-
公开(公告)号：CN116633433B
公开(公告)日：2024-03-08
申请号：CN202310538135.2
申请日：2023-05-12
Applicant: 国网吉林省电力有限公司 , 国网吉林省电力有限公司信息通信公司 , 长春理工大学高技术产业有限责任公司
IPC: H04B10/079 , H04B10/071 , H04L41/0631 , H04L41/142
-
公开(公告)号：CN117787100B
公开(公告)日：2024-10-25
申请号：CN202311830357.8
申请日：2023-12-28
Applicant: 国网吉林省电力有限公司 , 国网吉林省电力有限公司信息通信公司 , 长春理工大学高技术产业有限责任公司
IPC: G06F30/27 , G06N3/0499 , G02B6/44 , G06F113/16
Abstract: 本发明公开了一种机理与数据双向融合驱动的电力通信光缆数字孪生建模方法，涉及电力光通信技术领域，包括：获取环境参数数据与光缆固有属性，建立机理模型，将光缆固有属性与环境参数数据作为输入数据，分别输入机理模型与物理实体中，获取电力通信光缆的理论输出和真实输出，电力通信光缆数据包括所述理论输出、真实输出与光缆固有属性；根据电力通信光缆数据与环境参数数据建立数据驱动模型；将物理实体与机理模型输出间的偏差数据补偿到机理模型中，建立电力通信光缆数字孪生模型。本发明建立的数字孪生模型可以优化电力通信光缆物理实体的运行，实现电力光通信系统的实时监测和智慧运行，提高系统的运行效率和稳定性。
-
公开(公告)号：CN118200169A
公开(公告)日：2024-06-14
申请号：CN202410431436.X
申请日：2024-04-11
Applicant: 国网吉林省电力有限公司 , 国网吉林省电力有限公司信息通信公司 , 长春理工大学高技术产业有限责任公司
IPC: H04L41/147 , H04L41/14 , H04L41/16 , H04L41/12 , H04L67/12
Abstract: 基于混合时空深度学习模型的电力光通信链路流量预测方法，涉及电力光通信网络技术领域，解决现有电力通信网预测方法难以适应网络结构动态的拓扑结构关系问题，本发明基于一种深度卷积神经网络和门控循环单元的动态DCNN‑GRU预测模型，该模型不仅捕捉时间序列信息，还综合分析网络拓扑结构，全面描绘了网络的时空特征。并将提出的DCNN‑GRU模型与独立的长短期记忆模型进行集成，结合前者的动态捕捉能力和后者的长期依赖处理能力对流量进行预测，提高了预测的准确性和鲁棒性。实验结果表明，相较于其他预测模型，本发明的模型在流量预测方面降低了误差，展现了更高的预测准确性。
-
公开(公告)号：CN116633433A
公开(公告)日：2023-08-22
申请号：CN202310538135.2
申请日：2023-05-12
Applicant: 国网吉林省电力有限公司 , 国网吉林省电力有限公司信息通信公司 , 长春理工大学
IPC: H04B10/079 , H04B10/071 , H04L41/0631 , H04L41/142
Abstract: 本发明公开了一种基于模型驱动的OPGW光缆故障诊断与定位方法，涉及电力设备检测技术领域，包括：获取光缆数据以及线路故障发生时通过OTDR获取的故障点距离及检测曲线；将检测曲线和光缆数据进行预处理，通过预处理后的数据训练得到最优光缆故障分类模型，进行光缆故障分类；构建T‑S模糊故障树光缆故障诊断模型进行光缆故障原因诊断；构建光缆故障定位模型，基于故障点距离进行故障定位。本发明实现光缆故障类型的精确分类，利用光缆定位算法实现光缆故障点的精确定位，利用T‑S模糊故障树对光缆故障进行推理并分析，通过推理结果可知最有可能造成其故障的原因，方便工作人员能够精准施策，采取适当措施减少故障发生次数。
-
公开(公告)号：CN117459188A
公开(公告)日：2024-01-26
申请号：CN202311785937.X
申请日：2023-12-25
Applicant: 吉林省吉能电力通信有限公司 , 国网吉林省电力有限公司信息通信公司
IPC: H04L1/00 , H04L41/147 , H04L47/25 , H04L67/52 , H04L69/04 , H04L1/1607 , H04Q9/00 , G01S19/42 , H03M13/09
Abstract: 本发明提供基于北斗通信技术的电力北斗通信系统及通信方法，涉及通信数据传输技术领域，本发明通过循环冗余校验CRC可以高效检测数据在传输过程中的错误，利用北斗定位数据确定设备的校准位置，之后依次通过机器学习模型预测设备未来位置，通过网络质量预测模型获取预测网络质量Q，并将预测的设备未来位置 和预测网络质量Q代入调整函数中以对当前的传输速率的增加、减少进行改变，能够减少因网络拥堵导致的数据包丢失和重传；同时采用决策树算法可以有效地处理大量数据，识别关键信息，减少无关数据传输，采用霍夫曼编码减小数据大小，进而减少数据传输量，提高传输效率。
-
Patent Agency Ranking
