-
公开(公告)号：CN119989282A
公开(公告)日：2025-05-13
申请号：CN202510449746.9
申请日：2025-04-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司 , 安徽明生恒卓科技有限公司
IPC: G06F18/25 , G06F18/2431 , G06F18/22 , G06Q10/0635 , G06Q50/06 , G06N20/00
Abstract: 本发明属于电力安全领域，具体涉及一种数图融合的窃电行为预警方法、系统和装置。该方法将台区内各个电力计量节点的拓扑图与计量数据结合，在拓扑图上的商业用户和居民用户的电力节点分割开来得到商户子图和居民子图。然后，结合计量数据分析两张子图上的电力用户的用电数据变化的波动相似度和增长相似度，并将相似度较高的节点视为无窃电风险的安全节点。接着，根据剩余的拓扑图生成各个独立的风险区域，结合风险区域内各节点的电力信息生成对应的特征序列。最后，利用机器学习算法根据输入的特征序列生成各个区域释放存在窃电行为的分类结果。本发明解决了现有基于大数据经济的窃电行为检测方法存在的精度较差、实时性不足问题。
-
公开(公告)号：CN119628234A
公开(公告)日：2025-03-14
申请号：CN202411798940.X
申请日：2024-12-09
Applicant: 国网安徽省电力有限公司 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本发明涉及电网监控技术领域，公开了一种基于人工智能的电网设备运行监控辅助系统，包括：设备采集模块获取电网监控区域内的全部设备数据生成不同层级的设备集合；设备数据处理模块确定所述设备集合之间的连接关系，设置监控指标，确定设备监控指标的监控时间；监控模块根据所述设备集合的层级排序进行逐级监控，制定监控策略；预警模块对异常设备进行预警上报。本发明通过全面收集设备数据并进行分级，实现全方位、重点性的监控，按层级有序监控并输出结果，通过预设的阈值和异常检测算法，对异常设备预警上报，优化监控资源的分配，减少停电事故发生概率，提升了系统的监控能力、预警能力和资源优化能力，增强电网整体运行的安全性与可靠性。
-
公开(公告)号：CN118350649B
公开(公告)日：2024-09-03
申请号：CN202410777660.4
申请日：2024-06-17
Applicant: 国网安徽省电力有限公司电力科学研究院
IPC: G06Q10/0635 , G06F21/64 , G06F21/31 , G06Q50/06
Abstract: 本发明公开了一种电网设备数据风险分析方法及系统，方法包括获取电网设备的运行数据，并基于所述运行数据计算运行数据风险评估结果；将电网设备和操作用户作为有向图中的节点，节点之间的连线表示数据权限方向，构建数据权限有向图；对所述数据权限有向图进行权限链路分析，计算数据权限有向图中的权限冗余度和总权限度；基于所述权限冗余度和所述总权限度，确定数据权限管理风险评估结果；从系统日志查看对电网设备运行数据的操作结果，基于所述操作结果、所述运行数据风险评估结果和所述数据权限管理风险评估结果，评估电网设备数据风险；本发明提高了电网设备数据风险分析结果的准确性和可靠性。
-
公开(公告)号：CN112036481B
公开(公告)日：2024-04-05
申请号：CN202010892808.0
申请日：2020-08-31
Applicant: 国家电网有限公司 , 国网安徽省电力有限公司 , 国网安徽省电力有限公司电力科学研究院
Inventor： 张淑娟 , 王鑫 , 汪玉 , 赵龙 , 胡世骏 , 郑高峰 , 秦丹丹 , 刘丽 , 李龙跃 , 高博 , 郑国强 , 李金中 , 王潇 , 孙伟 , 李博 , 卞真旭 , 金雨楠 , 钱光超 , 仇茹嘉 , 史伟豪
Abstract: 本发明提供了一种提升融合效果的反向验证方法，涉及电网融合的技术领域，以解决实体融合的质量不高的问题。该方法包括对配网网架拓扑关系的构建，将多个系统实体的数据进行融合；对融合的结果进行基于层次化推理的反向验证；得到验证结果。本发明提供的提升融合效果的反向验证，使得在电网中实体的融合可以更加准确，反馈融合的效果，在工作人员进行实体融合是参照反馈的结果，调整融合方法，使得融合的结果更加准确。
-
公开(公告)号：CN117572076A
公开(公告)日：2024-02-20
申请号：CN202311578624.7
申请日：2023-11-21
Applicant: 国网安徽省电力有限公司电力科学研究院 , 合肥联微仪科技有限公司
Abstract: 本发明公开了基于TMR电流测量原理的电能表，包括至少两个TMR器件、导电体，所述导电体产生的感应磁场强度与导电体的厚度中心到TMR器件的距离有关，将所述TMR器件分别安装在距离导电体中心不同的距离之处，实现不同的量程，并且对量程进行分段，对分段后的量程对应的量程增益误差和偏置误差采用线性回归拟合算法进行修正；本发明的优点在于：同时实现大的量程和高精度，满足电能表的要求。
-
Patent Agency Ranking
公开(公告)号：CN116595109A
公开(公告)日：2023-08-15
申请号：CN202310643052.X
申请日：2023-06-01
Applicant: 国网安徽省电力有限公司电力科学研究院
IPC: G06F16/28 , G06F16/2458 , G06F16/25 , G06F16/215 , G06F18/23213 , G06F18/243 , G06F18/214
