列；四、基于步骤二和步骤三通过小波重构实现对缺失数据的补全。本发明基于小波分解和傅立叶变换来构建数据补全模型，从而能实现对缺失的重点控排企业海量多能用量数据补全。
-
Patent Agency Ranking
公开(公告)号：CN115081301A
公开(公告)日：2022-09-20
申请号：CN202210810787.2
申请日：2022-07-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
Inventor： 汪玉 , 陈艺 , 李宾宾 , 赵龙 , 秦琪 , 包佳佳 , 杨瑞雪 , 范明豪 , 亚彬 , 翟玥 , 陈庆涛 , 黄杰 , 刘鑫 , 王鑫 , 金雨楠 , 孙伟 , 李奇越 , 李帷韬 , 樊智奇
Abstract: 本发明公开了一种基于混合PSO‑MKPLS的碳排放量动态演化方法，其步骤包括：1、构建输入样本数据，包括数据的获取以及预处理；2、对数据进行时滞估计得到输入时滞差分矩阵；3、利用混合粒子群算法多核偏最小二乘回归进行多变量多重共线性的处理得到碳排放量的动态演化机理。本发明适用于多种重点控排企业，通过对指定控排企业的碳排放多种影响因素因素进行分析，考虑实际生产过程中的时滞现象，并利用改进的核偏最小二乘法进行碳排放量的动态演化机理模型的构建，利用混合粒子群改变核函数参数，从而可以更准确的拟合实际生产中的碳排放量。
-
公开(公告)号：CN112016473B
公开(公告)日：2022-09-13
申请号：CN202010894524.5
申请日：2020-08-31
Applicant: 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
Abstract: 本发明公开了一种基于半监督学习和注意力机制的配电网高阻接地故障诊断方法，包括：1、将故障相电压时间序列数据集合分类成有标记样本集合和无标记样本集合；2、根据计算无标记样本和有标记样本集合的相似度更新两类样本集；3、利用有标记样本集合训练1NN分类器，并利用1NN分类器对无标记样本集合进行预测标注；4、构建基于注意力机制的LSTM‑CNN神经网络；5、利用注意力机制网络融合LSTM和CNN的特征向量；6、通过梯度下降反向传播算法更新LSTM‑CNN的神经网络参数。本发明使得故障检测模型具有时间、空间的特征表达能力，从而能提高配电网高阻接地的故障检测率。
-
公开(公告)号：CN112637806B
公开(公告)日：2022-07-05
申请号：CN202011478035.8
申请日：2020-12-15
Applicant: 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本发明公开了一种基于深度强化学习的变电站监测系统及其资源调度方法，该系统包含N种不同类型传感器的无线传感器网络节点、深度强化学习智能体、电力无线专网基站、拥有多个神经网络的边缘设备和远程云端的系统，该系统采集电网状态进行基于神经网络的异常监测，有两种数据传输的方法：一是将传感器采集的数据通过LTE‑A无线通信接口传输到电力无线专网基站，再通过互联网传输到云端进行处理；二是将传感器采集的数据通过WIFI传输到边缘设备，选择不同的神经网络处理。本发明在时变的互联网时延的环境中，并在满足数据传输时延的要求下，能优化分配无线通信资源与边缘设备的计算资源，使得最大化系统的吞吐量。
-
公开(公告)号：CN114493925A
公开(公告)日：2022-05-13
申请号：CN202210124475.6
申请日：2022-02-10
Applicant: 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本发明公开了一种基于BERT与GCNN混合网络的非侵入式负荷分解方法，其步骤包括：1、采集居民用电负荷电力入口处的功率负荷数据并进行预处理；2、构建BERT‑GCNN负荷分解模型，包括输入层、功率嵌入层、BERT编码层、门控卷积层GCNN、解码输出层；3、利用数据集进行模型训练，从而得到负荷功率分解序列，实现非侵入式负荷分解。本发明能有效解决原非侵入式负荷分解中使用RNN及其变体网络带来的输入输出序列信息的长时依赖问题，所提出的模型能够实现并行计算，通过改进BERT模型降低了该结构层的时间与空间复杂度，同时对于引入的GCNN网络也实现了对负荷特征的关键筛选。
-
公开(公告)号：CN111291691A
公开(公告)日：2020-06-16
申请号：CN202010096393.6
申请日：2020-02-17
Applicant: 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本发明公开了一种基于深度学习的变电站二次设备仪表盘读数检测方法，包括：1、基于YOLOv3算法对仪表盘图像进行定位分类训练；2、利用训练好的YOLOv3模型，对所获取的实时图像进行仪表盘定位分类并进行裁剪保存；3、若分类结果为变压器温度表，使用hough变换获取温度表图像基准水平线和指针线，否则，使用OPENCV OCR和hough变换获取电流表和电压表图像类别标签、数字量程和指针线；4、计算仪表盘读数，并在边缘侧保存读数数据；5、巡检机器人完成一次周期巡检后，将所有仪表盘读数通过无线网络上传至云端服务器。本发明能提高变电站无人抄表的数据检测率，从而满足变电站设备故障诊断的实际需求。
-
-
-
-
-
-
-
-
-
Search Results
354
records
(took 0.131 seconds)
