-
公开(公告)号：CN112307287B
公开(公告)日：2022-08-02
申请号：CN202011252601.3
申请日：2020-11-11
Applicant: 国网山东省电力公司威海供电公司 , 国家电网有限公司
Inventor： 卢媛 , 范春磊 , 冷小洁 , 栾卫平 , 徐康 , 杨尉 , 穆芮 , 顾建伟 , 王伟 , 荣俊兴 , 李柔霏 , 赵慧群 , 张睿 , 杨冉昕 , 王丽锋 , 王艳红 , 周子程 , 张志浩 , 黄征 , 贺艳丽 , 冯逊 , 周学军 , 张赟 , 杨禹太 , 孔亮 , 杜廷文
IPC: G06F16/906 , G06K9/62 , G06N3/04 , G06N5/00 , G06F9/50
Abstract: 本发明提出一种基于云边协同架构的电力物联网数据分类处理方法及装置，其中方法包括在边缘层汇总收集原始数据并根据数据的来源，将数据分为上载数据和待处理数据；利用随机森林算法对待处理数据进行分类和处理，得到分类结果数据；边缘层将所述上载数据和分类结果数据上传至云端层，在云端层利用LSTM‑FCN数据分类模型对所述上载数据和分类结果数据进行分类存储。上述基于云边协同架构的电力物联网数据分类处理方法及装置可以避免数据上传和等待数据返回的延迟，达到了对数据的快速响应，并且提升了故障诊断分类的准确性。
-
公开(公告)号：CN106027400A
公开(公告)日：2016-10-12
申请号：CN201610605041.2
申请日：2016-07-28
Applicant: 国网山东省电力公司威海供电公司 , 济南迪讯信息技术有限公司
IPC: H04L12/751 , H04L12/721 , H04L12/24 , H04L29/06
Abstract: 本发明涉及网络定位发现技术，具体的说是一种能够时时探测的IPv6本地链路拓扑发现方法，其特征在于发现本地链路内的所有节点，包括路由器和主机，并获取所有节点的配置信息，本地链路节点的发现是基于IPv6多播地址的，通过向多播地址发送ICMPv6回声请求报文使得本地链路内的所有节点对其做出响应，返回ICMPv6回声应答报文，从而发现本地链路内存在哪些节点，本发明针对本地链路拓扑发现中遇到的问题，利用IPv6多播地址探测本地链路拓扑信息的方法，解决子网节点的探测问题，来获取每个交换机与主机的连接关系。
-
公开(公告)号：CN113487482B
公开(公告)日：2024-03-29
申请号：CN202110747623.5
申请日：2021-07-01
Applicant: 国网山东省电力公司威海供电公司
Inventor： 卢媛 , 范春磊 , 冷小洁 , 栾卫平 , 杨尉 , 穆芮 , 顾建伟 , 王伟 , 荣俊兴 , 李柔霏 , 赵慧群 , 张睿 , 杨冉昕 , 王丽锋 , 王艳红 , 周子程 , 张志浩 , 黄征 , 贺艳丽 , 冯逊 , 周学军 , 张赟 , 施举鹏 , 李静 , 羊麟威 , 杨禹太 , 陶方杰 , 孔亮
IPC: G06T3/4053 , G06T3/4007 , G06N3/045 , G06N3/096 , G06N3/0985
Abstract: 本发明提出一种基于元迁移学习的自适应超分辨率方法，包括：通过外部图像数据集对基于元迁移学习的自适应超分辨率模型进行预训练，使模型能学习到图像重建的先验信息；通过随机高斯采样的方法对外部图像数据集中的图像进行随机参数的下采样，使元迁移学习过程中的训练数据包含多任务的信息；对待重建的目标低分辨率图像进行下采样得到低分辨率子图像，以(低分辨率图像，低分辨率子图像)作为训练数据来训练模型；依靠孪生神经网络与模型进行对抗训练，通过比较低分辨率图像和低分辨率子图像之间的差异性对模型参数进行调整完成对模型的训练；将模型运用在目标图像上重建生成超分辨率图像。该方法能提高图像重建质量，增强超分辨率模型泛化能力。
