-
公开(公告)号:CN117391075A
公开(公告)日:2024-01-12
申请号:CN202311508250.1
申请日:2023-11-13
申请人: 国网福建省电力有限公司电力科学研究院 , 厦门大学 , 国网福建省电力有限公司
IPC分类号: G06F40/279 , G06F40/30 , G06N3/0442 , G06N3/084 , G06N3/088 , G06N7/01
摘要: 本发明涉及一种基于BERT‑BiLSTM‑CRF模型的配网故障设备实体识别方法。以BERT‑BiLSTM‑CRF为框架,通过原始数据处理、标注模式设计、模型训练等多个步骤完成了故障设备实体识别任务,并同时维护了一套基于NLP技术的实体纠错与清洗方法,保障了标注的准确率和召回率,并大大提高了标注质量。本发明使用了序列标注的经典模型BERT‑BiLSTM‑CRF,充分利用BERT大模型的语义理解能力,通过少量训练数据,对大模型进行微调,大大提高了实体识别的性能。本发明针对实体标注任务中出现的错标问题,根据在人工标注中总结的经验,与NLP技术相结合,实现了对错标实体的清洗,获得了更高质量的标注结果。
-
公开(公告)号:CN117312531A
公开(公告)日:2023-12-29
申请号:CN202311506504.6
申请日:2023-11-13
申请人: 国网福建省电力有限公司电力科学研究院 , 厦门大学 , 国网福建省电力有限公司
IPC分类号: G06F16/332 , G06F16/36 , G06F16/34 , G06N5/022
摘要: 本发明涉及一种知识图谱增强的基于大语言模型配电网故障归因分析方法。该方法首先利用数据提取技术从大规模复杂的电力故障数据中挖掘关键信息,并通过特定的三元组模型将这些信息结构化为实体和关系,构建知识图谱。接着,通过专业的可视化工具,将知识图谱进行细致的可视化处理,以揭示可能的故障原因。然后,依赖启发式规则,在知识图谱上进行链接游走,生成详尽的故障原因描述文本。大语言模型(LLM)对这些生成的文本进行深度处理,简化并提取关键信息,使得复杂的故障原因描述变得简洁明了。处理后的文本信息存储为本地知识库,并在此基础上进行LLM问答,以执行深度的故障归因分析。本发明方法能有效地找出电力故障的原因,提高故障处理效率。
-
公开(公告)号:CN118503452A
公开(公告)日:2024-08-16
申请号:CN202410775789.1
申请日:2024-06-17
申请人: 国网福建省电力有限公司电力科学研究院 , 厦门大学 , 国网福建省电力有限公司
摘要: 本发明提出了基于图节点采样与大语言模型的配电网故障归因分析方法,包括如下步骤:步骤一、设计多维度故障本体,用于指导故障数据的结构化;步骤二、构建知识图谱,用于存储和表示配电网中的故障信息;步骤三、集成大语言模型LLM,用于处理和分析故障信息;步骤四、使用基于强化学习的节点选择算法,从知识图谱中选择与当前分析任务最相关的节点,并将这些节点信息提供给大语言模型以增强其诊断预测能力;步骤五、通过精选的节点抽样,利用知识图谱与大型语言模型的集成来优化故障分析的精确性和效率。本发明利用强化学习动态选择关键信息节点,来增强大语言模型的故障分析能力。提高了故障诊断的准确性和效率,同时优化了系统的适应性和灵活性。
-
公开(公告)号:CN117370633A
公开(公告)日:2024-01-09
申请号:CN202311506516.9
申请日:2023-11-13
申请人: 国网福建省电力有限公司电力科学研究院 , 厦门大学 , 国网福建省电力有限公司
IPC分类号: G06F16/951 , G06F16/953 , G06F16/36 , G06F40/279 , G06F40/30 , G06N3/0442 , G06N5/022
摘要: 本发明涉及一种基于事件框架模板的配网故障单事件图谱构建方法。本体层面采用事件框架模板模型自顶向下初步进行事件图谱本体构建,再从语义分析出发对事件图谱本体进行补全,最后通过数据映射和结构映射从实例层面构建事件图谱。首先对故障单结构化数据进行预处理;其次设计了一套事件图谱领域本体构建规范化方法;然后,按照该方法指导配电网故障事件图谱本体构建;之后对故障单结构化数据进行数据映射和结构映射,构建起配电网故障事件图谱;最后,通过查询和统计分析对事件图谱进行有效性检验。本发明所述方法可以满足配电网故障定位归因和辅助决策的下游应用场景,依靠图结构关联多样性优势,为后续故障定位归因和辅助决策提供一定的帮助。
-
公开(公告)号:CN113300370A
公开(公告)日:2021-08-24
申请号:CN202110587837.0
申请日:2021-05-28
摘要: 本发明涉及一种低压智能电台区线路电压自动调节方法。包括隔离变压器、智能档位控制器、智能断路器、智能融合终端等。本发明将低压配电变压器中两相线路通过隔离变压器串联,并降压使用。通过智能档位控制器和智能融合终端自适应调节隔离变压器高低压匝数比,实现末端用户用电电压智能调节,同时结合新一代配电云主站实现台区线路电压实时监控。本发明解决低压配电台区末端用户普遍存在的低电压问题,且具有无谐波干扰、效率高、带载能力强、经济等优点。
