-
公开(公告)号：CN116822939A
公开(公告)日：2023-09-29
申请号：CN202310494913.2
申请日：2023-05-05
申请人： 国网甘肃省电力公司 , 西安交通大学 , 国网甘肃省电力公司电力科学研究院
IPC分类号： G06Q10/0635 , G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q50/06
摘要： 本发明提供了一种基于三维空间关系的变电站带电区域风险辨识方法及系统，属于变电站现场作业安全风险识别技术领域。获取变电站带电区域及周围的图像信息；使用预先训练好的YOLO‑v5深度神经网络模型对变电站作业人员进行检测与定位，得到多分类风险辨识模型；使用预先训练好的多分类风险辨识模型对图像中作业人员与带电区域的三维空间关系进行风险辨识分类员。本发明在保证识别准确率的情况下实现速度最大化，求解速度快、求解质量高、消耗计算资源低，达到无人智能监控的目的。
-
公开(公告)号：CN117828098A
公开(公告)日：2024-04-05
申请号：CN202311849296.X
申请日：2023-12-29
申请人： 国网信息通信产业集团有限公司 , 西安交通大学
IPC分类号： G06F16/36 , G06N3/045 , G06V10/44 , G06F18/25 , G06N3/08 , G06F40/151 , G06F40/289
摘要： 本发明公开了一种基于预训练模型的电力运检多模态知识图谱表征方法，包括以下步骤：S1：针对电力运检过程中采集到的文本数据经过文本预处理，使用预训练语言模型Bert50作为编码器，进行特征提取与文本向量转换。S2：电力运检图像信息获取，针对电力运检过程中采集到的图像数据及其对应的文本描述信息经过预处理，进行特征提取与向量转换，并将图像向量与其对应的文本描述向量融合。S3：将图像特征向量与文本特征向量进行融合，获得带有充分特征信息的用于构建电力运检知识图谱的特征向量。S4：将融合后的向量作为知识图谱表征实体对应的向量的初始值，使用深度学习模型进行知识图谱表征训练，实现对于电力运检多模态知识图谱的表征。
-
公开(公告)号：CN114928074A
公开(公告)日：2022-08-19
申请号：CN202210512841.5
申请日：2022-05-12
申请人： 西安交通大学
IPC分类号： H02J3/24 , H02J3/38 , G06N3/08 , G06F16/215 , G06F17/11
摘要： 本发明提供一种基于迁移学习和自抗扰控制的次同步振荡抑制方法及系统，可应用于电网次同步振荡故障定位、次同步振荡抑制等领域，属于人工智能和数据挖掘范畴。该方法包括如下步骤：(1)采集双馈风机并网系统的结构参数和运行数据；(2)基于所述双馈风机并网系统的结构参数对系统建立线性化模型；(3)通过迁移学习网络对发生次同步振荡的线性化系统模型进行次同步振荡定位；(4)基于固定时间尺度分解算法，提取双馈风机转子中次同步振荡电流的振荡频率；(5)利用自抗扰控制，对双馈风机转子中的次同步振荡电流进行抑制。迁移学习是基于数据特征的学习方法，其框架结构决定了模型具有很强的抗噪性与鲁棒性；此外，自抗扰控制能够实现对系统扰动的动态补偿，克服超调量和快速性之间的矛盾。
-
公开(公告)号：CN118245740A
公开(公告)日：2024-06-25
申请号：CN202410434698.1
申请日：2024-04-11
申请人： 国网信息通信产业集团有限公司 , 西安交通大学
IPC分类号： G06F18/15 , G06F18/2431 , G06F18/25 , G06V20/40 , G06V20/52 , G06V10/80 , G06V10/764 , G06V10/77 , G06N20/10 , G06F18/2411
摘要： 本发明公开了一种基于多模态数据融合的配电网电力设备识别方法，包括以下步骤：步骤1：文本数据特征提取，将文本数据转换为词嵌入的形式，使用正余弦位置编码作为嵌入，然后输入到Transformer模型中进行特征提取。步骤2：图像数据特征提取，对图像进行分块化等预处理，使用VIT模型进行特征提取。步骤3：多模态数据融合，使用相互注意力模块融合图像和文本数据，形成融合特征。步骤4：配电网电力设备识别，将融合特征输入最小二乘支持向量机分类器，实现配电网电力设备分类识别。提高了识别模型的表现，提升了识别准确性。
-
公开(公告)号：CN117807525A
公开(公告)日：2024-04-02
申请号：CN202311849295.5
申请日：2023-12-29
申请人： 国网信息通信产业集团有限公司 , 西安交通大学
IPC分类号： G06F18/2415 , G06Q50/06 , G06N20/20 , G06F18/214
