-
公开(公告)号：CN115775368A
公开(公告)日：2023-03-10
申请号：CN202211538597.6
申请日：2022-12-01
Applicant: 国网冀北电力有限公司秦皇岛供电公司 , 武汉大学
IPC: G06V20/40 , G06V10/82 , G06V10/77 , G06N3/0464 , G06V10/80
Abstract: 本发明涉及一种基于时空混合卷积神经网络的电力作业全流程关键场景识别方法，该智能识别技术包括自适应抽帧技术、空间场景特征提取网络、时序特征提取网络和时空混合特征图融合技术，该技术首先通过视频流的像素变化情况对视频流进行自适应抽帧，然后采用改进的网络对视频流进行特征提取蕴含时序信息和静态空间场景信息的时空混合特征图，最后对时空混合特征图进行多次融合和非线性映射从而实现对电力作业全流程中动态作业环节的识别，该发明为安全管控方法提供场景依据，从而实现电力作业风险的精细化辨识，并且该技术具有轻量化的优点，可部署至智能边缘终端并安装至作业现场实时运行。
-
公开(公告)号：CN119296237A
公开(公告)日：2025-01-10
申请号：CN202411414511.8
申请日：2024-10-11
IPC: G08B13/181 , G08B13/196 , G06T17/00 , G06T3/06 , G06T7/70 , G06T7/80
Abstract: 本发明实施例提供的一种变电站施工安全距离监测方法、装置、设备及存储介质，通过获取的变电站的点云数据，建立三维目标检测模型，基于该三维目标检测模型进行第一次三维目标检测，以检测待监测区域内是否存在带电设备，在确定待监测区域内存在带电设备的情况下，再获取带电设备对应的三维位置信息，并基于该三维位置信息，划分出风险区域，之后基于该三维目标检测模型进行二次三维目标检测，以检测风险区域内是否存在入侵物，在确定风险区域内存在入侵物的情况，进一步判断该入侵物的类型，即判断是入侵人员还是施工机械，最后基于边界信息，计算带电设备和入侵物之间的欧式距离；若欧式距离超过预设距离阈值，基于类别信息，输出告警信息。
-
公开(公告)号：CN117831131B
公开(公告)日：2024-06-11
申请号：CN202410026886.0
申请日：2024-01-09
Applicant: 国网湖北省电力有限公司荆门供电公司 , 湖北荆能输变电工程有限公司 , 武汉大学 , 荆门市盛和电力勘测设计有限责任公司
IPC: G06V40/20 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明涉及电力系统安全识别技术领域，公开了一种基于卷积神经网络的典型违章行为智能化识别算法的压缩方法，其特征在于，方法步骤如下：基于卷积神经网络模型，通过输入图像的特征来识别输入图像的相应类别，从而对电力工作时工作人员的违章行为进行识别。本发明具有以下有益的技术效果：实现变电站近电作业时作业人员是否存在违章行为的识别，是对现有识别方法的有益补充，具有合理的准确性和高度的可推广性，在保证智能识别的精度和速度下进一步减小模型的大小，提高智能识别监测装置的分析效率。
-
公开(公告)号：CN117746003A
公开(公告)日：2024-03-22
申请号：CN202311462029.7
申请日：2023-11-02
Applicant: 武汉大学 , 国网安徽省电力有限公司电力科学研究院 , 国网山西省电力公司电力科学研究院 , 中国电力科学研究院有限公司
IPC: G06V10/22 , G01H17/00 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种面向配电站房的声光融合振动源定位方法，首先构造基于阵列信号处理原理的声学影像图；接着以卷积神经网络或者transformer为骨架分别构造声学影像特征提取模块与可见光特征提取模块；并构造c‑attention模块连接声学影像特征提取模块与可见光特征提取模块；接着构造能够定位振动源的检测模块，该检测模块以可见光特征和声学特征为输入；最后将声学影像图和可见光相机捕捉到的设备影像作为模型的输入，反复训练模型，进而获得最终模型，本发明的优点是基于超声影像‑可见光影像融合的振动源定位模型，实现配电站房振动源的高精度定位。
-
公开(公告)号：CN112803418B
公开(公告)日：2022-07-08
申请号：CN202110119035.7
申请日：2021-01-28
Applicant: 武汉大学 , 南方电网科学研究院有限责任公司 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司
