-
公开(公告)号：CN118411560A
公开(公告)日：2024-07-30
申请号：CN202410523072.8
申请日：2024-04-28
Applicant: 中国电力科学研究院有限公司 , 北京邮电大学 , 国网山西省电力公司 , 国网山西省电力公司营销服务中心
Inventor： 李保丰 , 翟峰 , 高欣 , 苏俊池 , 方潇 , 赵兵 , 郜波 , 秦煜 , 陈昊 , 梁晓兵 , 郑安刚 , 许斌 , 徐萌 , 冯云 , 赵英杰 , 卢建生 , 任宇路 , 石智珩 , 谢振刚 , 杨子成 , 杨帅
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06N3/0464
Abstract: 本发明属于图像多目标检测技术领域，公开了一种目标检测模型构建方法、目标检测方法及相关装置；其中，所述目标检测模型构建方法包括：以基于YOLO框架的目标检测网络为基准模型，将基准模型的特征提取网络中的所有卷积层替换为重排网络模块和设置于重排网络模块后的无参数注意力模块，获得轻量化目标检测网络；基于选定的训练数据集对所述轻量化目标检测网络进行深度学习预训练，然后基于教师模型使用置信度蒸馏损失进行蒸馏训练，达到预设收敛条件后，构建获得目标检测模型。本发明构建获得的目标检测网络在面临复杂的检测场景和实时的检测任务时，具有较高的检测精度和检测效率。
-
公开(公告)号：CN117272055B
公开(公告)日：2024-02-06
申请号：CN202311567852.4
申请日：2023-11-23
Applicant: 国网山西省电力公司营销服务中心 , 北京邮电大学
IPC: G06F17/18 , G06F17/10 , G06F18/214 , G06N3/0464 , G06N3/088 , G01R35/04
Abstract: 本发明涉及一种基于滤波增强自编码器的电能表异常检测方法及装置，属于电力设备检测技术领域。将预处理后的多维时间序列数据输入自编码器和滤波器，输出第一重构多维时间序列数据和第一噪声分量，将第一重构多维时间序列数据输入自编码器和滤波器，输出第二重构多维时间序列数据和第二噪声分量；构建自编码器损失函数和滤波器损失函数，并基于自编码器损失函数和滤波器损失函数构建电能表异常检测损失函数以对自编码器和滤波器进行迭代训练，将训练好的自编码器作为电能表异常检测模型以对待检测多维时间序列数据进行检测。本发明减小了噪声和异常对自编码器的干扰，提高了重构(56)对比文件US 2023351158 A1,2023.11.02白雅玲.基于深度学习的客户用能分类及异常检测研究《.中国优秀硕士学位论文全文数据库 工程科技II辑》.2023,C042-2856.曹帅.基于深度学习的脑电信号分类方法研究《.中国优秀硕士学位论文全文数据库 医药卫生科技辑》.2018,E080-17.赵经宇.基于无监督学习的网络异常流量检测研究《.中国优秀硕士学位论文全文数据库 信息科技辑》.2023,I139-159.蔡木庆.基于深度学习的复杂时间序列分析和预测《.中国优秀硕士学位论文全文数据库 基础科学辑》.2021,A002-922.Jae Seok Do 等.LSTM-Autoencoder forVibration Anomaly Detection in VerticalCarousel Storage and Retrieval System.《Sensors》.2023,1-22.
-
公开(公告)号：CN117314680A
公开(公告)日：2023-12-29
申请号：CN202311259312.X
申请日：2023-09-27
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了基于双路自编码器的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据分解为趋势项、剩余项和离散量；构建趋势项自编码器重构趋势项和离散量，计算趋势项和离散量的重构误差；构建剩余项自编码器重构剩余项，计算剩余项的重构误差；结合趋势项、剩余项和离散量的重构误差计算模型的损失，将损失作为优化目标对模型进行训练；将待检测的电力调度监控数据同样进行分解，通过模型计算趋势项、剩余项和离散量的重构误差；结合趋势项、剩余项和离散量的重构误差计算输入数据的异常分数，据此判定输入的电力调度监控数据是否为异常。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
公开(公告)号：CN117272055A
公开(公告)日：2023-12-22
申请号：CN202311567852.4
申请日：2023-11-23
Applicant: 国网山西省电力公司营销服务中心 , 北京邮电大学
IPC: G06F18/214 , G06F17/18 , G06N3/0464 , G06N3/088 , G01R35/04
Abstract: 本发明涉及一种基于滤波增强自编码器的电能表异常检测方法及装置，属于电力设备检测技术领域。将预处理后的多维时间序列数据输入自编码器和滤波器，输出第一重构多维时间序列数据和第一噪声分量，将第一重构多维时间序列数据输入自编码器和滤波器，输出第二重构多维时间序列数据和第二噪声分量；构建自编码器损失函数和滤波器损失函数，并基于自编码器损失函数和滤波器损失函数构建电能表异常检测损失函数以对自编码器和滤波器进行迭代训练，将训练好的自编码器作为电能表异常检测模型以对待检测多维时间序列数据进行检测。本发明减小了噪声和异常对自编码器的干扰，提高了重构数据的准确性，从而提高了电能表异常检测模型的检测准确率。
-
公开(公告)号：CN117216654A
公开(公告)日：2023-12-12
申请号：CN202311109470.7
申请日：2023-08-30
Applicant: 中国电力科学研究院有限公司 , 北京邮电大学 , 国网重庆市电力公司营销服务中心
