-
公开(公告)号:CN111539527B
公开(公告)日:2020-10-16
申请号:CN202010652589.9
申请日:2020-07-08
Applicant: 浙江浙能天然气运行有限公司 , 浙江省能源集团有限公司 , 浙江大学
Abstract: 本发明涉及基于ONNX模型的神经网络迁移学习自动训练调度方法,包括以下步骤:S1、建立PI数据库,用于生产环境的工艺数据的采集、存储;S2、对工艺数据按照不同的任务需求分别采用不同的深度学习模型训练平台进行模型的训练,得到的模型分别导出为ONNX模型,形成ONNX模型库;S3、根据生产环境的任务需求从ONNX模型库中匹配得到相应的目标模型;S4、将目标模型部署至相应的边缘设备端;S5、边缘设备端利用部署的目标模型以完成相应的任务,并监测目标模型的性能是否下降;S6、若是,则加载新的工艺数据,并转至步骤S2。本发明利用自动训练调度的方法,增加了模型对生产环境的适应性,使得模型的泛化性能更佳。
-
公开(公告)号:CN111738206A
公开(公告)日:2020-10-02
申请号:CN202010653600.3
申请日:2020-07-08
Applicant: 浙江浙能天然气运行有限公司 , 浙江省能源集团有限公司 , 浙江大学
Abstract: 本发明涉及基于CenterNet的用于无人机巡检的挖掘机检测方法,包括以下步骤:S1、训练数据集的建立;S2、CenterNet的训练;S3、挖掘机检测。本发明为挖掘机的车身和铲斗设计了空间注意力机制,并在传统目标检测数据集的格式上新增相应的标注;结合标注热力图对空间注意力机制进行训练,使其分别聚焦于车身和铲斗,实现对输入图像中空间位置的重要性的建模;充分利用挖掘机的视觉特性,通过使网络聚焦于目标的重要区域,减少无关背景对检测结果的影响,进而提升检测性能。
-
公开(公告)号:CN111737879A
公开(公告)日:2020-10-02
申请号:CN202010652555.X
申请日:2020-07-08
Applicant: 浙江浙能天然气运行有限公司 , 浙江省能源集团有限公司 , 浙江大学
IPC: G06F30/20 , G06Q10/06 , G06F113/14
Abstract: 本发明涉及一种阴保电位数据的实时风险评价方法,包括:S1、管道分段,根据分段后各管段的属性设置相应的电位阈值;电位阈值包括最大保护电位和最小保护电位;管段的属性包括管道的表面状况、土壤特性和季节变化;S2、通过阴保桩实时采集阴保电位,并与阴保桩所处管段设置的电位阈值建立对应关系,建立阴保数据库;S3、根据阴保数据库分析阴保电位的失效概率和失效后果,以进行风险评价;其中,失效定义为阴保电位位于最大保护电位与最小保护电位的区间之外。本发明将管道进行分段,保证了阴极保护电位设置的合理和实时性,同时将聚类算法运用到管道的阴保数据风险评价中,减少了专家主观性的经验,使得风险评价更加客观。
-
公开(公告)号:CN111539661B
公开(公告)日:2020-09-22
申请号:CN202010653608.X
申请日:2020-07-08
Applicant: 浙江浙能天然气运行有限公司 , 浙江省能源集团有限公司 , 浙江大学
Abstract: 本发明涉及基于风险评价和TDLAS的天然气站场泄漏监测方法,包括:S1、建立天然气站场失效数据库;S2、根据天然气站场失效数据库对天然气站场内各设备进行风险评价,以对各设备进行风险等级的划分;根据天然气站场内各设备的运行数据进行K‑means聚类,以确定各设备的泄漏云团的类别,从而对各设备进行分类;S3、根据不同的风险等级确定相应的激光传感器的扫描频次,根据设备的分类确定相应的激光传感器的激光扫描角度;S4、根据激光传感器的扫描频次和激光扫描角度进行泄漏监测。本发明结合风险等级的划分以及激光巡检扫描的角度考虑到各设备区域的运行数据之间的差异,使激光尽可能扫描到泄漏云团,降低漏检率。
-
公开(公告)号:CN111539661A
公开(公告)日:2020-08-14
申请号:CN202010653608.X
申请日:2020-07-08
Applicant: 浙江浙能天然气运行有限公司 , 浙江省能源集团有限公司 , 浙江大学
Abstract: 本发明涉及基于风险评价和TDLAS的天然气站场泄漏监测方法,包括:S1、建立天然气站场失效数据库;S2、根据天然气站场失效数据库对天然气站场内各设备进行风险评价,以对各设备进行风险等级的划分;根据天然气站场内各设备的运行数据进行K-means聚类,以确定各设备的泄漏云团的类别,从而对各设备进行分类;S3、根据不同的风险等级确定相应的激光传感器的扫描频次,根据设备的分类确定相应的激光传感器的激光扫描角度;S4、根据激光传感器的扫描频次和激光扫描角度进行泄漏监测。本发明结合风险等级的划分以及激光巡检扫描的角度考虑到各设备区域的运行数据之间的差异,使激光尽可能扫描到泄漏云团,降低漏检率。