-
公开(公告)号：CN110888850B
公开(公告)日：2023-07-21
申请号：CN201911226439.5
申请日：2019-12-04
Applicant: 国网山东省电力公司威海供电公司 , 南京航空航天大学 , 国家电网有限公司
Inventor： 常英贤 , 孙锡洲 , 范春磊 , 徐康 , 卢媛 , 冷小洁 , 栾卫平 , 杨尉 , 穆芮 , 顾建伟 , 王伟 , 荣俊兴 , 李维娜 , 张睿 , 杨冉昕 , 赵慧群 , 周子程 , 张志浩 , 黄征 , 冯逊 , 周学军 , 张赟 , 王文亮 , 高丰 , 施举鹏 , 李静
IPC: G06F16/17 , G06F16/21 , G06F16/215
Abstract: 本发明提出一种基于电力物联网平台的数据质量检测方法，包括数据采集、分析及异常检测，异常检测包括在实时分析流程的各环节中，使用基于隔离森林集成学习算法对实时流数据进行异常检测，输入历史量测数据构建初始探测器；提取历史数据离线构建时间序列趋势及周期性特征，选择分割属性和对应的分割值构建隔离树，确定树构造停止条件及深度预设最大值；构建多颗隔离树；构建滑动时间窗口模型，利用指数平滑算法处理改进数据丢失点和噪声，对量测实时流数据计算平均分割深度，依深度值确定是否是异常数据；按时间分界点初始化历史数据，修改实时数据的消费偏移量，保证批处理和实时处理数据无缝衔接。上述方法能提升泛在电力物联网平台数据质量。
-
公开(公告)号：CN114722875A
公开(公告)日：2022-07-08
申请号：CN202210395360.0
申请日：2022-04-15
Applicant: 国网山东省电力公司威海供电公司
Inventor： 卢媛 , 顾建伟 , 冷小洁 , 栾卫平 , 杨尉 , 穆芮 , 杨冉昕 , 王伟 , 荣俊兴 , 王丽锋 , 李柔霏 , 张睿 , 赵慧群 , 张志浩 , 黄征 , 孙伟杰 , 王艳红 , 李玉文 , 杨禹太 , 冯逊 , 周学军 , 贺艳丽 , 杜廷文 , 陶方杰
Abstract: 本发明提出一种基于多域特征分析与特征选择的电力数据识别方法与系统，其中方法包括步骤1、分析所监测的电力数据中的电压、电流时间序列提取功率特征、电流谐波特征以及电压‑电流轨迹特征；步骤2、利用基于随机森林的特征重要性排序和广义序列后向选择搜索策略相结合的特征选择算法进行特征选择和降维，筛选出最优的一组特征子集；步骤3、利用步骤2所得的特征子集对分类模型进行训练，得到优化后的分类模型；步骤4、将未知的电力数据输入至步骤3所得到的分类模型中，进行分类。上述基于多域特征分析与特征选择的电力数据识别方法与系统能够有效解决电力数据特征挖掘不充分导致识别精度不高的问题。
-
Patent Agency Ranking
公开(公告)号：CN105160792B
公开(公告)日：2019-03-29
申请号：CN201510461443.5
申请日：2015-07-30
Applicant: 国家电网公司 , 国网山东省电力公司威海供电公司
IPC: G08B13/196
Abstract: 本发明公开了一种电网变电站的监控系统，所述电网变电站的监控系统包括：监控摄像头、视频监控模块、电网监测模块、无线传输模块、云基站、云计算中心和异常处理终端；监控摄像头将变电站的可见光视频和红外热图像视频数据发送至所述视频监控模块；视频监控模块对可见光视频和红外热图像视频数据进行融合处理形成融合视频数据，并且视频监控模块和电网监测模块分别将融合视频数据和电参量数据传递至无线传输模块；云计算中心根据所述融合视频数据和电参量数据判断电网运行状态；异常处理终端根据所述融合视频数据、电参量和语音数据控制所述视频监控模块。
-
公开(公告)号：CN105071431A
