-
公开(公告)号：CN114861791A
公开(公告)日：2022-08-05
申请号：CN202210479614.7
申请日：2022-05-05
Applicant: 华北电力大学
Abstract: 本发明提供了一种基于知识图谱的可解释电压暂降分类方法，属于电力数据处理技术领域。该方法利用暂降知识图谱中蕴含的语义信息辅助模型进行暂降类型识别，将暂降知识与录波图像联合学习，实现语义空间与图像空间特征对齐，使得模型在完成暂降类型识别的同时，得到录波特征对应的相关语义知识的预测结果，为用户提供可信的决策依据，提高了基于数据驱动模型的透明性。基于知识图谱的解释符合人类认知过程，解释对象面向范围更加广泛的普通用户，这有利于增强用户对深度学习模型的信任，提高人机协作的可能性，具有实际应用价值。
-
公开(公告)号：CN114841264A
公开(公告)日：2022-08-02
申请号：CN202210479702.7
申请日：2022-05-05
Applicant: 华北电力大学
Abstract: 一种基于平衡生成对抗网络的电压暂降数据集增强方法，属于电能质量数据生成技术领域。该方法结合了自编码器与生成对抗网络，通过结合自编码器模型对生成对抗网络模型进行初始化，使得生成对抗网络模型能够从一个好的初始状态开始进行训练。并且学习了各类样本的特征空间分布，使用随机的特征向量作为生成对抗网络的输入数据，进一步提高了各类样本的样本生成效果。生成的少数类样本同时兼顾了真实性与多样性，使增强数据集提高了在深度学习模型上的应用效果。
-
公开(公告)号：CN109766853A
公开(公告)日：2019-05-17
申请号：CN201910037950.4
申请日：2019-01-16
Abstract: 本发明属于电能质量分类识别技术领域，公开了一种基于深度学习长短期记忆网络(Long Short-Term Memory,LSTM)算法的电压暂降扰动分类方法。本方法首先通过数据处理层对电压暂降扰动数据进行处理，然后通过两层LSTM网络提取特征值，再通过全连接层进行特征降维处理，最后采用sigmoid网络层进行分类识别。本发明通过深度学习算法提取电能质量暂降扰动相关特征，克服了复杂电网环境下，基于时域、频域以及变换域等物理特性的分类识别建模方法在适应性、算法效率和准确性方面面临的局限性。使用该模型可以很好地克服传统方法提取步骤繁琐复杂和可能丢失部分信号的原始特征等缺点，并改善了传统的循环神经网络(Recurrent Neural Network,RNN)容易发生梯度爆炸等缺陷，具有较高的电压暂降扰动识别准确率。
-
公开(公告)号：CN120030448A
公开(公告)日：2025-05-23
申请号：CN202411891583.1
申请日：2024-12-20
IPC: G06F18/2431 , G06F18/2321 , G06F18/21 , G06F18/10 , G06N3/0464 , G06N3/084 , G06F123/02 , G06N3/0455
Abstract: 本发明涉及一种基于深度学习的电压暂降同源检测方法、系统及介质，该方法包括以下步骤：获取预处理后的待测电压暂降录波样本集，构建待测电压暂降录波样本对集；基于所述待测电压暂降录波样本对集，采用训练好的基于CBAM‑VGG16的孪生网络特征提取模型中提取待测电压暂降录波样本对间的同源相关度；基于所述同源相关度，采用图构建算法确定所述待测电压暂降录波样本对集中每个待测电压暂降录波样本的波形类别；将所述波形类别作为聚类特征，采用改进的DBSCAN算法进行聚类，输出电压暂降同源检测结果。与现有技术相比，本发明具有提高同源检测的准确率，减小误检的风险等优点。
-
-
Patent Agency Ranking
公开(公告)号：CN115015631A
公开(公告)日：2022-09-06
申请号：CN202210309789.3
申请日：2022-03-28
Applicant: 华北电力大学
