公开(公告)号：CN113691801B

公开(公告)日：2024-04-19

申请号：CN202110945200.4

申请日：2021-08-17

申请人： 国网安徽省电力有限公司超高压分公司 ,  国网安徽省电力有限公司

发明人： 刘鑫 ,  汪太平 ,  郝韩兵 ,  汤伟 ,  王旗 ,  常文婧 ,  黄道均 ,  李坚林

IPC分类号： H04N17/00 ,  H04N7/18

摘要： 本发明公开了基于视频图像分析的视频监控设备故障监测方法及系统，包括对所有接入的视频监控设备进行分组；按照预设的监测顺序依次访问每个设备组对应的设备列表，遍历当前被访问的设备组的设备列表中的每一个设备，顺序切换接通每个当前遍历的设备的视频信号传输通道；接收当前接通的视频信号传输通道传输的预设时长的视频段，并将所述视频段作为基本单位对应分配到所述设备所属设备组的至少一个预设图像分析任务的任务队列中，以执行对所述视频段的图像分析任务，本发明实现摄像头实时基于自身采集视频图像自动进行故障检测、识别和告警，以最快和最佳的方式向用户提供故障信息。

公开(公告)号：CN116028785A

公开(公告)日：2023-04-28

申请号：CN202211705050.0

申请日：2022-12-28

申请人： 国网智能电网研究院有限公司 ,  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

发明人： 刘浩 ,  甘津瑞 ,  吴鹏 ,  刘鑫 ,  谢涛 ,  陈庆涛 ,  陈凡 ,  罗超 ,  周攀 ,  常文婧 ,  马欢 ,  施雯

IPC分类号： G06F18/21 ,  G06N3/0895 ,  G06N3/0455

摘要： 本发明实施例涉及一种电网时序数据特征提取模型的训练方法及装置，包括：获取原始电网时序数据，并对所述原始电网时序数据进行掩码增强处理，得到第一增强时序数据；对所述原始电网时序数据进行数值变换操作，得到第二增强时序数据；基于所述第一增强时序数据和第二增强时序数据对初始模型进行对比学习训练，得到对比损失；通过初始模型对所述第一增强时序数据进行掩码预测，得到重建损失；基于所述对比损失和所述重建损失对所述初始模型的训练参数进行优化，得到电网时序数据特征提取模型。由此，利用对比学习和掩码预测两种方式同时对时序数据进行自监督预训练，兼顾区分性特征和上下文信息的建模，从而提升预训练时序特征提取网络的泛化能力。

公开(公告)号：CN115577116A

公开(公告)日：2023-01-06

申请号：CN202211101285.9

申请日：2022-09-09

申请人： 国网安徽省电力有限公司超高压分公司 ,  国网安徽省电力有限公司 ,  国网智能电网研究院有限公司 ,  合肥工业大学 ,  中国电力科学研究院有限公司 ,  国网河南省电力公司电力科学研究院

发明人： 刘鑫 ,  常文婧 ,  甘津瑞 ,  常珂 ,  刘浩 ,  韩兆刚 ,  夏卫尚 ,  邱欣杰 ,  谢涛 ,  陈庆涛 ,  马欢 ,  黄海宏 ,  孙伟 ,  梁娟娟 ,  李坚林 ,  杜君莉 ,  尚守卫

IPC分类号： G06F16/36 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开一种融合多参量数据分析的时序图建模方法及装置，所述方法包括：获取换流变的多源信息，多源信息包括工况运行数据和多源传感数据；将多源信息经词向量模型转换得到对应的语义特征向量；将各语义特征向量以及各语义特征拼接得到的拼接特征向量分别进行线性变换，以将多源信息变换至公共特征空间；基于邻接矩阵权重随节点特征自适应变化的知识图谱技术，对各语义特征向量经线性变换后的特征值进行处理，得到不同时刻多源信息对应的知识图谱；基于时序图注意力神经网络，对不同时刻多源信息对应的知识图谱进行处理，分析多源信息的变化规律。

公开(公告)号：CN115392436A

公开(公告)日：2022-11-25

申请号：CN202211014277.0

申请日：2022-08-23

申请人： 合肥工业大学 ,  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 ,  国网智能电网研究院有限公司