公开(公告)日：2015-11-18
申请号：CN201510461357.4
申请日：2015-07-30
Applicant: 国家电网公司 , 国网山东省电力公司威海供电公司
IPC: H02J3/38
CPC classification number: Y02P80/14
Abstract: 本发明公开了一种分布式电网的控制系统，分布式电网的控制系统包括：微电网、分布式电网监控模块、云基站和云计算中心；微电网由分布式供电源和多个负载以拓扑结构构成；分布式电网监控模块对应连接微电网，分布式电网监控模块用于实时采集微电网内发电系统的电力参数和预测参数，并将实时监测的电力数据和预测参数数据通过网络传递至云基站；云基站通过网络连接多个分布式电网监控模块，用于接收每个分布式电网监控模块传递的实时电力数据和预测参数，并根据实时电力数据计算出微电网的实时负荷；云计算中心通过网络连接云基站，用于预测微电网的负荷值，通过电力数据和预测参数数据预测微电网的负荷值。
-
公开(公告)号：CN113487482A
公开(公告)日：2021-10-08
申请号：CN202110747623.5
申请日：2021-07-01
Applicant: 国网山东省电力公司威海供电公司
Inventor： 卢媛 , 范春磊 , 冷小洁 , 栾卫平 , 杨尉 , 穆芮 , 顾建伟 , 王伟 , 荣俊兴 , 李柔霏 , 赵慧群 , 张睿 , 杨冉昕 , 王丽锋 , 王艳红 , 周子程 , 张志浩 , 黄征 , 贺艳丽 , 冯逊 , 周学军 , 张赟 , 施举鹏 , 李静 , 羊麟威 , 杨禹太 , 陶方杰 , 孔亮
Abstract: 本发明提出一种基于元迁移学习的自适应超分辨率方法，包括：通过外部图像数据集对基于元迁移学习的自适应超分辨率模型进行预训练，使模型能学习到图像重建的先验信息；通过随机高斯采样的方法对外部图像数据集中的图像进行随机参数的下采样，使元迁移学习过程中的训练数据包含多任务的信息；对待重建的目标低分辨率图像进行下采样得到低分辨率子图像，以(低分辨率图像，低分辨率子图像)作为训练数据来训练模型；依靠孪生神经网络与模型进行对抗训练，通过比较低分辨率图像和低分辨率子图像之间的差异性对模型参数进行调整完成对模型的训练；将模型运用在目标图像上重建生成超分辨率图像。该方法能提高图像重建质量，增强超分辨率模型泛化能力。
-
公开(公告)号：CN110807518A
公开(公告)日：2020-02-18
申请号：CN201911076303.0
申请日：2019-11-06
Applicant: 国网山东省电力公司威海供电公司 , 国家电网有限公司 , 南京航空航天大学
Inventor： 卢媛 , 孙锡洲 , 范春磊 , 冷小洁 , 栾卫平 , 徐康 , 杨尉 , 穆芮 , 顾建伟 , 荣俊兴 , 王伟 , 李维娜 , 张睿 , 杨冉昕 , 赵慧群 , 杨禹太 , 陶方杰 , 李玉文 , 蔡海沧 , 李静
Abstract: 本发明提出一种面向电网数据的离群点检测方法，包括以下步骤：S1、获取电网数据流；S2、对数据进行预处理，将数据整合为自动编码器接受的数据格式；S3、构建一个自动编码器，并训练该自动编码器；S4、将S2预处理后的数据，输入训练结束的自动编码器；S5、自动编码器产生输入数据的低维表示及重构数据，并计算重构误差；S6、根据重构误差进行异常值判断，重构误差超过预设阈值的输入数据被认为是自动编码器无法重构的数据，将其标记为离群点；否则的话，将输入数据标记为正常值；S7、重复S4至6，直至该批次所有数据都被标记为正常值或离群点。上述方法通过将数据降维表示及离群点检测相结合，实现海量高维电网数据的异常检测，能提升数据质量。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.03 seconds)
