-
公开(公告)号:CN118363092A
公开(公告)日:2024-07-19
申请号:CN202410631437.9
申请日:2024-05-21
申请人: 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 江苏省气象台 , 江苏省电力试验研究院有限公司
摘要: 本发明公开了一种面向密集输电通道的卫星大气可降水量反演方法,包括从获取的卫星遥感数据中选取密集输电通道所在区域,得到格点化的密集输电通道高分辨率遥感数据;从格点化的密集输电通道高分辨率遥感数据中,分别选取10.8μm通道的数据和12μm通道的数据;根据选取的10.8μm通道的数据和12μm通道的数据,分别计算10.8μm通道和12μm通道的辐射亮温和;根据10.8μm通道和12μm通道的辐射亮温和,计算10.8μm通道和12μm通道的大气透过率比值;基于10.8μm通道和12μm通道的大气透过率比值,构建卫星遥感大气可降水量的反演模型;应用卫星遥感大气可降水量的反演模型,计算得到卫星遥感大气可降水量,本发明提高了算法对抗噪声误差的性能以及反演算法的精度。
-
公开(公告)号:CN115100592B
公开(公告)日:2024-06-28
申请号:CN202210701041.8
申请日:2022-06-21
IPC分类号: G06V20/52 , G06T7/00 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/082 , H04N7/18 , G08B21/18
摘要: 本发明公开了一种输电通道外破隐患识别方法、装置及存储介质,其方法包括:通过视频监控装置采集输电通道图像;将输电通道图像输入预部署的目标检测模型中进行输电通道外破隐患识别;其中,目标检测模型的部署过程包括:获取输电通道图像并添加标注信息构建训练样本集;将训练样本集划分为训练集和测试集;将训练集输入目标检测模型中进行训练;将测试集输入训练后的目标检测模型进行通道剪枝;将训练集再次输入通道剪枝后的目标检测模型进行训练;对再次训练后的目标检测模型进行模型量化;将模型量化后的目标检测模型部署至输电通道的视频监控装置中;本发明能够有效实现对于输电外破隐患的本地化智能识别和及时告警,提高输电运维效率。
-
公开(公告)号:CN115100592A
公开(公告)日:2022-09-23
申请号:CN202210701041.8
申请日:2022-06-21
IPC分类号: G06V20/52 , G06T7/00 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , H04N7/18 , G08B21/18
摘要: 本发明公开了一种输电通道外破隐患识别方法、装置及存储介质,其方法包括:通过视频监控装置采集输电通道图像;将输电通道图像输入预部署的目标检测模型中进行输电通道外破隐患识别;其中,目标检测模型的部署过程包括:获取输电通道图像并添加标注信息构建训练样本集;将训练样本集划分为训练集和测试集;将训练集输入目标检测模型中进行训练;将测试集输入训练后的目标检测模型进行通道剪枝;将训练集再次输入通道剪枝后的目标检测模型进行训练;对再次训练后的目标检测模型进行模型量化;将模型量化后的目标检测模型部署至输电通道的视频监控装置中;本发明能够有效实现对于输电外破隐患的本地化智能识别和及时告警,提高输电运维效率。
-
公开(公告)号:CN114972927A
公开(公告)日:2022-08-30
申请号:CN202210701000.9
申请日:2022-06-21
IPC分类号: G06V10/774 , G06V10/764 , G06V10/12 , G06V20/52 , G06V10/82 , G06N3/04 , G06N3/08 , G01D21/02 , G01N21/88
摘要: 本发明公开了一种输电通道外破隐患检测的边缘融合终端及其识别方法,其终端包括终端核心单元、终端协处理单元、供电单元以及通信单元,所述通信单元包括通信模块和通信网关,所述通信模块用于将终端核心单元外接至管理平台,所述通信网关用于将终端协处理单元外接至输变电物联网传感器;所述终端协处理单元与终端核心单元连接,所述终端核心单元上还连接有可视化采集单元;所述可视化采集单元用于实现图像采集;所述供电单元用于为终端核心单元、终端协处理单元以及通信单元提供电力支持;本发明能够实现低功耗的管理运行,同时通过机器识别有效的减少人力投入,提高输电运维效率。
-
公开(公告)号:CN115311560A
公开(公告)日:2022-11-08
申请号:CN202210902299.4
申请日:2022-07-29
IPC分类号: G06V20/10 , G06V10/764 , G06V10/82
摘要: 本发明公开了一种输电通道外破隐患辨识方法及装置,该方法包括采集输电通道图像;基于所采集的输电通道图像对输电通道的输电导线进行识别;基于输电导线的识别结果对输电通道有效区域进行划分;基于所采集的输电通道图像采用预先构建的外破隐患目标识别模型对输电通道的外破隐患进行识别,得到外破隐患目标框的位置信息及类别信息;将所识别的外破隐患的目标框与所得到的有效区域进行对比,确定有效区域内的外破隐患目标及类别。本发明能够自动判别输电通道周围存在的塔吊、挖掘机等可能威胁输电线路安全的外破隐患,从而保障输电线路的安全稳定运行。本发明可极大降低外破隐患识别的误报率,从而减少不必要的工作单派遣及人力资源浪费。
-
公开(公告)号:CN118395568A
公开(公告)日:2024-07-26
申请号:CN202410675797.9
申请日:2024-05-29
申请人: 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 东南大学 , 江苏省电力试验研究院有限公司