Abstract: 本发明公开了一种基于大数据的数据分析方法，包括采集单元，所述采集单元采集电子信息网络中的系统数据；整合单元，所述整合单元和采集单元通信连接，通过整合单元对采集的数据整合成统一数据仓库；预处理单元，所述预处理单元和整合单元通信连接，通过预处理单元，对整合后的数据进行预处理；挖掘单元，所述挖掘单元和预处理单元通信连接，通过挖掘单元对预处理后的数据进行挖掘操作；所述分析方法如下：步骤一：通过采集单元采集电子信息网络中的系统数据；本发明的有益效果是：通过预处理单元，对整合后的数据进行预处理，减少干扰；挖掘操作采用的方法为K‑Means算法、AdaBoost算法、Apriori算法、CART决策树，提高数据挖掘的效率。
-
公开(公告)号：CN119295895B
公开(公告)日：2025-03-18
申请号：CN202411814814.9
申请日：2024-12-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司
IPC: G06V10/82 , G06V10/40 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/096 , G06N5/04
Abstract: 面向复杂电力视觉场景的多模态模型风格嵌入方法及系统，属于图像处理技术领域，解决如何增强视觉语言预训练模型的风格表达能力的问题；本发明利用扩散模型辅助多模态模型建立连续空间的领域级风格提示词，将扩散模型的知识迁移到多模态模型中，在面向复杂电力视觉场景时具有更丰富的风格表达和建模能力，可以描述更加细致的风格信息；本发明通过建立实例级风格特征提取模型，将实例级风格特征提取模型与领域级风格信息库的风格信息对齐，推理过程中针对单张图像输入，能够生成高效精确的风格提示词，适用于电力真实场景中的缺陷识别、目标检测等任务，有效增强下游任务中的视觉文本预训练模型的风格泛化性能。
-
公开(公告)号：CN119625569A
公开(公告)日：2025-03-14
申请号：CN202411663586.X
申请日：2024-11-20
Applicant: 成都大学 , 国网安徽省电力有限公司电力科学研究院
IPC: G06V20/17 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明属于图像分析领域，具体涉及一种基于YOLO的无人机电力巡检异物检测方法、装置和无人机。该方法的步骤包括：S1：基于YOLO构建一个异物检测网络，网络包括输入层、骨干网络、特征融合网络和预测头。S2：获取由无人机采集的大量真实的电力巡检图像，人工为图像中存在的异物添加目标选择框和类别标记信息后作为样本图像。S3：将包含大量样本图像的数据集分为训练集和测试集，并用于对异物检测网络进行训练和测试。S4：保留经过测试后满足要求的网络的模型参数；并用于对无人机巡线过程中采集到的实时图像预处理进行实时处理，识别其中包含的异物。本发明解决了现有目标检测算法难以适用于电力巡检图像中的异物检测任务的问题。
-
公开(公告)号：CN119295895A
公开(公告)日：2025-01-10
申请号：CN202411814814.9
申请日：2024-12-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司
IPC: G06V10/82 , G06V10/40 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/096 , G06N5/04
Abstract: 面向复杂电力视觉场景的多模态模型风格嵌入方法及系统，属于图像处理技术领域，解决如何增强视觉语言预训练模型的风格表达能力的问题；本发明利用扩散模型辅助多模态模型建立连续空间的领域级风格提示词，将扩散模型的知识迁移到多模态模型中，在面向复杂电力视觉场景时具有更丰富的风格表达和建模能力，可以描述更加细致的风格信息；本发明通过建立实例级风格特征提取模型，将实例级风格特征提取模型与领域级风格信息库的风格信息对齐，推理过程中针对单张图像输入，能够生成高效精确的风格提示词，适用于电力真实场景中的缺陷识别、目标检测等任务，有效增强下游任务中的视觉文本预训练模型的风格泛化性能。
-
公开(公告)号：CN118918447B
公开(公告)日：2024-12-10
申请号：CN202411408471.6
申请日：2024-10-10
Applicant: 国网安徽省电力有限公司电力科学研究院
IPC: G06V10/82 , G06N3/0455 , G06N3/096 , G06N3/098 , G06V10/80
Abstract: 本发明公开了基于多模态提示协同的视觉巡检多任务学习方法，以多模态提示协同多任务学习网络作为视觉‑语言模型实现视觉巡检多任务学习，所述多模态提示协同多任务学习网络包括语言提示编码器和视觉编码器，语言提示编码器包括并行的冻结语言编码器和语言编码器；冻结语言编码器，用于确保语言编码器的调整不大于阈值限度；语言编码器与视觉编码器通过耦合函数计算二者特征的余弦相似性衡量两个任务的相似程度，以最大限度地提高总相似性高的任务组的视觉和语言表征的一致性，实现视觉巡检多任务学习的高效联合训练。本发明提升视觉巡检多任务模型的调整效果，保证视觉巡检多任务学习方法的针对性和泛化性。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.033 seconds)
