-
公开(公告)号：CN119149920B
公开(公告)日：2025-02-11
申请号：CN202411639383.7
申请日：2024-11-18
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学
IPC: G06F18/10 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F17/16 , G06F18/213 , G06F18/214
Abstract: 本发明提供一种时序数据补全方法及系统，方法包括：对直流换流变压器采集时序相关度运行数据，构建原始时序缺损数据集X0；对原始时序缺损数据集X0进行时间相关度的预处理得到时间相关预处理矩阵X1；将时间相关预处理矩阵X1输入CNN网络中进行数据序列整合得到整合矩阵X2；将整合矩阵X2送入双向长短时记忆神经网络Bi‑LSTM进行时间相关性预测学习得到时间相关性预测结果X3；将时间相关性预测结果X3送入反注意力层anti‑attention对预填数据降低注意力得到重构注意力矩阵X4；将重构注意力矩阵X4放入全连接输出层得到数据预测补全结果#imgabs0#。本发明解决了梯度消失、过度拟合以及补全数据的准确性低的技术问题。
-
公开(公告)号：CN119149920A
公开(公告)日：2024-12-17
申请号：CN202411639383.7
申请日：2024-11-18
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学
IPC: G06F18/10 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F17/16 , G06F18/213 , G06F18/214
Abstract: 本发明提供一种时序数据补全方法及系统，方法包括：对直流换流变压器采集时序相关度运行数据，构建原始时序缺损数据集X0；对原始时序缺损数据集X0进行时间相关度的预处理得到时间相关预处理矩阵X1；将时间相关预处理矩阵X1输入CNN网络中进行数据序列整合得到整合矩阵X2；将整合矩阵X2送入双向长短时记忆神经网络Bi‑LSTM进行时间相关性预测学习得到时间相关性预测结果X3；将时间相关性预测结果X3送入反注意力层anti‑attention对预填数据降低注意力得到重构注意力矩阵X4；将重构注意力矩阵X4放入全连接输出层得到数据预测补全结果#imgabs0#。本发明解决了梯度消失、过度拟合以及补全数据的准确性低的技术问题。
-
公开(公告)号：CN118378553A
公开(公告)日：2024-07-23
申请号：CN202410828402.4
申请日：2024-06-25
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学
Abstract: 本发明提供一种数字孪生模型构建方法及系统，方法包括：采集待建模设备的历史工况数据；从历史工况数据中获取并根据随机样本，基于随机配置网络SCN，对数字孪生模型进行初始建模，其中，根据历史工况数据设置训练集，利用训练集训练随机配置网络SCN，以得到初始模型M；通过主动学习操作，利用初始模型M，在未参与建模样本中进行价值筛选，选取并处理适用价值样本，处理得到有价值数据#imgabs0#，基于有价值数据#imgabs1#更新初始模型M，得到适用孪生模型#imgabs2#；基于适用孪生模型#imgabs3#，筛选并保存实时数据流中的实时有价值数据。本发明解决了模型构建、训练、更新过程中所用数据量过大，以及数字孪生模型的数据处理成本、数据保存成本、模型更新成本较高的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN118378553B
公开(公告)日：2024-08-27
申请号：CN202410828402.4
申请日：2024-06-25
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学
