一种基于边缘计算模型的电力设备声成像图像数据管理方法及系统

    公开(公告)号:CN116319258A

    公开(公告)日:2023-06-23

    申请号:CN202310249285.1

    申请日:2023-03-15

    Abstract: 本发明公开了一种基于边缘计算模型的电力设备声成像图像数据管理方法及系统,所述预警方法将电力设备声成像图像管理实施阶段当中的声成像图像数据管理阶段划分为若干个声成像图像传输通道管理操作点,然后在各个声成像图像操作点发生时将其传输进展控制参数与对应的操作点预警峰值进行匹配;本发明中还公开了相应预警系统,包括电力设备声成像图像管理划分模块。本发明中的基于边缘计算模型的电力设备声成像图像数据管理方法及系统能够对声成像图像实施前的各个声成像图像数据管理阶段进行不合规预警消息,从而能够提升对电力设备声成像图像管理实施的声成像图像数据完整度管控效果。

    基于异常用电检测模型的监测定位方法

    公开(公告)号:CN106707099A

    公开(公告)日:2017-05-24

    申请号:CN201611081534.7

    申请日:2016-11-30

    CPC classification number: G01R31/088 G01R31/086

    Abstract: 本发明涉及一种基于深度降噪自编码网络—高斯过程的异常用电检测模型的监测定位方法,将台区内所有被测用户的用电量及表计事件信息,输入基于深度降噪自编码网络—高斯过程的异常用电检测模型,对上述数据从时‑频域提取特征并分类,由模型筛选出被测用户中的嫌疑异常用电用户。所述异常用电检测模型输出异常度嫌疑系数,并对用户的异常度疑似概率进行排序,得到异常用电嫌疑用户列表。本发明结合人工智能领域前沿技术对多平台用电数据进行分析,深度挖掘海量数据中隐藏的用户用电行为模式,定位异常用电嫌疑用户,让异常用电检测更智能、更高效。

    基于异常用电检测模型的监测定位方法

    公开(公告)号:CN106707099B

    公开(公告)日:2019-04-12

    申请号:CN201611081534.7

    申请日:2016-11-30

    Abstract: 本发明涉及一种基于深度降噪自编码网络—高斯过程的异常用电检测模型的监测定位方法,将台区内所有被测用户的用电量及表计事件信息,输入基于深度降噪自编码网络—高斯过程的异常用电检测模型,对上述数据从时‑频域提取特征并分类,由模型筛选出被测用户中的嫌疑异常用电用户。所述异常用电检测模型输出异常度嫌疑系数,并对用户的异常度疑似概率进行排序,得到异常用电嫌疑用户列表。本发明结合人工智能领域前沿技术对多平台用电数据进行分析,深度挖掘海量数据中隐藏的用户用电行为模式,定位异常用电嫌疑用户,让异常用电检测更智能、更高效。

    异常用电监测与定位系统及方法

    公开(公告)号:CN106780115A

    公开(公告)日:2017-05-31

    申请号:CN201611088525.0

    申请日:2016-11-30

    CPC classification number: G06K9/6267 G06K9/6256 G06Q50/06

    Abstract: 本发明涉及一种异常用电监测与定位系统及方法,将台区内所有用户的用电信息输入异常用电检测模型对有效特征提取并分类,输出嫌疑异常用户的列表;对于嫌疑异常用户的列表范围内,现场判断异常用电证据不足的重大嫌疑用户安装智能监测与数据影像采集装置,对重大嫌疑用户的用电情况进行实时监测及取证;通过后台分析与推送系统接收智能监测与数据影像采集装置采集到的重大嫌疑用户用电数据进行实时分析,对判断发现异常用户的情况进行预警,向用电实时监控应用平台包含的多个用电实时监控智能终端推送异常用电预警信息。本发明可以解决异常用电发现、取证和计量难等问题,让异常用电监测更智能、更高效。

    异常用电检测模型的建立方法

    公开(公告)号:CN106778841A

    公开(公告)日:2017-05-31

    申请号:CN201611081533.2

    申请日:2016-11-30

    CPC classification number: G06Q50/06 G06K9/6259

    Abstract: 本发明涉及一种异常用电检测模型的建立方法,对训练集用户的用电信息进行有效特征的提取,建立用于深度学习的初始训练数据集;在初始训练数据集中,将无标定是否异常用电的数据,作为所述异常用电检测模型的输入,在深度降噪自编码网络进行从底层到顶层的逐层无监督学习,获得网络各层编码器和译码器的参数;在网络顶层设置有高斯过程分类器,通过已标定是否异常用电的数据进行监督学习,从顶层向底层传输误差,对网络各层编码器和译码器的参数进行调整。本发明结合人工智能领域前沿技术对多平台用电数据进行分析,深度挖掘海量数据中隐藏的用户用电行为模式,定位异常用电嫌疑用户,让异常用电监测更智能、更高效。

Patent Agency Ranking