-
公开(公告)号：CN108933480A
公开(公告)日：2018-12-04
申请号：CN201810727587.4
申请日：2018-07-05
申请人： 国网浙江省电力有限公司温州供电公司 , 温州市图盛科技有限公司 , 国网浙江平阳县供电有限责任公司
发明人： 董知周 , 王锋华 , 徐盛 , 陈显辉 , 吴海峰 , 缪竞雄 , 沈杰 , 郑文斌 , 蓝天虹 , 陈显来 , 胡陈晨 , 王绍荃 , 高秀珍 , 钟尚染 , 李炜 , 孙浩迈 , 计安挺
IPC分类号： H02J13/00
摘要： 本发明涉及电网监控方法，尤其涉及一种基于大数据的供电可靠性监控方法。本发明提供的一种基于大数据的供电可靠性监控方法，旨在解决现有技术中电网可靠性监控方法不合理，造成后续数据分析困难的技术问题。本发明提供的一种基于大数据的供电可靠性监控方法，采集电网停电次数和电网停电时各配电元件的动作记录，并且对电网停电的原因进行分类、对电网停电的类型进行分类以及对电网的停电时间进行采集、采集电网恢复供电时是否带电作业，该监控方法对数据进行分类有利于技术人员后续分析该数据，并且，该监控方法采集的数据比较全面，有利于技术人员的后续分析。
-
公开(公告)号：CN109117960A
公开(公告)日：2019-01-01
申请号：CN201810727596.3
申请日：2018-07-05
申请人： 国网浙江省电力有限公司温州供电公司 , 温州市图盛科技有限公司 , 国网浙江平阳县供电有限责任公司
发明人： 董知周 , 徐盛 , 吴海峰 , 成敬周 , 赵卓 , 陈显辉 , 缪竞雄 , 沈杰 , 郑文斌 , 刘光涨 , 蓝天虹 , 陈逸伦 , 陈显来 , 胡陈晨 , 林宣鹤 , 王绍荃 , 高秀珍 , 钟尚染
摘要： 本发明涉及电网监控方法，尤其涉及一种基于大数据的电网带电作业监控方法。本发明提供的一种基于大数据的电网带电作业监控方法，旨在解决现有技术中带电作业的监控方法不合理，造成带电作业的记录后续分析困难的技术问题。本发明提供的一种基于大数据的电网带电作业监控方法，采集带电作业时间、一个月内带电作业的次数，并且采集带电作业的位置以及带电作业的工程类型，该方案从多个维度对带电作业进行监控，从而利于带电作业记录的后续分析。另外，对带电作业指数及次均减少停电户数的采集有利于相关人员对带电作业进行相关的分析，该监控方法生成的记录有利于技术人员的后续分析。
-
公开(公告)号：CN107798628A
公开(公告)日：2018-03-13
申请号：CN201710909890.1
申请日：2017-09-29
申请人： 国网浙江省电力公司温州供电公司 , 温州市图盛科技有限公司 , 国网浙江平阳县供电有限责任公司
发明人： 董知周 , 徐盛 , 陈显辉 , 缪竞雄 , 沈杰 , 郑文斌 , 吴海峰 , 赵卓 , 刘光涨 , 蓝天虹 , 陈丽园 , 陈逸伦 , 陈显来 , 胡陈晨 , 林宣鹤 , 王绍荃 , 高秀珍 , 李峰峰 , 姜宇
IPC分类号： G06Q50/06
CPC分类号： G06Q50/06
摘要： 本发明旨在提供一种电网企业基层核心业务数据采集辅助决策可视化平台，以解决现有技术方案中的无法直观地了解各时段台区线损的关系的技术问题。包括：数据采集模块，数据分析模块，存储模块，显示模块，通过实施本发明可以取得以下有益技术效果：平台可以采集用于计算台区线损的相关数据，并根据相关数据建立以时间为横坐标的台区线损柱状图，以便工作人员直观地了解各时段区台线损的关系。
-
公开(公告)号：CN109191846A
公开(公告)日：2019-01-11
申请号：CN201811189434.5
申请日：2018-10-12
申请人： 国网浙江省电力有限公司温州供电公司 , 杭州御数信息技术有限公司 , 温州市图盛科技有限公司
摘要： 本发明涉及一种交通出行流量预测方法，所述构建方法包括如下步骤：步骤一，将外部交通流量数据和环境天气数据进行获取并得到原始数据，利用原始数据分别得到量化后的环境天气参数以及与环境天气参数实时对应的交通流量参数，步骤二，将环境天气参数与交通流量参数进行处理并储存至数据库内，步骤三，根据数据库内的数据类型的不同采用不同的分析方法进行关联性分析并获取关联性较大的参数，步骤四，利用关联性较大的参数结合算法进行方法建模，对未来的交通流量进行预测。
-
公开(公告)号：CN109191846B
公开(公告)日：2021-03-09
申请号：CN201811189434.5
申请日：2018-10-12
申请人： 国网浙江省电力有限公司温州供电公司 , 杭州御数信息技术有限公司 , 温州市图盛科技有限公司
摘要： 本发明涉及一种交通出行流量预测方法，所述构建方法包括如下步骤：步骤一，将外部交通流量数据和环境天气数据进行获取并得到原始数据，利用原始数据分别得到量化后的环境天气参数以及与环境天气参数实时对应的交通流量参数，步骤二，将环境天气参数与交通流量参数进行处理并储存至数据库内，步骤三，根据数据库内的数据类型的不同采用不同的分析方法进行关联性分析并获取关联性较大的参数，步骤四，利用关联性较大的参数结合算法进行方法建模，对未来的交通流量进行预测。