摘要： 本发明属于配电网设备状态评估领域，具体提供了一种基于集成学习的配电网设备综合状态评估方法，包括以下步骤：S1：对于由配电网设备运行数据构成的不平衡数据集，经五折交叉验证划分为训练集与测试集，对每个训练集使用过采样方法来进行初步平衡；S2：针对初步平衡后的训练集，构建类别转换概率矩阵，并生成扰动数据集；S3:以扰动数据集作为训练集，构建Stacking集成学习模型，实现对于配电网设备综合状态的评估分类以及对分类效果的评价。本发明在准确评估配电网设备综合状态的基础上，提高配电网运检任务的效率。
-
公开(公告)号：CN117743582A
公开(公告)日：2024-03-22
申请号：CN202311849293.6
申请日：2023-12-29
申请人： 国网信息通信产业集团有限公司 , 西安交通大学
摘要： 本发明公开了一种基于文本聚类的配电网运检数据筛选方法，该方法通过应用自然语言处理和机器学习中的文本聚类算法，采用改进的TF‑IDF方法生成语义特征向量，基于层次聚类思想构建聚类特征树，实现配电网运检文本数据的聚类分组，从而对大量配电网运检数据进行快速有效的筛选，为配电网运行状态监测提供支持。
-
公开(公告)号：CN114928074B
公开(公告)日：2024-02-02
申请号：CN202210512841.5
申请日：2022-05-12
申请人： 西安交通大学
IPC分类号： H02J3/24 , H02J3/38 , G06N3/096 , G06F16/215 , G06F17/11
摘要： 本发明提供一种基于迁移学习和自抗扰控制的次同步振荡抑制方法及系统，可应用于电网次同步振荡故障定位、次同步振荡抑制等领域，属于人工智能和数据挖掘范畴。该方法包括如下步骤：(1)采集双馈风机并网系统的结构参数和运行数据；(2)基于所述双馈风机并网系统的结构参数对系统建立线性化模型；(3)通过迁移学习网络对发生次同步振荡的线性化系统模型进行次同步振荡定位；(4)基于固定时间尺度分解算法，提取双馈风机转子中次同步振荡电流的振荡频率；(5)利用自抗扰控制，对双馈风机转子中的次同步振荡电流进行抑制。迁移学习是基于数据特征的学习方法，其框架结构决定了模型具有很强的抗噪性与鲁棒性；此外，自抗扰控制能够
-
公开(公告)号：CN113705858B
公开(公告)日：2023-07-11
申请号：CN202110882110.5
申请日：2021-08-02
申请人： 西安交通大学
IPC分类号： G06Q10/047 , G06N3/04 , G06N3/08
摘要： 本发明属于人工智能和组合优化领域，公开了一种多目标区域的最短路径规划方法、系统、设备及存储介质，包括以下步骤：S1：获取各目标区域的归一化坐标；S2：随机选取一目标区域的归一化坐标，通过预设的自组织神经网络模型，得到当前目标区域的获胜神经元；S3：迭代重复S2；当前迭代次数加1，并当当前迭代次数大于预设阈值时，获取各目标区域的获胜神经元；S4：获取各目标区域的获胜神经元的索引，根据各目标区域的获胜神经元的索引，得到多目标区域的最短路径。能够在计算资源有限的情况下，快速求解多目标区域的最短路径规划问题，同时保证解具有较高的质量。
-
公开(公告)号：CN114462880A
公开(公告)日：2022-05-10
申请号：CN202210189935.3
申请日：2022-02-28
申请人： 西安交通大学
摘要： 本发明公开了基于改进粗糙集优化烟花算法的配网设备状态评价方法，首先，结合历史台账数据、状态监测记录以及故障条目数据，针对配网设备状态评价中的数据集不平衡问题，利用基于K‑means聚类的欠采样方法得到平衡数据集；之后，利用粗糙集理论实现对配网设备状态评价中的众多连续评价指标的属性值进行离散化约简，并采用基于属性重要性的约简方法对评价指标决策表进行属性约简；然后，引入改进的烟花算法在数量众多的属性约简结果中寻找全局最优解，最终得到一组简化的评价指标决策表用于配网设备的状态评价。该方法有效提高了配网设备状态评价结果的准确性和可靠性，能够有效减少并避免配网设备故障事故的发生，保证供电可靠性和客户满意度。
-
公开(公告)号：CN113705858A
公开(公告)日：2021-11-26
申请号：CN202110882110.5
申请日：2021-08-02
申请人： 西安交通大学
摘要： 本发明属于人工智能和组合优化领域，公开了一种多目标区域的最短路径规划方法、系统、设备及存储介质，包括以下步骤：S1：获取各目标区域的归一化坐标；S2：随机选取一目标区域的归一化坐标，通过预设的自组织神经网络模型，得到当前目标区域的获胜神经元；S3：迭代重复S2；当前迭代次数加1，并当当前迭代次数大于预设阈值时，获取各目标区域的获胜神经元；S4：获取各目标区域的获胜神经元的索引，根据各目标区域的获胜神经元的索引，得到多目标区域的最短路径。能够在计算资源有限的情况下，快速求解多目标区域的最短路径规划问题，同时保证解具有较高的质量。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.047 秒)