-
公开(公告)号：CN118049924A
公开(公告)日：2024-05-17
申请号：CN202311688054.7
申请日：2023-12-07
申请人： 安徽南瑞继远电网技术有限公司
摘要： 本发明实施例提供一种基于双目立体视觉的输电线路覆冰厚度测量方法及系统，属于输电线路覆冰测量技术领域。所述输电线路覆冰厚度测量方法包括获取两组待测输电线路覆冰厚度的目标点的图像，其中，所述图像包括左图像以及右图像；根据两组所述图像获取所述目标点的三维坐标；对两组所述图像进行校正处理。本发明通过对输电线路上覆冰的左图像和右图像进行获取，先对两组图像中目标点的三维坐标，再对两组图像进行校正，并获取视差图，最后根据该视差图获取输电线路的覆冰厚度，采用左图像和右图像结合获取视差图的方式，能够精确地获取到输电线路的覆冰厚度，提高检测精度以及稳定性。
-
公开(公告)号：CN117172413B
公开(公告)日：2024-05-14
申请号：CN202311154552.3
申请日：2023-09-07
申请人： 中国科学院合肥物质科学研究院 , 安徽南瑞继远电网技术有限公司
IPC分类号： G06Q10/063 , G06Q50/06 , G06F18/241 , G06F18/243 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/01
摘要： 本发明涉及一种基于多模态数据联合表征和动态权重学习的电网设备运行状态监测方法，与现有技术相比解决了难以将多源异构数联合表征和统一应用、利用设备不同部件间的关联关系来建立电网备状态度量的缺陷。本发明包括以下步骤：设定电网设备状态数据的分布式表示方法；电网设备多模态数据的联合表征；设备内部拓扑关系图的构建；图神经网络的动态权重学习；电网设备状态的评价。本发明结合机器学习分类方法来进行设备状态健康评价，能够显著提高评价方法的准确性和鲁棒性，达到电网设备运行状态监测的目的。
-
公开(公告)号：CN117034169A
公开(公告)日：2023-11-10
申请号：CN202311017786.3
申请日：2023-08-14
申请人： 中国科学院合肥物质科学研究院 , 安徽南瑞继远电网技术有限公司
IPC分类号： G06F18/2433 , G06F18/214 , G06N3/0464 , G06F17/16 , G06F17/18 , G06Q50/06
摘要： 本发明涉及基于时序因果关系网络的电网主变设备异常状态预测方法，与现有技术相比解决了未探究主变设备异常变量间因果关系的缺陷。本发明包括以下步骤：主变设备运行数据获取和预处理；主变设备数据集的构建；构建电网主变设备异常状态检测模型；电网主变设备异常状态检测模型的训练；主变设备运行实时数据的获取；电网主变设备异常状态的预测。本发明基于动态的设备运行、随时间变化的变量间关系的特点，充分探究主变设备异常变量间的因果关系，基于时序因果关系网络的方法来从变量在时间分布上的动态行为中得到更多的隐藏的因果关系，提高主变设备异常预测的可靠性。
-
公开(公告)号：CN117913787A
公开(公告)日：2024-04-19
申请号：CN202311693804.X
申请日：2023-12-07
申请人： 安徽南瑞继远电网技术有限公司
IPC分类号： H02J3/00 , G06N3/0442 , G06N3/0985 , G06N3/086 , G06F18/214 , G06F18/21
摘要： 本发明实施例提供一种基于LSTM算法的短期电力负荷预测方法及系统，属于电力负荷预测技术领域。所述预测方法包括：获取电网历史电力负荷数据，并构建训练集；对所述训练集进行预处理；构建电力负荷短期预测模型；本发明通过获取历史电力负荷数据，并构建训练集以及电力负荷短期预测模型，将训练集输入至电力负荷短期预测模型中，并结合优化算法对电力负荷短期预测模型的参数进行优化，以获得模型的最优参数，最后获取电网的实时数据，电力负荷短期预测模型根据实时数据即可对电力负荷进行预测，采用优化算法对模型参数进行优化的方式，加快了收敛速度，有效地提高了电力负荷预测的精度。
-
公开(公告)号：CN117407673A
公开(公告)日：2024-01-16
申请号：CN202311396061.X
申请日：2023-10-26
申请人： 中国科学院合肥物质科学研究院 , 安徽南瑞继远电网技术有限公司
IPC分类号： G06F18/20 , G06F18/10 , G06F18/214 , G06F18/2411 , G06N3/006 , G06N3/0442 , G06N3/08
摘要： 本发明涉及基于灰狼优化算法和LSTM‑Attention的电力设备缺陷预测方法，与现有技术相比解决了电力设备缺陷检测模型的超参数寻优难、未利用时序信息以及没有降低冗余特征影响的缺陷。本发明包括以下步骤：电力设备数据的获取及预处理；电力设备缺陷预测模型的构建；电力设备缺陷预测模型的训练；待预测电力设备数据的获取；电力设备缺陷预测结果的获得。本发明通过使用LSTM模型，可以有效地利用缺陷数据中的时序信息，提高缺陷预测的准确率；引入注意力机制，降低非重要特征对模型性能的影响；引入灰狼优化算法，实现模型超参数的自动寻优，提高了电力设备缺陷预测的准确率和效率。
-
公开(公告)号：CN117172413A
公开(公告)日：2023-12-05
申请号：CN202311154552.3
申请日：2023-09-07
申请人： 中国科学院合肥物质科学研究院 , 安徽南瑞继远电网技术有限公司
IPC分类号： G06Q10/063 , G06Q50/06 , G06F18/241 , G06F18/243 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/01
摘要： 本发明涉及一种基于多模态数据联合表征和动态权重学习的电网设备运行状态监测方法，与现有技术相比解决了难以将多源异构数联合表征和统一应用、利用设备不同部件间的关联关系来建立电网备状态度量的缺陷。本发明包括以下步骤：设定电网设备状态数据的分布式表示方法；电网设备多模态数据的联合表征；设备内部拓扑关系图的构建；图神经网络的动态权重学习；电网设备状态的评价。本发明结合机器学习分类方法来进行设备状态健康评价，能够显著提高评价方法的准确性和鲁棒性，达到电网设备运行状态监测的目的。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.05 秒)