Inventor： 刘婧 , 于海波 , 陈天阳 , 李强伟 , 高欣 , 谭煌 , 陈昊 , 陈文礼 , 李媛 , 刁新平 , 乔文俞 , 程瑛颖 , 苏宇 , 李亚杰 , 田成明 , 谷凯 , 郜波 , 郑安刚
IPC: G06F18/241 , G06F18/2415 , G06F18/21 , G06N3/0455 , G06N3/096
Abstract: 本发明公开了一种基于类别迁移的电能表评价校准模型测评方法及系统，属于电能计量技术领域。本发明方法，包括：获取不同台区在评价校准模型下的性能表现数据和不同台区的特征数据，将所述性能表现数据和所述特征数据作为跨类别样本迁移框架的输入数据集；将所述输入数据集划分为多个不平衡二类数据集，基于跨类别样本迁移框架平衡多个不平衡二类数据集，得到平衡数据集，基于基础分类器对所述平衡数据集进行分类；基于一对多分类框架及分类后的平衡数据集，对所述评价校准模型在不同台区上的表现进行分类，以确定评价校准模型在不同台区上的性能等级。本发明基于跨类别样本迁移框架能够预测出评价校准模型在不同台区上的性能等级。
-
Patent Agency Ranking
公开(公告)号：CN117092582A
公开(公告)日：2023-11-21
申请号：CN202310990073.9
申请日：2023-08-08
Applicant: 北京邮电大学 , 中国电力科学研究院有限公司 , 国网山西省电力公司营销服务中心
IPC: G01R35/04 , G06F18/213 , G06F18/214 , G06F18/22 , G06N3/0455 , G06N3/094
Abstract: 本发明公开了一种基于对抗对比自编码器的电能表异常检测方法及装置。其中，方法包括：获取待测电能表历史检测的多变量长时间序列数据；对多变量长时间序列数据进行归一化处理，划分预设窗口长度的多个时间窗口数据；将多个时间窗口数据输入至预先训练的异常检测模型中，输出每个时间窗口数据对应的重构数据，异常检测模型中采用对抗对比自编码器；根据每个时间窗口数据的重构数据以及时间窗口数据确定该时间窗口数据每个时间点的异常分数，并根据异常分数，确定每个时间点的异常程度。
-
公开(公告)号：CN109886498B
公开(公告)日：2022-03-22
申请号：CN201910153816.0
申请日：2019-03-01
Applicant: 北京邮电大学
Abstract: 本发明实例提供了一种基于特征选择的EMD‑GRU短期电力负荷预测方法，包括：使用经验模态分解方法(EMD)将原始负荷序列分解成多个时序分量，并将所有的时序分量作为初始特征集合，由其构成预测模型的潜在输入变量；通过皮尔逊相关系数法对初始特征进行相关性分析，选出其中与原始负荷序列相关性较大的时序分量作为预测模型的输入特征；将被选择的时序分量结合原始负荷序列一起输入到门控循环单元网络(GRU)预测模型中，执行最终的负荷预测。根据本发明实施例提供的技术方案，可以提高短期电力负荷预测的准确率。
-
公开(公告)号：CN113608968A
公开(公告)日：2021-11-05
申请号：CN202110967252.1
申请日：2021-08-23
Applicant: 北京邮电大学
IPC: G06F11/30
Abstract: 本发明实施例提出了一种基于密度距离综合决策的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据作为输入数据集，通过局部可达距离与核密度估计来计算样本的局部密度；使用自然对数函数作为缩放函数，计算每个样本与其近邻的密度比；通过欧式距离找到每个样本密度比自身大的近邻，计算密度提升距离；将局部密度比与密度提升距离标准化后计算乘积，得到最终的异常分数，并判定数据中的异常样本。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
公开(公告)号：CN113112188A
公开(公告)日：2021-07-13
申请号：CN202110529491.9
申请日：2021-05-14
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于预筛选动态集成的电力调度监控数据异常检测方法，包括：使用电力调度监控历史数据训练一定数量的基检测器；使用孤立森林方法对全部基检测器进行预筛选，筛选掉性能较差的基检测器；使用集成式KNN算法从历史数据中选择与待检测数据欧式距离较小的历史数据作为验证子集；使用最大值法根据筛选后剩余的基检测器在验证子集上的输出生成验证子集的假真值，计算基检测器在验证子集上的输出与假真值的皮尔逊相关系数；使用基于直方图的基检测器选择方法根据皮尔逊相关系数选择基检测器，平均所选基检测器的输出作为待检测数据的检测结果。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。
-
公开(公告)号：CN112465153A
公开(公告)日：2021-03-09
申请号：CN202011510541.0
申请日：2020-12-18
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于不平衡集成二分类的磁盘故障预测方法，包括：对磁盘的SMART数据进行采样，选取与磁盘故障相关的状态特征作为原始数据集，通过数据分区混合采样获得平衡数据集；将磁盘原始数据集和平衡数据集输入RF算法进行机器学习，分别训练出偏向多数类的原始模型和局部域加强和削弱模型，集成两种模型获得偏向外围边界的混合模型；根据放入原始磁盘数据集近邻的不平衡程度，自适应地选择三种模型，所获分类概率用来预测磁盘故障状态。本发明可以有效解决正、异常样本数量不均衡下磁盘故障预测难度大的问题，提高基于机器学习的磁盘故障预测能力。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.033 seconds)