Abstract: 一种考虑负荷和新能源出力不确定性的分布式潮流控制器优化配置方法，基于分布式潮流控制器的无功补偿特性，构建了基于等效电抗模型的分布式潮流控制器多点优化配置的混合整数非线性规划模型，并采用Benders分解实现模型的两阶段求解；分别求解得到多台控制器的落点及其配置容量。本发明计及交流潮流安全约束的同时实现多台分布式潮流控制器的布点和容量的同时优化，有助于提升系统运行经济性和新能源消纳能力。
-
Patent Agency Ranking
公开(公告)号：CN112183317B
公开(公告)日：2022-04-19
申请号：CN202011030511.X
申请日：2020-09-27
Applicant: 武汉大学
Abstract: 本发明涉及一种基于时空图卷积神经网络的带电作业现场违章行为检测方法，该方法包括如下步骤：(1)采集带电作业监控视频；(2)总结带电作业过程中常见的违章行为，并提取对应的视频片段，对违章行为片段中的作业人员进行标记；(3)采用时空图卷积神经网络进行训练学习；(4)使用训练好的模型对带电作业现场的监控视频自动进行违章行为检测，作业人员存在违章行为时报警。本发明通过人员姿态识别等深度视觉技术，提取带电作业人员的行为信息，当作业人员出现违章操作时，及时发出警告。该方法可以大大减少电力安全监管的工作量，保障电力作业的安全。
-
公开(公告)号：CN112183313B
公开(公告)日：2022-03-11
申请号：CN202011030237.6
申请日：2020-09-27
Applicant: 武汉大学
Abstract: 本发明涉及一种电力作业现场动作识别方法，该方法基于SlowFast算法，属于深度学习视频识别技术，利用计算机视觉技术和计算机强大的计算能力对作业现场的视频图像进行分析，识别作业人员的动作，并与规范作业流程中包含的动作进行对比，起到实时监控的作用，能有效提高现场作业监控质量，降低现场作业安全风险。
-
公开(公告)号：CN113077282A
公开(公告)日：2021-07-06
申请号：CN202110281964.8
申请日：2021-03-16
Applicant: 武汉大学 , 南方电网科学研究院有限责任公司 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司
Abstract: 一种基于鸟群算法的电网市场最优调节因子确定方法，该方法首先建立以备用购买费用最小为目标的模型，通过鸟群算法求得最优的调节因子值，并将该最优调节因子加入模型中对电量电价进行价格约束，可以使备用服务购买的总费用减少。本发明与传统备用购买方式进行比较可以使总备用费用减少，为电网备用辅助服务市场的交易提供一种参考。
-
公开(公告)号：CN112290637A
公开(公告)日：2021-01-29
申请号：CN202011231016.5
申请日：2020-11-06
Applicant: 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司 , 武汉大学 , 青海大学
Abstract: 一种考虑储能经济性的延长电池储能寿命的双电池运行策略生成方法，根据电池的放电深度来对电池等效寿命进行评估，进而确定电池的最佳运行状态。然后建立双电池组运行的数学模型，此模型可使电池更加贴近最佳运行状态。然后提出一种为保证储能电池自身寿命最大化的运行策略，该策略应当使电池长久贴合于最佳状态运行。通过动态规划法求解出该策略的运行状态。本发明以双电池模型为基础，确定出一种电池储能寿命最大化的运行策略，可以有效的节约电池储能的成本，进而增加储能系统的经济效益。因此储能设备在作为辅助服务设备通过低价购电高价售电获得盈利时，可以使购售电价格差更低，定价更加灵活。
-
公开(公告)号：CN112183317A
公开(公告)日：2021-01-05
申请号：CN202011030511.X
申请日：2020-09-27
Applicant: 武汉大学
Abstract: 本发明涉及一种基于时空图卷积神经网络的带电作业现场违章行为检测方法，该方法包括如下步骤：(1)采集带电作业监控视频；(2)总结带电作业过程中常见的违章行为，并提取对应的视频片段，对违章行为片段中的作业人员进行标记；(3)采用时空图卷积神经网络进行训练学习；(4)使用训练好的模型对带电作业现场的监控视频自动进行违章行为检测，作业人员存在违章行为时报警。本发明通过人员姿态识别等深度视觉技术，提取带电作业人员的行为信息，当作业人员出现违章操作时，及时发出警告。该方法可以大大减少电力安全监管的工作量，保障电力作业的安全。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.05 seconds)