公开(公告)号：CN117152925B
公开(公告)日：2024-01-16
申请号：CN202311404012.6
申请日：2023-10-27
Applicant: 吉林省吉能电力通信有限公司 , 国网吉林省电力有限公司信息通信公司
Abstract: 本发明公开了基于大数据的电力通信数据处理系统，通过电力传输异常分析部件获取传输关键参数，依据传输关键参数中所检测得到的电压增程、温度增程及电流增程获取不同情况下的异常频序值，基于所生成的异常频序曲线图实时作出判断，同步发送异常信号至数据可视化监控部件进行监控预警，本发明相较于现有技术，由传感器检测部件检测数据，进行数据实时分析处理，极大的提高了数据运算的准确性，同时，本发明创造性从增程角度入手，通过仿真试验生成的模型进行数据的集中处理，提高了警示信号的发出准确性。
-
公开(公告)号：CN116295855A
公开(公告)日：2023-06-23
申请号：CN202310590277.3
申请日：2023-05-24
Applicant: 国网吉林省电力有限公司信息通信公司
IPC: G01J5/00 , G01J5/02 , G01J5/48 , G01J5/60 , G01R19/165 , G01R31/00 , G01R31/08 , G06T7/00 , G06F17/10 , H04L43/08 , H04L67/10 , H04L67/12
Abstract: 本发明公开了基于无线通信网络的故障定位及诊断系统，涉及电力故障检测的技术领域，当电流流量监控部件检测到任一端口处的流量异常时，启用系统进行故障检测，通过对采集的红外图像进行处理，完成对每一个红外图像数据集的特征深度学习，获取红外图像变动值后判定故障点，相较于现有技术中的直接规则定义，本发明通过红外图像的温区色度处理，量化了变温过程，通过变温数值完成了故障定位，保障了故障点具体位置的获取，同时，本发明基于获取的后续变动曲线分析获取每一个数据点位的故障发生率，对后续的故障进行诊断，提高了故障诊断的准确率。
-
公开(公告)号：CN115766394A
公开(公告)日：2023-03-07
申请号：CN202211286355.2
申请日：2022-10-20
Applicant: 国网吉林省电力有限公司信息通信公司 , 南京南瑞信息通信科技有限公司
IPC: H04L41/0631
Abstract: 本发明公开了一种通信事件联合判断方法及系统，本发明在通信网与电网关联模型的基础上，将电网通信事件和通信网通信事件进行关联，从而判断通信事件产生的原因，实现电网与通信网事件的联合判断，提高电网通信事件的原因定位层次和处置效率，对于电网跨专业的事件定位和处置具有降本增效的作用，具有良好的应用前景。
-
公开(公告)号：CN119582992A
公开(公告)日：2025-03-07
申请号：CN202411715367.1
申请日：2024-11-27
Applicant: 吉林省吉能电力通信有限公司 , 国网吉林省电力有限公司信息通信公司
IPC: H04B17/391 , H04B7/185
Abstract: 本发明提供了一种新能源并网场景空对空无人机信道建模方法。该方法包括：根据新能源并网场景下的环境参数得到环境中信号传播特性，考虑了输电杆塔的影响并引入散射体分布，构建空对空无人机的三维非平稳空对空信道模型；考虑无人机的运动参数引入高斯马尔可夫模型模拟无人机运动轨迹，得出高斯马尔可夫移动模型描述的无人机运动轨迹，得到多径分量参数的时变表达式；根据多径分量参数的时变表达式、环境参数和无人机的运动参数得到三维非平稳空对空信道模型的信道特性分析结果。本发明方法通过引入高斯马尔可夫模型模拟了无人机的动态运动轨迹，确保了信道模型能够反映出无人机实际飞行中的时变性，提升通信系统在复杂环境下的可靠性和稳定性。
-
公开(公告)号：CN118200169B
公开(公告)日：2024-11-01
申请号：CN202410431436.X
申请日：2024-04-11
Applicant: 国网吉林省电力有限公司 , 国网吉林省电力有限公司信息通信公司 , 长春理工大学高技术产业有限责任公司
IPC: H04L41/147 , H04L41/14 , H04L41/16 , H04L41/12 , H04L67/12
Abstract: 基于混合时空深度学习模型的电力光通信链路流量预测方法，涉及电力光通信网络技术领域，解决现有电力通信网预测方法难以适应网络结构动态的拓扑结构关系问题，本发明基于一种深度卷积神经网络和门控循环单元的动态DCNN‑GRU预测模型，该模型不仅捕捉时间序列信息，还综合分析网络拓扑结构，全面描绘了网络的时空特征。并将提出的DCNN‑GRU模型与独立的长短期记忆模型进行集成，结合前者的动态捕捉能力和后者的长期依赖处理能力对流量进行预测，提高了预测的准确性和鲁棒性。实验结果表明，相较于其他预测模型，本发明的模型在流量预测方面降低了误差，展现了更高的预测准确性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.04 seconds)
