-
公开(公告)号：CN118920485B
公开(公告)日：2024-12-13
申请号：CN202411422273.5
申请日：2024-10-12
Applicant: 四川大学 , 国网四川省电力公司营销服务中心
Abstract: 本发明涉及配电网谐波治理技术领域，公开了一种基于光伏的中低压配电网谐波治理两阶段分层调控方法。首先，构建中低压分层控制架构，先通过中压控制层级控制，再通过低压控制层级控制，并进行中压层与低压层之间的交互协调控制；再分别针对中压层和低压层以中低压配电网谐波治理费用最低确立目标函数，设定约束条件并求解，来构建中低压配电网谐波治理分层优化模型；最后基于中低压分层控制架构与中低压配电网谐波治理分层优化模型，得到中低压配电网两阶段分层协调控制流程。本发明采用光伏有功并网后的剩余容量产生补偿电流，极大提高了设备利用率，以中低压配电网谐波治理费用最低为优化目标，在经济性上更具优势。
-
公开(公告)号：CN117033916B
公开(公告)日：2024-07-23
申请号：CN202310840149.X
申请日：2023-07-10
Applicant: 国网四川省电力公司营销服务中心
IPC: G06F18/15 , G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于神经网络的窃电检测方法，包括以下步骤：S1、数据预处理：对输入的数据集中存在的缺失情况进行预处理，填补缺失值，并对数据进行归一化处理；S2、根据窃电数据特征创建检测网络模型，使用处理好的数据集来训练模型；S3、加载模型，根据输入的电力消耗数据来进行检测。该发明的窃电检测方法通过利用卷积神经网络来提取数据周内与相邻周间信息，并利用自注意力机制来提取月份间的信息，且针对难以从复杂的序列模式提取出模式的依赖关系问题，对序列进行了分解，从而提高窃电检测的准确率并降低检测的假阳率。
-
公开(公告)号：CN115690686A
公开(公告)日：2023-02-03
申请号：CN202211404989.3
申请日：2022-11-10
Applicant: 国网四川省电力公司营销服务中心
IPC: G06V20/52 , G06V10/772 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双向转置FPN跨层网络的山火监测方法，包括：获取山火烟雾数据集，山火烟雾数据集包括若干发生山火的图像；构建双向转置FPN跨层网络，并构建双向转置FPN跨层网络对应的损失函数；以山火烟雾数据集作为训练数据，以损失函数最小为目标，对双向转置FPN跨层网络进行训练，得到训练完成的双向转置FPN跨层网络；获取当前森林的图像信息，并以该图像信息作为双向转置FPN跨层网络的输入，获取山火监测结果。本发明通过构建双向转置FPN跨层网络，在实现山火监测的同时，提高了山火监测效果以及准确率。
-
公开(公告)号：CN115619013A
公开(公告)日：2023-01-17
申请号：CN202211226539.X
申请日：2022-10-09
Applicant: 国网四川省电力公司营销服务中心
IPC: G06Q10/04 , G06Q50/02 , G06F18/214 , G06F18/25 , G06F18/2431
Abstract: 本发明涉及多类型异质传感器信息融合技术领域，公开了一种多传感器信息融合火灾预测算法、系统、电子设备及介质，包括：S1、获取数据库中的样本数据；S2、对所述数据集中的样本数据进行预处理；S3、将预处理后的所述数据集中的样本数据按照比例划分为训练集、测试集和验证集，并将所述训练集中的样本数据利用机器学习算法提取数据特征，得到每个样本数据各属性值的重要度；S4、建立预测模型，将所述训练集输入至所述预测模型中进行训练；S5、将所述测试集中的样本数据送入到所述预测模型中对预测模型进行修正。本发明通过找出各属性与火灾发生之间的内在联系，减少传感器抢占信道资源的情况发生，降低功耗的同时并保证准确地做出火灾预警。
-
公开(公告)号：CN115034474A
公开(公告)日：2022-09-09
申请号：CN202210654960.4
申请日：2022-06-10
Applicant: 国网四川省电力公司营销服务中心
Abstract: 本发明公开了一种短期电力负荷预测方法及预测系统，获取第一序列数据集；将第一序列数据集划为若干第二序列数据集；选择任意一个第二序列数据集，采用差分自回归移动平均方法对第二序列数据集处理，获得第一电力负荷序列数据；采用BP神经网络方法对第二序列数据集处理，获得第二电力负荷序列数据；构建第一目标函数，并采用混沌粒子群算法进行处理，获得第一权重系数以及第二权重系数，遍历所有第二序列数据集，获得若干第一权重系数以及若干第二权重系数；计算获得第n+1天的第一权重系数与第二权重系数；计算获得第n+1天的电力负荷数据；本发明的有益效果为提高了对电力负荷序列数据预测的准确度，增加了对电力负荷序列数据的精度。
-
Patent Agency Ranking
公开(公告)号：CN114978981A