Abstract: 一种基于时空图卷积网络的谐波源定位方法，属于电力大数据处理技术领域。该方法利用时空图卷积神经网络(spatial‑temporal graph convolution networks,STGCN)可以自然地集成节点信息和拓扑结构空间信息的特点，通过模型的时空块可以有效提取节点间强时空耦合关系并进行全网谐波状态估计，通过此谐波状态估计模型，只输入监测节点的谐波状态就可以精准估计全网谐波状态，最后引入统计学中的皮尔逊相关系数计算每个节点谐波电流与谐波电压的相关性可以有效区分谐波源节点。本发明完全基于数据驱动，克服了复杂电网环境下仅依靠基于机理的单一公式或方程无法精准求解的局限性。使用该方法避免了传统方法的谐波阻抗难以获得、量测方程难以等弊端，可以精准的进行谐波状态估计并准确定位谐波源节点。
-
公开(公告)号：CN114841321A
公开(公告)日：2022-08-02
申请号：CN202210497554.1
申请日：2022-05-05
Applicant: 华北电力大学
Abstract: 一种基于生成对抗网络的电动汽车充电负荷预测方法，属于电力大数据处理技术领域。该方法利用生成对抗网络(generative adversarial network,GAN)博弈对抗的思想，首先按电动汽车充电桩的空间信息划分网格单元，对单元内的充电负荷数据做空间上的聚合。取其中一个单元格的数据，输入到GAN的生成器中，生成器由GRU模型构成，通过GRU提取输入数据时间维度的信息。再预测数据与真实数据结合作为判别器的输入的假数据，等长的真实数据作为判别器数据的真数据。判别器由CNN构成，输出对真假数据的判别。通过博弈训练达到纳什均衡，并输出最终的预测结果。本发明完全基于数据驱动，改善了传统GAN收敛速度慢、训练不稳定等缺陷，具有较高的数据预测精度。
-
公开(公告)号：CN114782703A
公开(公告)日：2022-07-22
申请号：CN202210310477.4
申请日：2022-03-28
Applicant: 华北电力大学
Abstract: 一种基于负荷照影和负荷搜索的负荷识别方法，属于电力大数据处理技术领域。该方法利用负荷照影技术，将负荷数据转换为负荷图像，增加了负荷数据处理模型的可解释性；通过使用改进VGG16网络来进行图像特征提取，利用局部敏感哈希函数进行图像相似度匹配，实现了负荷图像搜索，完成了负荷图像标签数据集的扩充；利用有标签数据进行残差网络训练，得到了一个负荷分类识别模型。使用该方法避免了传统负荷识别中使用聚类方法精确度差，实用价值低，以及利用无监督方法识别标签数据短缺，模型可解释性差的问题。
-
公开(公告)号：CN113159360A
公开(公告)日：2021-07-23
申请号：CN202011114946.2
申请日：2020-10-19
Applicant: 国网能源研究院有限公司 , 华北电力大学 , 国网山东省电力公司经济技术研究院
Abstract: 本发明涉及一种用于预测黑色金属冶炼及压延加工业用电量的方法。该方法包括：步骤1：首先搜集并处理黑色金属冶炼及压延加工业主要产品的产量和用电量历史数据，计算主要产品的单位产量电耗；步骤2：其次预测目标年份黑色金属冶炼及压延加工业主要产品的产量和单位产量电耗；步骤3：最后计算目标年份黑色金属冶炼及压延加工业用电量预测结果。本发明解决了如何预测黑色金属冶炼及压延加工业用电量的问题，能够准确地预测黑色金属冶炼及压延加工业用电量，并且有利于合理有效地利用电力。
-
公开(公告)号：CN109034054B
公开(公告)日：2021-06-25
申请号：CN201810819148.6
申请日：2018-07-24
Applicant: 华北电力大学
Abstract: 一种基于深度学习模型的谐波多标签分类方法，属于电能质量分类识别技术领域。该方法采用具有记忆特性的长短期记忆单元（LSTM）网络，对具有时间序列特性的谐波数据进行特征提取操作，再通过全连接层对其提取的特征值进行降维处理，然后将降维过的特征值输入到sigmoid网络层对谐波数据进行分类识别。本发明使得电能质量谐波扰动的相关特征可以通过数据驱动的方式来提取，完全克服了基于时域、频域以及变换域等物理特性的分类识别建模方法，在适应性、算法效率和准确性方面面临的挑战。该方法在克服电能质量扰动多标签分类时常用的标签幂集法缺陷的同时，还具有较高的谐波分类识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.025 seconds)
