基于卷积神经网络模型的监控告警事件识别方法

    公开(公告)号:CN115358369A

    公开(公告)日:2022-11-18

    申请号:CN202210972876.7

    申请日:2022-08-15

    Abstract: 本发明涉及电力调度管理技术领域,具体地说,涉及基于卷积神经网络模型的监控告警事件识别方法。包括:构建卷积神经网络CNN模型;利用模型对监控告警事件进行自主识别:梳理基本数据;对原始监控告警信息进行预处理并进行向量化表示;提取带标签的事件样本;搭建训练模型结构;划分训练集和测试集,训练模型;构建混淆矩阵,并对模型识别效果进行评价;在线应用。本发明设计利用卷积神经网络CNN模型,通过挖掘相邻监控告警信息间的关联性特征来识别告警事件的类型,可以大幅降低网络的参数量并缓解模型的过拟合问题,同时通过机器学习模型和大量数据来学习数据的特征,从而提升分类和预测的准确率,提高监控告警事件识别的容错能力和判别效率。

    基于深度学习的电力调度异常数据快速检测方法

    公开(公告)号:CN115357462A

    公开(公告)日:2022-11-18

    申请号:CN202210972874.8

    申请日:2022-08-15

    Abstract: 本发明涉及异常数据检测技术领域,具体地说,涉及基于深度学习的电力调度异常数据快速检测方法。包括:获取数据后进行阀值模型处理;采用基于深度学习的量测数据检测方法进行检测:模型建立;数据检测;构建长短期记忆模型来对异常数据进行检测;基于CIM模型的数据合理性检测。本发明设计通过采用深度学习算法,以电网运行数据特性、设备参数、运行方式等为约束条件,可以实现电力调度异常数据的快速检测,并将检测结果以告警的方式推送给自动化运行人员;通过实现电力调度异常数据的快速检测,可以极大提升对异常数据的感知和快速处理能力,便于调控员直观、全面掌控电网运行数据,可支撑大量的变电站在线智能巡检工作的问题发现及分析效率。

    一种基于图像识别的电力设备位置监控器

    公开(公告)号:CN219204563U

    公开(公告)日:2023-06-16

    申请号:CN202222541123.9

    申请日:2022-09-26

    Abstract: 本实用新型涉及电力设备位置监控工具技术领域,具体地说,涉及一种基于图像识别的电力设备位置监控器,包括监控摄像头和固定安装在监控摄像头外部的外壳,外壳用于将监控摄像头防撞保护在内部,监控摄像头的前侧面上设置有用于标记断路器、隔离开关等电子器件具体位置的位置对比装置,位置对比装置包括设置在监控摄像头前侧面上的透明薄片,透明薄片上设置有用于指示对应电子器件坐标的竖直坐标系,外壳上还设置有用于将透明薄片限位固定在监控摄像头前侧面上的限位固定装置。本实用新型利于精准的判断电子器件的具体位置,同时也便于判断电子器件位置是否发生偏移,方便使用。

Patent Agency Ranking