-
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
Applicant: 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: G06V10/62 , G06V10/82 , G06N3/0464 , G06V20/52
Abstract: 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：CN117636129A
公开(公告)日：2024-03-01
申请号：CN202311640807.7
申请日：2023-11-30
Applicant: 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: G06V10/82 , G06V10/30 , G06V10/32 , G06V10/25 , G06V10/764 , G06V40/10 , G06V40/20 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种电力施工监督图像的识别方法，涉及电力施工作业监督技术领域，具体的操作步骤如下：数据收集和预处理，收集一批电力施工监督图像数据，并进行预处理，包括图像去噪、大小统一化；物体检测，通过应用目标区域卷积神经网络或YOLO算法，对图像中的电力设备、人员、关键物体进行检测和定位；物体识别；异常检测；监督与反馈；模型训练和更新。本发明的提高了施工监督效率、改善了施工质量、增强了施工安全性以及提供了准确的数据支持，这种电力施工监督图像的识别方法帮助监督人员更好地进行施工监督，提高施工质量、安全性和效率，从而推动电力施工的可持续发展。
-
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
Applicant: 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: G06F16/36 , G06N5/02 , G06N5/04 , G06F18/21 , G06F18/214 , G06N3/08 , G06F16/332 , G06N3/0442
Abstract: 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：CN116245016A
公开(公告)日：2023-06-09
申请号：CN202310033771.X
申请日：2023-01-10
Applicant: 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: G06F30/27 , G06F18/23 , G06F113/04 , G06F119/02
Abstract: 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。
-
公开(公告)号：CN112308424A
公开(公告)日：2021-02-02
申请号：CN202011200474.2
申请日：2020-11-02
Applicant: 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
Abstract: 本发明涉及一种基于配变数据的供电能力分析方法。对单台配变的健康状况评价评分，进而计算供电所、区县、地市、全省供电能力。本发明基于配变健康体系的建立，得出各配变健康状态评分，进而计算供电所、区县、地市、全省供电能力，能够决策供电所的供电方式。
-
Patent Agency Ranking
公开(公告)号：CN112308146A
公开(公告)日：2021-02-02
申请号：CN202011200609.5
申请日：2020-11-02
Applicant: 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
Abstract: 本发明涉及一种基于运行特征的配变故障识别方法。该方法包括：步骤S1、以配变本体故障停电记录为基础，结合包括配变档案参数、运行数据、环境数据的配变故障前运行特征数据，筛选符合配变本体故障的停电记录并定位到具体的配变设备ID，构建配变数据集；步骤S2、基于配变数据集，利用随机森林算法提取影响配变故障的重要特征变量，而后使用机器学习算法构建配变故障预警模型；步骤S3、基于配变故障预警模型输出配变运行风险等级，定位故障部位。
-
公开(公告)号：CN117370574A
公开(公告)日：2024-01-09
申请号：CN202311326352.1
申请日：2023-10-13
Applicant: 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: G06F16/36 , G06F18/214 , G06F18/21 , G06N3/045 , G06F40/30 , G06N3/08 , G06F18/2135 , G06Q10/20 , G06Q50/06
Abstract: 本发明提出了提高电力主设备知识图谱嵌入模型性能的缺陷分析方法，针对电力设备缺陷进行预测，采用基于BERT的微调和知识图谱嵌入模型KGEMs；首先，通过收集和整理电力主设备的缺陷信息，创建缺陷数据集；其次，定义本体并设计知识图谱；然后，利用预训练的BERT模型处理特定领域语料库，微调BERT以更好地理解句子语义并提取更有价值的特征；最后，通过结合KGEMs的训练和测试，实现更准确、有效的电力设备缺陷预测；本发明克服了直接使用BERT在专业领域词汇上的不足，并显著提高了预测任务的性能，可以实现对在有限资源环境下对电力主设备缺陷的高效准确识别与处理，提高知识图谱嵌入模型在电力主设备缺陷分析中的链接预测性能，进一步提高诊断准确率和维修效率。
-
公开(公告)号：CN117370572A
公开(公告)日：2024-01-09
申请号：CN202311326237.4
申请日：2023-10-13
Applicant: 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 , 厦门大学
Abstract: 本发明提出基于冯诺依曼图熵的主设备故障知识图谱知识推理方法，包括以下步骤；步骤一、构建用于训练与测试的数据集，对数据进行分析处理，获得结构化数据；步骤二、定义本体，构建三元组和知识图谱；步骤三、基于冯诺依曼图熵和认知推理理论设计推理模型；进行全图信息的统计和冯诺依曼图熵的计算，将计算所得的结果与认知图推理双阶段方法的第一阶段相融合，完成邻域的筛选，获得构建完成的认知图，并为图中的全部节点赋予分数；步骤四、对推理模型测试，通过学习知识图谱中已有的局部和全局知识，推断出知识图谱中可能存在的新的事实；本发明能挖掘其高阶结构，在给定头实体和关系的情况下，对尾实体进行推断，为电力知识图谱补充新的知识。
-
公开(公告)号：CN117151104A
公开(公告)日：2023-12-01
申请号：CN202311244952.3
申请日：2023-09-26
Applicant: 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 , 厦门大学
IPC: G06F40/295 , G06F16/36 , G06N3/0442 , G06N3/045 , G06N3/084 , G06F18/213
Abstract: 本发明涉及一种基于Bert Bilstm CRF模型的电网主设备命名实体识别方法。旨在自动识别电网主设备领域文本中的命名实体，主要包括对文本数据的预处理、使用Bert对文本进行嵌入表示得到对应词向量、使用Bilstm对词向量进行特征提取、使用CRF对命名实体进行识别，实验结果表示该发明在电网主设备领域的命名实体识别任务中取得了良好的性能表现。
-
公开(公告)号：CN115392527A
公开(公告)日：2022-11-25
申请号：CN202210608488.0
申请日：2022-05-31
Applicant: 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
Abstract: 本发明提出一种基于日电量采集数的区域电量预测方法，基于用采系统的日电量数据和神经网络算法，包括以下步骤；步骤S1、从用采系统及气象数据网获取基础数据；步骤S2、将获取的日电量数据结合气象数据进行关联性分析，找出与日电量相关性强的的特征量作为预测模型的输入；步骤S3、分地市，分行业，设计预测模型。模型通过训练集进行自我学习，寻找最佳参数并保存；然后将测试集输入模型，模型自动计算并输入其预测电量，实现预测；本发明可提升区域上网电量预量的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.108 seconds)