发明人： 刘鑫 ,  黄海宏 ,  常文婧

IPC分类号： G06N3/04 ,  G06N3/08 ,  H02J13/00

摘要： 本发明公开了基于集成深度生成模型的变电站设备故障诊断方法，所述方法包括：采集变电站设备运行数据，进行数据预处理，构建样本训练数据集和随机潜在数据集；构建基于双向长短期记忆网络和注意力机制的AMBI‑GAN集成深度生成模型；训练AMBI‑GAN集成深度生成模型；向训练好的模型输入测试数据，计算模型的总损失Ltest；通过1‑Ltest得到鉴别分数，鉴别分数超过预设值则判断异常；本发明的优点在于：充分利用少量的标注数据进一步提升故障诊断性能。

公开(公告)号：CN114881989A

公开(公告)日：2022-08-09

申请号：CN202210565548.5

申请日：2022-05-23

申请人： 国网智能电网研究院有限公司 ,  国网安徽省电力有限公司超高压分公司 ,  国网安徽省电力有限公司电力科学研究院 ,  国家电网有限公司

发明人： 甘津瑞 ,  韩兆刚 ,  杜泽旭 ,  吴春鹏 ,  李冀 ,  王旗 ,  刘鑫 ,  常文婧 ,  王鑫 ,  金雨楠

IPC分类号： G06T7/00 ,  G06V10/764 ,  G06V10/766 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 本申请实施例提供了一种基于小样本目标对象缺陷检测的方法、装置、电子设备，其中，该方法包括：待检测的目标对象的目标图像信息；将目标图像信息输入目标检测模型中，得到目标对象对应缺陷的检测结果，其中，目标检测模型用于对目标对象缺陷类别进行检测，目标检测模型是通过对中间检测模型的模型参数进行调整后得到的，中间检测模型是通过对初始检测模型的初始模型参数进行调整后得到的，检测结果内包含目标对象所属缺陷类别和缺陷相应的位置信息。通过本申请实施例，解决了相关技术中存在的电力器件的正负样本严重失衡，导致电力设备缺陷检测的精度较低且定位不准的问题。

公开(公告)号：CN114498917A

公开(公告)日：2022-05-13

申请号：CN202111538132.6

申请日：2021-12-15

申请人： 国网安徽省电力有限公司超高压分公司 ,  安徽南瑞继远电网技术有限公司 ,  国网安徽省电力有限公司 ,  中国科学技术大学先进技术研究院

发明人： 刘鑫 ,  常文婧 ,  李卫国 ,  王刘芳 ,  李冀 ,  杜鹏 ,  董翔宇 ,  郭振宇 ,  黄道均 ,  郭龙刚 ,  蒲道杰 ,  朱仲贤 ,  朱元付 ,  魏南

IPC分类号： H02J13/00 ,  G06Q10/00 ,  G06Q10/04 ,  G06Q50/06

摘要： 本发明涉及换流站运检监管技术领域，公开了一种数字化换流站运检的监管方法及其监管系统，所述监管方法包括获取数字化换流站运检的区域；获取运检人员的数量；根据所述运检人员的数量获得运检手环的数量；根据所述数字化换流站运检的区域以及所述运检手环的数量获得每个所述运检手环的运检路线。通过上述技术方案，本发明提供的数字化换流站运检的监管方法及其监管系统通过数字化换流站运检的区域以及运检手环的数量，获得每个运检手环的运检路线，最后将每个运检路线匹配至对应的运检手环，运检人员根据对应运检手环上的运检路线执行相应的运检任务，进而实现了对运检任务的统一管理，提高了巡检效率。

公开(公告)号：CN114821368B

公开(公告)日：2024-03-01

申请号：CN202210482372.7

申请日：2022-05-05

申请人： 合肥工业大学 ,  国网安徽省电力有限公司超高压分公司

发明人： 李帷韬 ,  侯建平 ,  胡平路 ,  管树志 ,  杨盛世 ,  张雪松 ,  李奇越 ,  孙伟 ,  刘鑫 ,  常文婧 ,  李卫国 ,  王刘芳 ,  董翔宇 ,  黄杰

IPC分类号： G06V20/17 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764 ,  G06V10/774 ,  G06V20/40

摘要： 本发明公开了一种基于强化学习和Transformer的电力缺陷识别方法，其步骤包括：1无人机航拍采集原始数据集，并通过深度卷积生成对抗网络增广数据集合；2使用强化学习模块提取图像特征搜索出前景区域；3通过Transformer模块对背景区域特征向量压缩并进一步进行特征提取，并最终经过全连接层获得最终预测结果。本发明利用深度学习实现了对电力缺陷区域的检测，从而减少了人力成本，且不受天气、背景等外部因素的影响，并提高了检测效率和检测精度。