-
公开(公告)号:CN111539494A
公开(公告)日:2020-08-14
申请号:CN202010653611.1
申请日:2020-07-08
Applicant: 浙江浙能天然气运行有限公司 , 浙江省能源集团有限公司 , 浙江大学
Abstract: 本发明属于水工保护设施巡检技术领域,具体涉及基于U-Net和SVM的水工保护损毁检测方法,包括以下步骤:S1、实时采集含有水工保护设施的现场图像;S2、将含有水工保护设施的现场图像输入已训练的U-Net语义分割网络,以提取水工保护设施图像;S3、将水工保护设施图像输入已训练的SVM分类器中,以检测水工保护设施是否存在损毁。本发明利用U-Net语义分割网络,从实时采集的含有水工保护设施的现场图像中提取出水工保护设施,减小了背景图像对水工保护损毁检测的干扰;然后输入SVM分类器中进行识别,检测水工保护设施是否存在损毁,数据噪声小,检测精度高。
-
公开(公告)号:CN111538246A
公开(公告)日:2020-08-14
申请号:CN202010653598.X
申请日:2020-07-08
Applicant: 浙江浙能天然气运行有限公司 , 浙江省能源集团有限公司 , 浙江大学
IPC: G05B13/04
Abstract: 本发明公开了一种机械设备对分布式光纤传感器干扰的估计系统及方法,其中涉及的一种机械设备对分布式光纤传感器干扰的估计系统,包括:数据采集模块、远程服务器、分布式光纤传感器;数据采集模块,用于采集机械设备的数据信息,并将采集到的机械设备的数据信息发送至远程服务器;分布式光纤传感器,用于获取分布式光纤的数据信息,并将获取到的分布式光纤的数据信息发送至远程服务器;远程服务器,用于接收并处理数据采集模块发送的机械设备的数据信息以及分布式光纤传感器发送的分布式光纤的数据信息,得到机械设备对分布式光纤传感器干扰结果。本发明可以实时估计工厂机械设备对分布式光纤造成的干扰情况,进而为后期消除干扰提供依据。
-
公开(公告)号:CN111536429A
公开(公告)日:2020-08-14
申请号:CN202010653606.0
申请日:2020-07-08
Applicant: 浙江浙能天然气运行有限公司 , 浙江省能源集团有限公司 , 浙江大学
Abstract: 本发明属于油气管道监测预警系统技术领域,具体涉及一种基于决策融合的油气管道预警系统及预警方法,包括基础设施层,包括智能感知设备;感知执行层,通过智能感知设备对油气管道进行监测和数据采集;基础数据层,用于将感知执行层采集的数据及油气管道全生命周期的数据存储于数据库;核心服务层,用于对数据库的数据进行挖掘;将不同预警任务对应的多种预警手段的多种预警级别进行决策融合,得出相应预警任务的预警级别;通过事故树分析分别得出各个预警任务和预警手段的重要性排序,实现主动预警;能够将多源数据进行融合,有效地提高了信息处理的性能,预警准确率更高,且对于油气管道的预警更具有针对性。
-
公开(公告)号:CN111414717A
公开(公告)日:2020-07-14
申请号:CN202010135920.X
申请日:2020-03-02
Applicant: 浙江大学 , 浙江运达风电股份有限公司
Abstract: 本发明公开了基于XGBoost-LightGBM的机组功率预测方法,包括以下步骤:离线建模;收集训练样本集;对于训练集数据采用XGBoost做特征提取;划分训练集和测试集;学习出LightGBM模型;在线预测。上述技术方案采用极端梯度增强算法用于对特征的选择,筛选出对输出功率的预测更为有效和敏感的特征,将筛选出的有效特征变量代入到Light Gradient Boosting Machine模型,建立功率预测模型,该技术方案充分考虑了采集到的变量对机组功率预测的有效性,对于风力发电机组功率预测具有更高的准确性。
-
公开(公告)号:CN111079343A
公开(公告)日:2020-04-28
申请号:CN201911224393.3
申请日:2019-12-04
Applicant: 浙江大学
Abstract: 本发明公开了一种基于宽度学习的有效风速估计方法,针对不同运行方式,根据互信息指标选择不同的机组输出数据作为风速估计模型的输入,并进行去相关处理以提高风速估计的准确率,对得到的机组输出数据进行归一化、加噪处理,构造宽度学习模型训练集,并使用该训练集确定宽度学习模型的结构和参数,训练得到的针对不同机组工作区域的有效风速估计模型根据机组的实时输出,在线给出有效风速估计值。本方法能够代替昂贵的激光雷达测风装置,极大地降低风电场的建设和运维成本,该方法不依赖于风电系统模型,得到的风速估计模型适应于不同的机组运行方式,鲁棒性好,实施成本低,具有较好的实用性和较高的准确率。
-
-
-
-
-
-
-
-
-