-
公开(公告)号：CN113591909A
公开(公告)日：2021-11-02
申请号：CN202110700213.5
申请日：2021-06-23
Applicant: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司 , 北京芯可鉴科技有限公司
Abstract: 本发明实施例公开了一种电力系统的异常检测方法、异常检测装置以及计算机可读存储介质。该方法包括：获取电力系统的电力信息，电力信息包括多个电力数据；获取预设融合检测模型；基于预设融合检测模型对电力信息进行分析，获得分析后信息；基于预设融合检测模型对分析后信息进行处理，获得处理后信息；基于处理后信息生成电力系统的异常检测结果。本发明采用融合后的检测模型，在兼顾每个检测模型优点的基础上，克服单个检测模型的缺陷，实现更智能化的异常检测效果，提高异常检测效率，提高检测精确性；提高了异常处理效率，提高了电力系统的运行安全性，满足了企业的实际需求。
-
公开(公告)号：CN113591909B
公开(公告)日：2024-08-27
申请号：CN202110700213.5
申请日：2021-06-23
Applicant: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司 , 北京芯可鉴科技有限公司
Abstract: 本发明实施例公开了一种电力系统的异常检测方法、异常检测装置以及计算机可读存储介质。该方法包括：获取电力系统的电力信息，电力信息包括多个电力数据；获取预设融合检测模型；基于预设融合检测模型对电力信息进行分析，获得分析后信息；基于预设融合检测模型对分析后信息进行处理，获得处理后信息；基于处理后信息生成电力系统的异常检测结果。本发明采用融合后的检测模型，在兼顾每个检测模型优点的基础上，克服单个检测模型的缺陷，实现更智能化的异常检测效果，提高异常检测效率，提高检测精确性；提高了异常处理效率，提高了电力系统的运行安全性，满足了企业的实际需求。
-
公开(公告)号：CN113535811A
公开(公告)日：2021-10-22
申请号：CN202110721838.X
申请日：2021-06-28
Applicant: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司 , 北京芯可鉴科技有限公司
IPC: G06F16/2458 , G06F16/215 , G06Q50/06
Abstract: 本发明公开了一种基于改进FP‑growth算法的数据检测方法、装置、设备及存储介质，所述方法包括：获取历史数据，对所述历史数据进行处理，获取处理结果；通过改进FP‑growth算法对所述处理结果扫描一次，获取扫描结果；所述改进FP‑growth算法根据所述扫描结果，获取关联图；所述改进FP‑growth算法根据所述关联图，获取频繁项集。本发明的技术方案，通过获取电力系统异常事件的关联性，在电网调度控制系统中针对电网设备进行监控分析与故障诊断，及时发现存在的不良状况，进行相应的检修和运行维护，可以大大降低其突发性事故的发生概率，对整个电网系统的安全稳定运行具有十分重要的意义。
-
公开(公告)号：CN114126067B
公开(公告)日：2022-05-31
申请号：CN202210109720.6
申请日：2022-01-29
Applicant: 北京智芯微电子科技有限公司 , 浙江大学 , 国网信息通信产业集团有限公司 , 国家电网有限公司
Abstract: 本申请提供一种TSN系统的有线无线资源的联合调度方法、TSN系统及可读存储介质。联合调度方法包括：步骤1：收集TSN系统的当前通信需求，以确定当前通信需求对应的调度周期；步骤2：根据当前通信需求，分析TSN系统中的通信资源的分配约束；步骤3：根据分配约束的分析结果，确定通信资源的优化模型；步骤4：求解优化模型，以获取分配方案；步骤5：在当前通信需求对应的调度周期内，根据分配方案对通信资源进行资源分配；在当前通信需求对应的调度周期结束的情况下，重复步骤1至步骤5。本申请中，每个调度周期内都求解一次优化模型以得到每个调度周期中的通信资源对应的分配方案，据此分配通信资源，使得通信资源的分配灵活性强。
-
公开(公告)号：CN110602651B
公开(公告)日：2022-02-01
申请号：CN201910894093.X
申请日：2019-09-20
Applicant: 北京智芯微电子科技有限公司 , 国网辽宁省电力有限公司电力科学研究院 , 国网信息通信产业集团有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于WIFI位置指纹的定位方法以及机器人的定位系统，该基于WIFI位置指纹的定位方法包括：获取待定位物体在待测区域的每个位置的WIFI位置指纹数据从而建立WIFI位置指纹数据库，采用K均值聚类划分方法对WIFI位置指纹数据库的数据进行分类从而划分为K个类；获取待定位物体在当前位置接收的每个无线访问接入点的RSSI值并从中去除一些信号强度较差的无线访问接入点的RSSI值，计算剩余每个RSSI值组成的采样数据与K个类的欧式距离，在欧式距离值最小的类中采用加权K近邻法进行匹配定位从而获得待定位物体的定位结果。该基于WIFI位置指纹的定位方法以及机器人的定位系统能够提高运算效率和定位精度。
