-
公开(公告)号：CN112240964B
公开(公告)日：2023-06-20
申请号：CN201910641524.1
申请日：2019-07-16
Applicant: 北京映翰通网络技术股份有限公司
IPC: G01R31/08 , G06F18/241 , G06N3/0464
Abstract: 本发明公开了一种用于配电网的故障类型识别方法，该方法利用故障定位器来识别暂态录波装置所获取的故障录波波形所对应的故障类型。针对目前原始暂态录波数据‑故障类型数据组数量不足以对故障定位器进行良好的训练的情况下，本发明提出了利用故障定位器的浅层结构帮助训练故障分类器，并同时通过设置第一、二故障波形生成器和第一、二故障波形辨别器进行对抗训练，以及第一、二辅助分类器获得充足的且能够与原始故障波形数据‑故障类型数据组相似的人工故障波形数据‑故障类型数据组，来用于故障分类器的训练。
-
公开(公告)号：CN110794255B
公开(公告)日：2022-01-18
申请号：CN201810866754.3
申请日：2018-08-01
Applicant: 北京映翰通网络技术股份有限公司
Abstract: 本发明公开了一种配电网故障预测方法，所述方法包括：对所需预测的配电网区段内的故障录波数据提取距前时间、数据密度、降采样波形和局部波形；将距前时间、数据密度、降采样波形和局部波形输入故障预测模型获得预测结果，所述故障预测模型包括深度卷积神经网络、掩蔽单元及长短时期记忆网络单元。
-
公开(公告)号：CN112101077A
公开(公告)日：2020-12-18
申请号：CN201910528483.5
申请日：2019-06-18
Applicant: 北京映翰通网络技术股份有限公司
Abstract: 本发明公开了一种配电网故障类型识别方法，所述方法包括：构建故障波形生成器模型和故障波形识别器模型用于为分类器训练提供故障波形‑故障类型数据组；构建辅助分类器模型，该辅助分类器模型用于识别输入的故障波形的时序为顺时序或逆时序；构建故障分类器模型，且该故障分类器模型与辅助分类器模型中的部分结构保持一致；利用实际故障波形‑故障类型数据组或由故障波形生成器生成的人工故障波形‑故障类型数据组，对故障分类器模型进行训练，从而获得故障分类器。
-
公开(公告)号：CN110794254A
公开(公告)日：2020-02-14
申请号：CN201810865735.9
申请日：2018-08-01
Applicant: 北京映翰通网络技术股份有限公司
Abstract: 本发明公开了一种基于强化学习的配电网故障预测方法，所述方法包括：对所需预测的配电网区段内的故障录波数据提取距前时间、降采样波形和局部波形；将距前时间、降采样波形和局部波形输入故障预测模型获得预测结果，所述故障预测模型包括深度卷积神经网络及长短时期记忆网络单元。
-
公开(公告)号：CN107909118A
公开(公告)日：2018-04-13
申请号：CN201711310398.9
申请日：2017-12-11
Applicant: 北京映翰通网络技术股份有限公司
CPC classification number: G06K9/6268 , G01R31/00 , G06K9/6256 , G06N3/0454
Abstract: 本发明公开了一种基于深度神经网络的配电网工况分类方法，所述配电网工况分类方法包括对工况录波进行波形预处理；构建包含卷积层区域和全连接区域的深度神经网络工况分类器框架；利用工况录波分类数据集对深度神经网络进行超参数机器训练以获得最优深度神经网络工况分类器模型；将预处理波形输入最优深度神经网络工况分类器模型以获得该工况录波的工况类型，本发明能够实现对波形本身简单预处理后直接建模识别，机器学习模型自身带有特征提取和工况分类的功能，此种端对端训练模型的方法能进一步提升识别正确率。
-
Patent Agency Ranking
公开(公告)号：CN111999591A
公开(公告)日：2020-11-27
申请号：CN201910447860.2
申请日：2019-05-27
Applicant: 北京映翰通网络技术股份有限公司
