-
公开(公告)号：CN117933364A
公开(公告)日：2024-04-26
申请号：CN202410315687.1
申请日：2024-03-20
Applicant: 烟台海颐软件股份有限公司
Abstract: 本发明属于电力行业自然语言处理技术领域，具体涉及基于跨语言知识迁移和经验驱动的电力行业模型训练方法。本发明针对现有行业大模型的局限，提出一种两阶段训练方法。第一阶段为跨语言迁移的增量预训练：利用不同语种语料对开源模型进行增量预训练，可扩大模型知识范围，强化模型记忆程度；第二阶段为专家经验驱动的指令微调训练：充分利用专家业务经验指导教师模型生成符合实际的任务指令样本，并利用这些指令样本对模型进行微调训练；该方法既用到了专家的经验，又“蒸馏”了教师模型自身的知识能力，可以使模型更好地理解和执行电力领域特定任务，有助于提高模型行业应用的可靠性。
-
公开(公告)号：CN119782534A
公开(公告)日：2025-04-08
申请号：CN202510293056.9
申请日：2025-03-13
Applicant: 烟台海颐软件股份有限公司
IPC: G06F16/35 , G06F16/3329 , G06F16/36 , G06F16/335 , G06F16/334 , G06F40/30 , G06N5/022 , G06N5/04 , G06N3/0455 , G06Q50/06
Abstract: 一种电力行业智能问答多知识库分类优化方法及其系统，涉及电力行业知识库优化领域。为了解决现有的知识库不能适用于电力行业知识库、分类准确性差、检索结果和回答质量差的缺陷，根据电力企业实际业务的划分把电力知识库进行分类，形成多个知识库；通过大语言模型输出初始结果；收集用户的反馈并对负反馈进行错误溯源定位；构建案例库并对案例进行分类管理；根据多源分类验证结果，将有用户反馈的query存入对应案例库；对案例query的权重进行计算并排序；设计并生成分类提示词结构，指导大语言模型对用户的query进行分类优化。本发明主要用于对电力行业智能问答多知识库分类进行优化。
-
公开(公告)号：CN119478626A
公开(公告)日：2025-02-18
申请号：CN202411538070.2
申请日：2024-10-31
Applicant: 烟台海颐软件股份有限公司
IPC: G06V10/82 , G06V10/764 , G06V10/25 , G06N3/0464 , G06N3/084 , G06N3/096 , G06N3/045 , G06Q50/06 , G06V20/50
Abstract: 本发明属于电力领域与人工智能技术领域，具体涉及一种基于混合专家模型的电力现场作业安全检测方法及系统。本发明结合了视觉语言模型与YOLO目标检测模型，通过混合专家模型架构在少样本条件下实现高效精确的电力现场作业安全检测。在训练阶段，通过多模型协同训练，构建了针对不同场景和目标的专家模型集合。在检测阶段，采用两阶段检测机制，先由YOLO进行快速初步检测，随后VLM针对低置信度目标进行复检，最终整合检测结果，确保检测的准确性。本发明旨在有效应对电力现场作业中的复杂环境和安全隐患，显著提高安全检测效率和准确度，相较于单一模型架构，本发明在电力现场作业场景下展现出更广泛的应用场景和更高的检测质量。
-
Patent Agency Ranking
公开(公告)号：CN117933364B
公开(公告)日：2024-06-04
申请号：CN202410315687.1
申请日：2024-03-20
Applicant: 烟台海颐软件股份有限公司
Abstract: 本发明属于电力行业自然语言处理技术领域，具体涉及基于跨语言知识迁移和经验驱动的电力行业模型训练方法。本发明针对现有行业大模型的局限，提出一种两阶段训练方法。第一阶段为跨语言迁移的增量预训练：利用不同语种语料对开源模型进行增量预训练，可扩大模型知识范围，强化模型记忆程度；第二阶段为专家经验驱动的指令微调训练：充分利用专家业务经验指导教师模型生成符合实际的任务指令样本，并利用这些指令样本对模型进行微调训练；该方法既用到了专家的经验，又“蒸馏”了教师模型自身的知识能力，可以使模型更好地理解和执行电力领域特定任务，有助于提高模型行业应用的可靠性。