公开(公告)日：2022-08-30
申请号：CN202210549615.4
申请日：2022-05-20
Applicant: 国网四川省电力公司营销服务中心
Abstract: 本发明公开了一种新型电力系统物联感知路由交换发现方法及系统，在未知智慧物联网络环境中其他节点的初始路由信息的情况下，通过各节点向其邻接表中的其他各个节点之间相互发送路由信息来使各个节点实时更新自身路由信息，保证网络中每个节点都能及时、有效的发现网络其他节点的路由信息，避免信息遗漏或错漏的问题；传染算法在每个节点需要同时向所有能感知的节点发送路由信息，在每个节点需要高度动态变化，遇到路由变动较快的情况，难以保证所有的节点都能及时接收发现其他节点的路由并更新自身路由信息，而本方案中接收节点在根据接收的路由对自身路由更新后才进行本节点邻接表的循环，及时更新路由，保证路由的准确性。
-
公开(公告)号：CN113705476A
公开(公告)日：2021-11-26
申请号：CN202111008055.3
申请日：2021-08-30
Applicant: 国网四川省电力公司营销服务中心
Abstract: 本发明公开了一种基于神经网络的现场作业违章行为分析方法及系统，其中方法包括：建立基于前景区域分割模型的安全作业检测神经网络模型，所述前景区域分割的对象为安全作业区域；获取安全作业数据训练集，所述训练集包括由工作人员和工作环境构成的图像及与该图像对应的安全作业区域的背景掩膜；将所述训练集输入所述神经网络模型进行模型训练，得到训练后的神经网络模型；将待测图像输入所述训练后的神经网络模型进行安全作业区域分割预测，得到安全作业区域的背景掩膜；根据所述安全作业区域的背景掩膜的前景区域的面积判断工作人员是否存在违章行为。本发明在不会耗费较多人力、时间的前提下，也能及时发现现场作业中的违章行为。
-
公开(公告)号：CN118920485A
公开(公告)日：2024-11-08
申请号：CN202411422273.5
申请日：2024-10-12
Applicant: 四川大学 , 国网四川省电力公司营销服务中心
Abstract: 本发明涉及配电网谐波治理技术领域，公开了一种基于光伏的中低压配电网谐波治理两阶段分层调控方法。首先，构建中低压分层控制架构，先通过中压控制层级控制，再通过低压控制层级控制，并进行中压层与低压层之间的交互协调控制；再分别针对中压层和低压层以中低压配电网谐波治理费用最低确立目标函数，设定约束条件并求解，来构建中低压配电网谐波治理分层优化模型；最后基于中低压分层控制架构与中低压配电网谐波治理分层优化模型，得到中低压配电网两阶段分层协调控制流程。本发明采用光伏有功并网后的剩余容量产生补偿电流，极大提高了设备利用率，以中低压配电网谐波治理费用最低为优化目标，在经济性上更具优势。
-
公开(公告)号：CN114062996B
公开(公告)日：2024-09-03
申请号：CN202111371418.X
申请日：2021-11-18
Applicant: 国网四川省电力公司营销服务中心 , 国网四川省电力公司绵阳供电公司
Abstract: 本发明公开了一种配电网电流互感器变比核查方法、装置、设备及介质，包括：获取同一时间段的供电端各供电变压器的电能量以及用电端各用电变压器的电能量；根据各供电变压器的电能量和各用电变压器的电能量，计算得到总输入电能量和除待核查用电变压器外的总消耗电能量；根据计算得到的总输入电能量、总消耗电能量以及待核查用电变压器的消耗电能量，计算待核查用电变压器对应电流互感器的计算变比；将待核查用电变压器对应电流互感器的计算变比与其对应的档案变比进行核查。本发明利用电能数据实现配电网电流互感器变比的在线核查，提高了配电网电流互感器的变比核查的效率和可靠性。
-
公开(公告)号：CN117056874B
公开(公告)日：2024-08-13
申请号：CN202311040028.3
申请日：2023-08-17
Applicant: 国网四川省电力公司营销服务中心
IPC: G06F18/27 , G06F18/10 , G06F18/25 , G06F18/214 , G06N3/0455 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于深度孪生自回归网络的无监督窃电检测方法，具体包括如下步骤：对原始数据进行预处理；通过滑动窗口获取子序列；通过深度孪生自回归网络将时间序列进行重构；计算输入序列在每个时刻的重构误差；计算样本离群度；通过阈值比较判定用电数据中的异常用户。通过两个孪生自回归子网络分别独立地对无标记的输入数据进行重构，再将重构误差预测数据中的正常样本，通过迭代训练来优化模型参数，避免了引入额外的噪声；利用多头自注意力机制捕捉用电数据中的时间依赖性、周期性和随机性等复杂特征，通过重构正常样本来学习数据的有效表示，解决现有检测方法对数据中相关特征提取不足问题，提升了对窃电行为检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.052 seconds)
