-
公开(公告)号：CN114444972A
公开(公告)日：2022-05-06
申请号：CN202210177110.X
申请日：2022-02-24
Applicant: 湖南大学
Abstract: 本发明涉及人工智能及电力领域。公开了一种基于图神经网络的电力变压器健康状态评估方法，全面考虑了多指标及指标间复杂关系，并通过主客观赋权法实现健康状态评估；本发明提出的评估方法从变压器的基本信息、运行信息、试验信息和故障检修信息中选取多个关键性评估指标构建健康状态评估体系；由于底层指标众多，通过层次分析法和健康指数法获得相应综合指标的健康指数；利用综合指标关系图构建图神经网络，再通过故障检修信息进行修正，最终实现变压器健康状态的评估；利用建立的变压器样本集对模型进行训练，将训练好的健康状态评估模型应用于实例验证，实验结果表明该方法能够更准确地得到变压器的健康状态。
-
公开(公告)号：CN114444972B
公开(公告)日：2024-06-18
申请号：CN202210177110.X
申请日：2022-02-24
Applicant: 湖南大学
Abstract: 本发明涉及人工智能及电力领域。公开了一种基于图神经网络的电力变压器健康状态评估方法，全面考虑了多指标及指标间复杂关系，并通过主客观赋权法实现健康状态评估；本发明提出的评估方法从变压器的基本信息、运行信息、试验信息和故障检修信息中选取多个关键性评估指标构建健康状态评估体系；由于底层指标众多，通过层次分析法和健康指数法获得相应综合指标的健康指数；利用综合指标关系图构建图神经网络，再通过故障检修信息进行修正，最终实现变压器健康状态的评估；利用建立的变压器样本集对模型进行训练，将训练好的健康状态评估模型应用于实例验证，实验结果表明该方法能够更准确地得到变压器的健康状态。
-
公开(公告)号：CN118036605A
公开(公告)日：2024-05-14
申请号：CN202410228934.4
申请日：2024-02-29
Applicant: 湖南大学
IPC: G06F40/289 , G06F40/284 , G06F16/33 , G06F16/35 , G06F18/213 , G06F18/23 , G06N3/0464 , G06N3/08 , G06N3/006 , G06N10/20
Abstract: 本发明公开了一种基于Word2vec‑QCNN模型的文本表示系统、方法及其在电力领域词库构建的应用，该方法预处理模块对电力文本进行分词并去停用词；向量转换模块采用Word2vec模型将所得词汇转化为词向量；特征提取模块采用振幅编码将词向量编码为量子态，利用QCNN模型对量子态的词向量进行卷积完成特征提取，并池化降维，去除冗余特征，通过量子测量将处理后的量子态投影到新的经典空间，得到三维词向量；聚类模块采用QPSO算法对三维词向量聚类；词集对比模块将聚类所得词集与非专业词集对比，剔除重叠词，获得最终电力领域词库。本发明利用量子计算的并行性优势和量子叠加态特性提高计算效率及模型表达能力，从而提高词库准确率。
-
-
Search Results
3
records
(took 0.021 seconds)