-
公开(公告)号:CN117853758A
公开(公告)日:2024-04-09
申请号:CN202410008544.6
申请日:2024-01-03
申请人: 国网福建省电力有限公司 , 国网福建省电力有限公司电力科学研究院
IPC分类号: G06V10/62 , G06V10/82 , G06N3/0464 , G06V20/52
摘要: 本发明提出一种基于YOLO算法的智能变电站现场监控多目标跟踪方法,利用YOLO算法对所有运动物体进行检测,从而实现快速且准确的目标检测,针对遮挡严重的物体,提出使用AKCF(增强核相关滤波器)来提高算法性能,能够通过最小化目标特征和候选区域特征之间的距离来跟踪目标,从而解决目标严重遮挡的问题。进一步提出基于优先级匹配和基于运动估计的再匹配的两阶段目标关联方法,以增加跟踪的准确性。本发明在多目标跟踪方面具有较高的准确性和鲁棒性,能够应对复杂的实际场景,对于智能变电站的安全监控、缺陷检测等方面具有广阔的应用前景。
-
公开(公告)号:CN117633081A
公开(公告)日:2024-03-01
申请号:CN202311643292.6
申请日:2023-11-30
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
摘要: 本发明实施例提供一种结合大数据的电力数据样本的采集方法,属于数据采集技术领域。所述采集方法包括以下步骤:A、建立NoSQL数据库;B、建立模型库;C、建立远程监控系统:D、所述数据库日志采集;E、优化所述数据库性能;F、所述数据的备份和恢复;G、监控和维护。本发明为一种结合大数据的电力数据样本的采集方法,通过上述线上和线下结合的电力数据采集方式,便于后台及时获取业务系统原始数据信息,通过建立NoSQL数据库对于大量上传的原始业务数据,进行统一库存、分类管理和分析,提升电力样本规模与质量,形成了统一的样本技术标准、规范的管理流程,提供高效稳定的样本管理及应用服务能力,节省人力和物力的投入量,降低成本,提高电力运行的效率。
-
公开(公告)号:CN117370573A
公开(公告)日:2024-01-09
申请号:CN202311326287.2
申请日:2023-10-13
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC分类号: G06F16/36 , G06N5/02 , G06N5/04 , G06F18/21 , G06F18/214 , G06N3/08 , G06F16/332 , G06N3/0442
摘要: 本发明提出了基于认知推理的电力主设备故障知识图谱分析补全方法,采用认知双过程模型提高模型的表现能力,本方法首先,对电力主设备的故障日志进行处理,进行知识抽取,获得结构性数据;其次,定义本体并设计知识图谱,自顶向下地构建电力知识图谱;然后,利用双过程理论构建推理模型,在数据集上进行训练;最后,对模型进行测试,同时输出解结果和推理路径,从而实现高效、准确、可解释性强的图谱补全结果;本发明所述方法不但能获得较高的准确率,而且可以给出合理的推理路径,在推理结果存在错误时,依旧能为从业者提供一定的帮助。
-
公开(公告)号:CN116397955A
公开(公告)日:2023-07-07
申请号:CN202310323860.8
申请日:2023-03-30
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC分类号: E04H12/22
摘要: 本发明涉及一种带可调阻尼的配电线路电杆防倾加固装置,包括若干个圆周均布在配电线路电杆的外周部的可调阻尼支撑架,所述可调阻尼支撑架上均铰接有抱箍板,相邻可调阻尼支撑架的抱箍板之间均通过紧固件紧固将配电线路电杆抱紧。本发明设计合理,结构简单、稳固,运输、安装方便,安装角度可调,适用性强,可实现对配电线路电杆倾斜、倒杆的有效防护,同时减小瞬时冲击对电杆及加固装置的伤害,保证电力线路的正常运行。
-
公开(公告)号:CN116245016A
公开(公告)日:2023-06-09
申请号:CN202310033771.X
申请日:2023-01-10
申请人: 国网福建省电力有限公司 , 国网福建省电力有限公司电力科学研究院
IPC分类号: G06F30/27 , G06F18/23 , G06F113/04 , G06F119/02
摘要: 本发明提供了一种适用于数据资源不均衡的海量分布式光伏预测方法,包括以下步骤:步骤1:对全域内的分布式光伏电站进行运行数据梳理;步骤2:对全域内的分布式光伏电站的气象数据进行插值计算;步骤3:对数据特征进行预设权值处理;步骤4:对强数据站点进行出力曲线预测;步骤5:对全域气象特征进行聚类;步骤6:对弱数据站点进行出力曲线预测。应用本技术方案可实现有效解决在数据资源不均衡条件下海量分布式光伏电站无法进行高效预测出力曲线的问题。预测结果显示,与单一预测方法相比,采用该组合预测方法得到的结果精度更高,且在气象数据缺乏、发电功率数据质量低情况下也能得到精确的预测结果。
-
-
-
-
-
-
-
-
-