Abstract: 本发明提供一种数字孪生模型构建方法及系统，方法包括：采集待建模设备的历史工况数据；从历史工况数据中获取并根据随机样本，基于随机配置网络SCN，对数字孪生模型进行初始建模，其中，根据历史工况数据设置训练集，利用训练集训练随机配置网络SCN，以得到初始模型M；通过主动学习操作，利用初始模型M，在未参与建模样本中进行价值筛选，选取并处理适用价值样本，处理得到有价值数据#imgabs0#，基于有价值数据#imgabs1#更新初始模型M，得到适用孪生模型#imgabs2#；基于适用孪生模型#imgabs3#，筛选并保存实时数据流中的实时有价值数据。本发明解决了模型构建、训练、更新过程中所用数据量过大，以及数字孪生模型的数据处理成本、数据保存成本、模型更新成本较高的技术问题。
-
公开(公告)号：CN116883867A
公开(公告)日：2023-10-13
申请号：CN202310359900.4
申请日：2023-04-06
Applicant: 国网安徽省电力有限公司超高压分公司 , 池州学院
IPC: G06V20/17 , G06V10/82 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度卷积神经网络模型的防震锤检测方法，涉及机器视觉检测技术领域，通过传感器采集的航拍图像构建防震锤检测数据集，在PyTorch深度学习框架下训练优化改进的YOLOv4网络模型，利用训练好的网络模型对电力巡检图像中的防震锤进行预测，并输出预测结果。本发明利用深度学习方法自动检测航拍图像中的防震锤，有效地提升了输电线路智能巡检的自动化、智能化水平。本发明深度卷积神经网络模型将Res2Net模块、Dense模块引入特征提取网络和特征融合网络引入跨层连接改进YOLOv4网络模型，有效地提高了防震锤检测精度；Res2Net模块扩大了感受野，更好地利用了上下文信息，采用多尺度方法进行特征提取，使得防震锤特征提取能力更强。
-
公开(公告)号：CN116306076A
公开(公告)日：2023-06-23
申请号：CN202211627703.8
申请日：2022-12-16
Applicant: 国网安徽省电力有限公司超高压分公司
Inventor： 张晨晨 , 贾凤鸣 , 汤仕磊 , 朱雨晨 , 夏勇 , 杨艳 , 谈力 , 罗长 , 张驰 , 王夕琛 , 李腾 , 刘锡禹 , 马晓薇 , 施雯 , 邵华 , 侯姗姗 , 穆云龙 , 李敏晖 , 束学刚 , 张放 , 戴佳琳 , 李利元 , 林玉娟 , 张静
IPC: G06F30/23 , G06F119/08
Abstract: 本发明公开了一种基于实时监测的数字孪生避雷器系统及其方法，所述的基于实时监测的数字孪生避雷器系统包括避雷器数据采集模块、环境数据采集模块、数据采集平台B、有限元分析平台C、三维展示平台D、三维模型编辑器F和中间数据存储系统H；本发明基于实时状态监测的有限元数字孪生技术方法，用于对避雷器进行实时监测和仿真预测。在实际过程中有限元仿真是在独立的软件里面进行的，输入的是静态的数据，并且需要耗费比较长的计算时间才会有一次结果，而结果只能验证过去时间的模型是否正确，无法对当前时刻的状态做出反馈。
-
公开(公告)号：CN105279707B
公开(公告)日：2018-11-06
申请号：CN201510712610.9
申请日：2015-10-27
IPC: G06Q50/06
Abstract: 本发明公开了一种综合考虑负荷与风电时序特性的随机生产模拟方法，其特征是：针对风电机组出力的时序间歇性和反调峰性、不可调度性，以及传统随机生产模拟多忽略负荷的时序特性，根据发电机组不同的运行模式提出了四种机组模型并进行随机生产模拟。本发明能快速、合理地研究风电时序特性和发电机组处于不同运行状态下各种运行因素对随机生产模拟的影响，从而能建立起更加全面的数学模型，提高计算效率。
-
公开(公告)号：CN105279707A
公开(公告)日：2016-01-27
申请号：CN201510712610.9
申请日：2015-10-27
IPC: G06Q50/06
Abstract: 本发明公开了一种综合考虑负荷与风电时序特性的随机生产模拟方法，其特征是：针对风电机组出力的时序间歇性和反调峰性、不可调度性，以及传统随机生产模拟多忽略负荷的时序特性，根据发电机组不同的运行模式提出了四种机组模型并进行随机生产模拟。本发明能快速、合理地研究风电时序特性和发电机组处于不同运行状态下各种运行因素对随机生产模拟的影响，从而能建立起更加全面的数学模型，提高计算效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.066 seconds)