-
公开(公告)号：CN115271215A
公开(公告)日：2022-11-01
申请号：CN202210913740.9
申请日：2022-07-29
Applicant: 烟台海颐软件股份有限公司
Abstract: 本发明公开了一种短期电力负荷精细修正预测方法、系统、装置、介质，方法包括：利用训练好的平均负荷集成模型，对预测日每一段的平均负荷进行预测，得到预测日每一段的平均负荷的预测结果；利用训练好的时刻点负荷集成模型，对预测日各时刻点的负荷值进行预测，得到各时刻点初期的负荷预测结果；利用预测日每一段的平均负荷的预测结果对相应的预测日的初期负荷预测结果进行修正，得到预测日各时刻点的最终预测负荷结果。与人工确定系数相比，该修正方法更具有可解释性、智能性、降低了人工干预，对预测结果的修正更加精细准确。
-
公开(公告)号：CN118410876A
公开(公告)日：2024-07-30
申请号：CN202410873531.5
申请日：2024-07-02
Applicant: 烟台海颐软件股份有限公司
IPC: G06N5/04 , G06N5/022 , G06N3/045 , G06F40/30 , G06F16/332 , G06F16/35 , G06Q30/015
Abstract: 本发明属于政务服务技术领域，具体涉及一种基于大语言模型的问题指派方法。所述方法包括：步骤100：预处理阶段：收集关于问题指派相关的历史数据案例，构建历史数据案例知识库，并利用大语言模型为历史数据案例生成思维链和参考答案；步骤200：推理阶段：根据用户输入的问题文本，利用预处理阶段构建的知识库和生成的思维链，通过大语言模型推理得到最终的指派结果。本发明通过动态少样本搜索、生成思维链和多轮问答确定等技术，实现了对问题的智能分类和指派，有效提高了分类的准确性和效率，解决了市民难以准确选择对应答复机构的难题。
-
公开(公告)号：CN115564129A
公开(公告)日：2023-01-03
申请号：CN202211285786.7
申请日：2022-10-20
Applicant: 烟台海颐软件股份有限公司
Abstract: 本发明公开了一种基于ANN和迁移学习的节假日负荷预测方法，包括以下步骤：对预处理后的数据集进行特征工程操作形成全部负荷数据集，从全部负荷数据集中提取出节日负荷数据集和假日负荷数据集；采用ANN进行构建全数据源模型，并利用全部负荷训练数据集对全数据源模型进行训练；将全数据源模型作为预训练模型，对节日/假日负荷数据集进行训练，使用与全数据源模型相同的参数，得到最终节日/假日负荷训练模型；对预测日各时刻点的负荷值进行预测，得到预测日各时刻点负荷的预测结果。将节日负荷数据和假日负荷数据分别通过ANN进行节日预测和假日预测，可以更好的学习到节日和假日各自的特征，进而提升预测精度。
-
公开(公告)号：CN115564128A
公开(公告)日：2023-01-03
申请号：CN202211285777.8
申请日：2022-10-20
Applicant: 烟台海颐软件股份有限公司
IPC: G06Q10/04 , G06Q50/06 , G06F16/215 , G06F16/2458 , G06F17/18
Abstract: 本发明属于负荷预测技术领域，具体涉及基于重过载概率统计和相似日的配变负载率修正预测方法。本发明通过统计近期各时刻点上负载率重过载的概率，获取存在重过载可能性的时刻点，专注修正存在重过载可能性的时刻点，提高修正效率；考虑到短期外界因素对负载率峰值的影响，借助预测日前一日的负载率曲线找到预测日的负载率相似日，然后根据预测日前一日和相似日的负载率峰值高度在存在重过载概率的时刻点对初始预测负载率曲线进行修正，提高了重过载部分的预测精度，解决了重过载漏判的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.031 seconds)