-
公开(公告)号：CN109409708A
公开(公告)日：2019-03-01
申请号：CN201811189435.X
申请日：2018-10-12
申请人： 国网浙江省电力有限公司温州供电公司 , 杭州御数信息技术有限公司 , 温州市图盛科技有限公司
IPC分类号： G06Q10/06 , G06Q50/06 , G06F16/215
摘要： 本发明涉及一种基于大数据的红绿灯保供电优先级排序算法，所述算法包括如下步骤，第一步，从交管部门获取交通出行抓拍数据和道路基础数据，第二步，对数据进行清洗及预处理，第三步，所述交管部门获取数据的需求字段主要包括抓拍地点、卡口名称、抓拍时间、车道数、道路长度，形成道路交通状态数据表，并且从以上数据汇总出特定时间特定路口的交通流量数以及道路汽车数量承载力，第四步，根据交通流量数以及道路汽车数量承载力这两个指标进行建模计算得出相应的各个路段负载率，以路段负载率来考核该路段的保供电优先级，如路段负载率越高则表示保供电优先级越高。
-
公开(公告)号：CN109376920A
公开(公告)日：2019-02-22
申请号：CN201811193672.3
申请日：2018-10-12
申请人： 国网浙江省电力有限公司温州供电公司 , 杭州御数信息技术有限公司 , 温州市图盛科技有限公司
摘要： 本发明涉及一种基于分钟转移矩阵的交通道路状态预测方法，所述历史交通数据包括抓拍地点、卡口名称、抓拍时间，所述路口转移状态预测方法包括步骤一，将抓拍时间为分析纬度，将纬度颗粒细化到分钟，步骤二，通过分析历史上该路口的每一分钟的车辆转移数量情况，形成分钟状态转移矩阵，步骤三，将此矩阵作为基础，通过路口转移模拟算法实现未来颗粒为分钟的交通状态预测。
-
公开(公告)号：CN109272018A
公开(公告)日：2019-01-25
申请号：CN201810933085.7
申请日：2018-08-16
申请人： 国网浙江省电力有限公司温州供电公司 , 温州市图盛科技有限公司
摘要： 本发明公开了一种红外图片识别方法，包括以下步骤：读取图像、设置ROI、高斯滤波、Sobel算子计算图像梯度、非极大值抑制、滞后阈值分割、计算梯度向量的所有归一化点积的总和。本发明的优点是：将区域内进行数字化处理，并进行高斯滤波去除噪声，消除图像的噪声干扰，从而提高图像质量，然后Sobel算子计算图像梯度，产生对应的灰度矢量或是其法矢量，采用非极大值抑制，对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的，再采用滞后阈值分割，然后将模板和红外图片归一化点积的总和之间的欧式距离，从而实现高效准确的识别红外图片，即使红外图片旋转了也不会影响判断的准确性，识别度高，不受角度尺度影响。
-
公开(公告)号：CN117708323A
公开(公告)日：2024-03-15
申请号：CN202311436958.0
申请日：2023-10-31
申请人： 国网浙江省电力有限公司温州供电公司
IPC分类号： G06F16/35 , G06F40/30 , G06F40/289 , G06Q50/06 , G06N3/045
摘要： 本申请公开了电力数据异常检测方法和存储介质，方法包括：获取电力数据集合。对电力数据集合进行标准化和分词预处理，得到预处理电力数据集合。对预处理电力数据集合进行向量化处理，得到向量化电力数据集合。对向量化电力数据集合进行多维语义相似度计算，得到各向量化电力数据之间的语义相似度。将向量化电力数据集合以及各向量化电力数据之间的语义相似度输入至预设的数据状态检测模型，输出每个电力数据对应的状态。通过将电力数据中的文本数据向量化，并通过数据状态检测模型识别出电力数据中的文本语义相似度低、数值存在异常的电力数据，得到电力数据的状态结果。
-
公开(公告)号：CN117421636A
公开(公告)日：2024-01-19
申请号：CN202311436915.2
申请日：2023-10-31
申请人： 国网浙江省电力有限公司温州供电公司
IPC分类号： G06F18/24 , G06N3/094 , G06N3/084 , G06N3/0475 , G06N3/045 , G06Q50/06 , G06F18/214
摘要： 本申请公开了时序电力数据异常检测模型训练方法、系统和存储介质，方法包括：获取正常电力数据样本、构建张量集、获取随机噪声、生成伪造向量样本、输出真伪判别结果、训练GAN模型、生成异常电力数据样本、构成分类训练样本集合、训练电力数据异常检测模型。通过GAN网络对抗能够随机生成带噪声的训练样本，作为潜在的异常数据，从而避免了对大量异常样本的依赖，有效地解决了训练样本不均衡问题。可以学习判断异常样本与真实样本之间的差异，从而准确地识别异常，显著降低误报率。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.06 秒)