公开(公告)号：CN116126013A

公开(公告)日：2023-05-16

申请号：CN202211600102.8

申请日：2022-12-12

申请人： 国网安徽省电力有限公司超高压分公司 ,  国家电网有限公司

发明人： 朱仲贤 ,  马欢 ,  刘文涛 ,  朱元付 ,  吴翔 ,  汪运 ,  汪伟伟 ,  刘鑫 ,  杜鹏 ,  郭振宇 ,  蒲道杰 ,  蔡科伟 ,  黄道钧 ,  张学友 ,  郭龙刚 ,  杜瑶 ,  常文婧 ,  徐蒙福 ,  臧春华 ,  陈迎 ,  翁凌 ,  杨乃旗 ,  邵华 ,  沈国堂 ,  魏南 ,  施雯

IPC分类号： G05D1/10

摘要： 本发明实施例提供一种无人机高精度降落的方法、系统及可读存储介质，属于无人机技术领域。所述方法包括：获取基准站的真实位置；获取卫星定位与所述基准站的真实位置的对比；根据所述卫星定位和真实位置的对比获取定位误差；所述无人机根据所述定位误差得到其所在的当前位置；将所述无人机的当前位置转入三维坐标系中；获取所述无人机需要降落的降落点；将所述降落点转入到所述三维坐标系中；根据所述无人机和所述降落点在三维坐标系中的位置确定所述无人机的飞行路径；根据所述飞行路径，所述无人机降落至所述降落点上。该方法可以使得无人机精准的降落在降落点。

公开(公告)号：CN115862132A

公开(公告)日：2023-03-28

申请号：CN202211475369.9

申请日：2022-11-23

申请人： 国网安徽省电力有限公司超高压分公司 ,  国家电网有限公司

发明人： 吴翔 ,  刘文涛 ,  朱仲贤 ,  马欢 ,  刘鑫 ,  杜鹏 ,  郭振宇 ,  蒲道杰 ,  蔡科伟 ,  黄道钧 ,  张学友 ,  郭龙刚 ,  杜瑶 ,  常文婧 ,  徐蒙福 ,  朱元付 ,  汪运 ,  汪伟伟 ,  翁凌 ,  杨乃旗 ,  邵华 ,  沈国堂 ,  魏南 ,  施雯 ,  臧春华 ,  陈迎

IPC分类号： G06V40/20 ,  G06V20/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464

摘要： 本发明实施例提供一种基于多融合网络的深度学习的行为识别与动作的检测方法，属于计算机视觉技术领域。所述检测方法包括：获取待检测的视频数据；按照预定的帧数周期从所述视频数据中截取多个图像；将所述多个图像进行分组，以构成至少两个图像组；预设多个训练完成的深度学习网络，且每个所述深度学习网络与所述图像组一一对应；将每个所述图像组输入所述深度学习网络中，以得到对应的检测结果；根据所述检测结果中概率最大的前三个结论进行投票，以得到最终的检测结果。该检测方法能够在适应小体积化的现场设备的同时，保证算法的准确率。

公开(公告)号：CN115830315A

公开(公告)日：2023-03-21

申请号：CN202211472120.2

申请日：2022-11-23

申请人： 国网安徽省电力有限公司超高压分公司 ,  国家电网有限公司

发明人： 马欢 ,  刘文涛 ,  刘鑫 ,  朱元付 ,  朱仲贤 ,  汪运 ,  汪伟伟 ,  吴翔 ,  杜鹏 ,  郭振宇 ,  蒲道杰 ,  蔡科伟 ,  黄道钧 ,  张学友 ,  郭龙刚 ,  杜瑶 ,  常文婧 ,  徐蒙福 ,  臧春华 ,  陈迎 ,  翁凌 ,  杨乃旗 ,  邵华 ,  沈国堂 ,  魏南 ,  施雯

IPC分类号： G06V10/26 ,  G06V10/50 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464

摘要： 本发明实施例提供一种基于深度学习的图像检测和分割的方法及系统，属于图像识别技术领域。所述方法包括：获取待检测和分割的图像；基于灰度直方图分布的方法在所述图像中获取候选框；采用CNN网络分别对每个所述候选框进行分类，以得到每个所述候选框的类别和对应的概率；按照概率从大到小的顺序，选择并分割出前N个候选框作为目标所在的区域。通过上述技术方案，本发明提供的基于深度学习的图像检测和分割的方法与系统通过将直方图灰度计算和CNN网络进行结合，直方图灰度计算在降低整体算法复杂度的同时，缩小了CNN网络进行目标检测的范围；而CNN网络具有较高的目标检测准确度，相较于现有技术而言，提高了目标检测与分割的准确度。