IPC分类号: G06F30/13 , G06F30/23 , G06T17/20 , G06F119/02 , G06F119/14 , G06F111/10
摘要: 本发明公开了一种锈蚀状态下输电铁塔构件安全性能评估方法、装置及存储介质,属于输电铁塔构件安全性能评估技术领域,方法包括获取输电铁塔中构件的力学性能查询表和现场运维检查表;将力学性能查询表和现场运维检查表进行比对得到构件的折减刚度;将折减刚度导入到构建好的输电铁塔有限元模型中,得到构件的力学响应;将力学响应和力学性能查询表中的对应数据进行比对判断构件是否处于安全水平;本发明结合现场观测、数值模拟分析、数据分析,实现了对锈蚀状态下输电铁塔服役期间构件的安全性能的系统化评估,对输电铁塔构件的高效检修和输电线路的科学运维都具有重要意义。
-
公开(公告)号:CN118364692A
公开(公告)日:2024-07-19
申请号:CN202410764858.9
申请日:2024-06-14
申请人: 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 东南大学 , 江苏省电力试验研究院有限公司
IPC分类号: G06F30/23 , G06F119/02
摘要: 本发明公开了一种面向龙卷风风灾的输电塔动力结构损伤识别方法、系统及介质,属于结构失效预警技术领域。包括:预测龙卷风的最大切线风速及最大切线风速对应的最大半径;获取Wen氏龙卷风风场模型,根据所述Wen氏龙卷风风场模型,得到塔身荷载实时分布;根据所述荷载实时分布,基于预先构建的高保真有限元模型,得到实时结构基频变化量;根据获取的结构响应时程,利用傅里叶变换,得到实时结构基频,进而得到实时结构净基频,基于预先构建的高保真有限元模型,对所述输电塔进行结构损伤定位和定量识别。能够对结构的失效概率进行实时预警,从实测模态频率中去除风荷载引起的结构频率变化,获得结构净基频,进而进行有效的结构损伤定位和定量识别。
-
公开(公告)号:CN114882397B
公开(公告)日:2024-07-05
申请号:CN202210438864.6
申请日:2022-04-25
申请人: 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 江苏省电力试验研究院有限公司
IPC分类号: G06V20/40 , G06V10/774 , G06V10/764 , G06V10/80
摘要: 本发明公开一种危险车辆识别方法、装置及存储介质,方法包括:获取待识别危险车辆的图像帧,输入预先训练的危险车辆识别模型;根据危险车辆识别模型的输出确定图像中是否存在做出危险动作的危险车辆,若存在则输出危险车辆信息;其中,危险车辆识别模型包括教师网络和学生网络,教师网络包括第一特征提取网络和第一时间特征融合网络,学生网络包括第二特征提取网络、第二时间特征融合网络、动态知识传播网络和预测网络;动态知识传播网络采用交叉注意机制进行特征交叉融合,再通过残差连接将学生网络得到的特征与交叉参与特征相结合,进而对图像帧集中车辆动作的危险性进行分类。本发明可实现对危险车辆的识别,能够提高识别结果的准确性。
-
公开(公告)号:CN114862805B
公开(公告)日:2024-07-09
申请号:CN202210539804.3
申请日:2022-05-18
申请人: 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 江苏省电力试验研究院有限公司
IPC分类号: G06T7/00 , G06T7/70 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/084 , G06N3/0464 , G06N3/048 , G06N3/0495
摘要: 本发明公开一种基于轻量化网络的大型机械设备识别方法,包括:获取待识别大型机械设备的图像,对图像进行预处理后,输入预先训练的轻量化图像识别模型,得到大型机械设备的类别和图像位置;轻量化图像识别模型基于多种大型机械设备的图像样本训练得到;训练过程中,对于随机初始化权重矩阵的DNN神经网络利用交替方向乘子法ADMM进行迭代训练,得到低张量秩的DNN网络,然后对权重张量序列进行张量分解,使用随机梯度下降方法调整DNN网络的权重值;再对权重值和激活值做二值化处理,得到训练完成的轻量化图像识别模型。本发明的方法具有更高的图像分类识别准确性和鲁棒性,运算复杂程度低,可解决边缘设备内存资源受限的问题。
-
公开(公告)号:CN114972981A
公开(公告)日:2022-08-30
申请号:CN202210407253.5
申请日:2022-04-19
申请人: 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 江苏省电力试验研究院有限公司
IPC分类号: G06V20/10 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种电网输电环境观测图像去噪方法、终端及存储介质,所述方法包括:采集电网输电环境的观测图像,并对观测图像进行预处理;将预处理后的观测图像输入至去噪数学优化模型,并利用交替方向乘子算法对所述去噪数学优化模型进行循环迭代求解,直至满足迭代终止条件,得到去噪后的目标图像;其中,所述去噪数学优化模型是通过将预构建的基于先验驱动的深度卷积神经网络去噪器,嵌入至根据去噪算法搭建的深度卷积神经网络中获取的。本发明有效地利用了输电环境下观测图像的多尺度冗余性,设计了深度卷积神经网络去噪器,并将其嵌入到深度卷积神经网络中,具有更高的准确性和鲁棒性,能在电网输电环境下实现优异的去噪效果。
-
-
-
-
-
-
-
-
-