IPC: G01R31/08
Abstract: 本发明公开了一种配电网一次设备异常状态的识别方法，该识别方法包括：将配电网故障录波数据输入宏观分类器得到工况分类；将配电网故障录波数据输入微观分类器得到故障录波数据的模式标签；将所得到的工况分类和模式标签输入异常状态识别器，根据模式标签选择对应的异常状态识别子模型，根据工况分类、模式标签、线路运行信息及线路拓扑信息进行一次设备异常状态进行识别，得到一次设备异常状态的产生原因及位置。
-
公开(公告)号：CN108154175A
公开(公告)日：2018-06-12
申请号：CN201711404560.3
申请日：2017-12-22
Applicant: 北京映翰通网络技术股份有限公司
IPC: G06K9/62
Abstract: 本发明公开了一种配电网录波多工况精确识别方法，该方法包括：将工况录波输入卷积层区域以获得特征序列；将特征序列输入区域提取网络获得工况区域；将特征序列与工况区域叠加从而获得根据工况区域截取的多个特征序列区域；将该多个特征序列区域输入多层分类器得到对应的每个特征序列区域所对应的工况类型。实现工况持续时间及工况类型的同步判定，且上述两方面结果通过统一模型输出，从而形成端对端流程，以提高识别判定的准确率。
-
公开(公告)号：CN108152676A
公开(公告)日：2018-06-12
申请号：CN201711403320.1
申请日：2017-12-22
Applicant: 北京映翰通网络技术股份有限公司
IPC: G01R31/08
Abstract: 本发明公开了一种基于智能体的配电网故障定位方法，该方法包括：当发生配电网故障时，首先初始化智能体在配电网中的起始位置；令智能体在配电网中移动，智能体每移动到一个新的位置时，获取该位置的特征向量；根据当前位置的特征向量和智能体内部存储的特征向量利用智能体内的决策表来决定智能体如何处理当前位置的特征向量和智能体内存储部的特征向量；使智能体遍历配电网内的每一个位置，当智能体遍历全部位置后，智能体内部存储的特征向量所对应的位置即为故障点位置。
-
公开(公告)号：CN115424188A
公开(公告)日：2022-12-02
申请号：CN202110519111.3
申请日：2021-05-12
Applicant: 北京映翰通网络技术股份有限公司
IPC: G06V20/50 , G06V10/764 , G06V10/80 , G06V10/82 , G07F9/00
Abstract: 本发明公开了一种基于人工智能的自动售货机货道配置方法，其包括在完成自动售货机货物摆放后获取自动售货机的进行商品展示的货道图像；将货道图像输入目标检测模型以获得商品边界框信息及商品类别信息；根据目标检测模型所得的商品的类别信息对商品进行粗类别鉴别，如果商品属于目标粗类别集合，则截取商品子图像；将商品子图像输入商品SKU分类模型以获得商品子图像所对应的商品SKU的概率值；根据自动售货机的预制货道结构信息对自动售货机进行货道网格定位，从而获得自动售货机的货道ID；根据商品的边界框信息、商品SKU的概率值以及货道ID生成预匹配信息，输入每个货道对应的商品价格以生成货道配置文件。
-
公开(公告)号：CN107909118B
公开(公告)日：2022-02-22
申请号：CN201711310398.9
申请日：2017-12-11
Applicant: 北京映翰通网络技术股份有限公司
Abstract: 本发明公开了一种基于深度神经网络的配电网工况分类方法，所述配电网工况分类方法包括对工况录波进行波形预处理；构建包含卷积层区域和全连接区域的深度神经网络工况分类器框架；利用工况录波分类数据集对深度神经网络进行超参数机器训练以获得最优深度神经网络工况分类器模型；将预处理波形输入最优深度神经网络工况分类器模型以获得该工况录波的工况类型，本发明能够实现对波形本身简单预处理后直接建模识别，机器学习模型自身带有特征提取和工况分类的功能，此种端对端训练模型的方法能进一步提升识别正确率。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.04 seconds)