-
Patent Agency Ranking
公开(公告)号：CN113138957A
公开(公告)日：2021-07-20
申请号：CN202110336218.4
申请日：2021-03-29
Applicant: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司 , 全球能源互联网研究院有限公司 , 国网安徽省电力有限公司检修分公司
Abstract: 本发明涉及人工智能领域，提供一种用于神经网络推理的芯片及加速神经网络推理的方法。所述用于神经网络推理的芯片包括存算单元，所述存算单元包括多个不同输入长度的存储计算阵列，多个所述存储计算阵列用于部署与其输入长度相对应的卷积核。本发明通过在存算单元中增设对应不同输入长度的存储计算阵列，以适配经过剪枝的卷积核，在降低功耗的同时最大化利用算力资源，可满足算力资源利用率和低功耗的需求。
-
公开(公告)号：CN112528971B
公开(公告)日：2021-06-04
申请号：CN202110174426.9
申请日：2021-02-07
Applicant: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司
Abstract: 本发明涉及目标检测技术领域，提供一种基于深度学习的输电线路异常目标检测方法、系统及存储介质。所述方法包括：根据预先收集的输电线路通道内的图像数据进行网络模型训练，所述网络模型训练包括：对目标检测算法的损失函数进行优化，利用预先收集的图像数据和优化后的损失函数进行网络模型训练得到深度学习网络模型；采集当前的输电线路通道内的图像数据；利用所述深度学习网络模型对当前的图像数据进行推理，根据推理结果确定当前的输电线路通道内是否存在异常目标。本发明通过对损失函数进行优化来提高目标检测的预测框位置的准确性，从而提升输电线路异常目标检测的精度，降低输电线路异常检测成本。
-
公开(公告)号：CN112528971A
公开(公告)日：2021-03-19
申请号：CN202110174426.9
申请日：2021-02-07
Applicant: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司
Abstract: 本发明涉及目标检测技术领域，提供一种基于深度学习的输电线路异常目标检测方法、系统及存储介质。所述方法包括：根据预先收集的输电线路通道内的图像数据进行网络模型训练，所述网络模型训练包括：对目标检测算法的损失函数进行优化，利用预先收集的图像数据和优化后的损失函数进行网络模型训练得到深度学习网络模型；采集当前的输电线路通道内的图像数据；利用所述深度学习网络模型对当前的图像数据进行推理，根据推理结果确定当前的输电线路通道内是否存在异常目标。本发明通过对损失函数进行优化来提高目标检测的预测框位置的准确性，从而提升输电线路异常目标检测的精度，降低输电线路异常检测成本。
-
公开(公告)号：CN107228980B
公开(公告)日：2020-09-08
申请号：CN201710418691.0
申请日：2017-06-06
Applicant: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司 , 国家电网公司
IPC: G01R23/165
Abstract: 本发明公开了一种测量电网频率的方法及装置，其中，该方法包括：获取电网采集的采样数据，并对采样数据进行自相关滤波处理；对滤波后的采样数据分为第一采样数据和第二采样数据；基于二阶卷积汉宁窗分别对第一采样数据和第二采样数据进行加窗处理，分别确定加窗处理后的第一加窗采样数据和第二加窗采样数据；确定第一加窗采样数据的第一相位，并确定第二加窗采样数据的第二相位；根据第一相位和第二相位确定电网频率。该方法采用等数据长度的自相关两重滤波，可以有效过滤带内白噪声，大幅度提高信噪比SNR；采用二阶卷积汉宁窗，可以大大降低谱间干扰，具有良好的信噪比和抑制谱泄露能力。
-
公开(公告)号：CN111275187A
公开(公告)日：2020-06-12
申请号：CN202010056993.X
申请日：2020-01-16
Applicant: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司
Abstract: 本发明实施例提供一种深度神经网络模型的压缩方法及装置，属于计算机技术领域。所述方法包括：在当前的模型训练周期中，计算待压缩的深度神经网络模型中的模型通道对应的范数；根据范数以及对应的初始化权重阈值，模型通道裁剪，得到裁剪后的深度神经网络模型；判断裁剪后的深度神经网络模型的模型精度与期望精度之间的差值是否大于零；当差值大于零时，根据差值以及初始化权重阈值，每层神经网络对应的自适应权重阈值；根据裁剪后模型中每个参数量化的结果对其损失函数的影响程度，确定量化后的深度神经网络模型；将量化后的深度神经网络模型作为当前的模型训练周期的压缩后模型。本发明实施例适用于神经网络模型的压缩。
-
-
-
-
-
-
-
-
-
Search Results
150
records
(took 0.106 seconds)
