-
公开(公告)号：CN118504988A
公开(公告)日：2024-08-16
申请号：CN202410926120.8
申请日：2024-07-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网电力科学研究院有限公司 , 国网安徽省电力有限公司 , 北京科东电力控制系统有限责任公司
IPC: G06Q10/0635 , G06Q50/06 , G06N5/022 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0455 , G06N3/082
Abstract: 本发明公开了基于分布式多模态知识图谱的新设备启动风险识别方法及系统，所述方法包括：采用知识本体与实体结合的架构构建分布式多模态知识图谱；对分布式多模态知识图谱进行跨模态事件细粒度对齐；采用跨模态事件细粒度对齐后的分布式多模态知识图谱获取特征三元组并转化为特征向量；基于深度学习算法构建风险识别模型并完成风险识别。本发明能够为调度人员提供及时、准确的风险信息，有助于降低风险发生概率，提高电力调度的安全性和稳定性。
-
公开(公告)号：CN118035463A
公开(公告)日：2024-05-14
申请号：CN202410088307.5
申请日：2024-01-22
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司 , 国网电力科学研究院有限公司 , 北京科东电力控制系统有限责任公司
Abstract: 一种电网调度多模态知识图谱构建方法及系统，包括：采集电网调度领域多元异构数据，根据多模态数据类型特点进行数据预处理；基于预处理后的电网调度多模态数据进行多模态数据标记并构建知识样本库；对多模态数据标记后得到的知识样本库数据进行统一特征融合，并采用深度学习模型抽取电网调度多模态实体知识；基于电网调度多模态实体知识的抽取结果，建立多模态调控实体间关系，将多模态调控知识融合与链接，形成电网调度多模态知识图谱。本发明建立电网调度多模态知识图谱，实现跨系统、跨业务的多模态知识的共建共享，提升电网调度多模态知识重构与知识融合水平，并为调控业务提供多模态数据支撑。
-
公开(公告)号：CN119784018A
公开(公告)日：2025-04-08
申请号：CN202411766125.5
申请日：2024-12-04
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网电力科学研究院有限公司 , 北京科东电力控制系统有限责任公司
IPC: G06Q10/0631 , G06Q50/06 , G06N3/092
Abstract: 本发明涉及电力系统领域，公开了一种多智能体深度强化学习的电网停电编排系统，包括编排问题转化模块和决策求解模块；所述编排问题转化模块用于将电网停电计划编排问题转化为多智能体马尔可夫决策过程模型；所述决策求解模块用于在设定的电网停电编排的相关约束下，利用多智能体深度确定性策略梯度算法对多智能体马尔可夫决策过程模型进行训练求解，获得电网停电编排策略。该方案受单智能体强化学习思想启发，将电网停电计划编排问题转化为多智能体马尔可夫决策过程，将电力设备视为单独的智能体，采用多智能体深度确定性策略梯度算法训练具有智能停电计划编排的设备，学习到最优的停电计划编排策略，从而保障电网及其设备的安全运行。
-
公开(公告)号：CN118504988B
公开(公告)日：2024-10-29
申请号：CN202410926120.8
申请日：2024-07-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网电力科学研究院有限公司 , 国网安徽省电力有限公司 , 北京科东电力控制系统有限责任公司
IPC: G06Q10/0635 , G06Q50/06 , G06N5/022 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/0455 , G06N3/082
Abstract: 本发明公开了基于分布式多模态知识图谱的新设备启动风险识别方法及系统，所述方法包括：采用知识本体与实体结合的架构构建分布式多模态知识图谱；对分布式多模态知识图谱进行跨模态事件细粒度对齐；采用跨模态事件细粒度对齐后的分布式多模态知识图谱获取特征三元组并转化为特征向量；基于深度学习算法构建风险识别模型并完成风险识别。本发明能够为调度人员提供及时、准确的风险信息，有助于降低风险发生概率，提高电力调度的安全性和稳定性。
-
公开(公告)号：CN117436351A
公开(公告)日：2024-01-23
申请号：CN202311752694.X
申请日：2023-12-19
Applicant: 国网浙江省电力有限公司金华供电公司 , 国网浙江省电力有限公司 , 国网电力科学研究院有限公司 , 北京科东电力控制系统有限责任公司
Inventor： 张越 , 皮俊波 , 项中明 , 单连飞 , 吴华华 , 齐世雄 , 孙文多 , 谷炜 , 安卓阳 , 姜涛 , 郑翔 , 马翔 , 余建明 , 沈曦 , 沃建栋 , 黄启航 , 楼贤嗣 , 刘艳 , 乔咏田 , 刘栋 , 方璇 , 康福权
IPC: G06F30/27 , G01R31/00 , G01R31/08 , G06N5/022 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/084 , G06F18/2415 , G06F18/22 , G06F18/25 , G06F16/36 , G06Q50/06 , G06F111/08 , G06N3/048
Abstract: 本发明公开了复杂气象下基于知识图谱的电网设备故障预测方法及系统，通过Transformer和知识图谱技术作为预测的基本手段，并在训练过程中，同步训练Transformer预测模型和基于知识图谱预测模型的BP神经网络分类器，借助知识图谱的独特数据结构，找出相关联的节点和节点关系，进一步找到相关的历史案例数据，再进行调整以优化样本质量，进而使得预测准确率可以进一步提高。本发明综合运用Transformer模型和知识图谱作为概率预测的工具，数据和知识融合驱动的模式不仅会从所有历史数据记录中受益，也能充分利用知识进行故障预测，能够有效快速地预测出特定气象条件下电力系统设备事故的发生概率，极大提升了故障数据利用的灵活性，提高预测的准确性、可靠性、稳定性。
-
Patent Agency Ranking
公开(公告)号：CN116910633B
公开(公告)日：2024-01-23
申请号：CN202311185551.5
申请日：2023-09-14
Applicant: 北京科东电力控制系统有限责任公司 , 国家电网有限公司 , 国网浙江省电力有限公司 , 国网电力科学研究院有限公司 , 国家电网有限公司华东分部 , 国网浙江省电力有限公司金华供电公司
Inventor： 皮俊波 , 齐世雄 , 项中明 , 余建明 , 谷炜 , 孙文多 , 周毅 , 郑翔 , 沃建栋 , 贺启飞 , 宋鹏程 , 黄启航 , 楼贤嗣 , 马翔 , 安卓阳 , 田庄 , 曹帅 , 王国阳 , 张越 , 孙近文 , 施云辉 , 刘艳 , 单连飞 , 张连超 , 刘栋
Abstract: 一种基于多模态知识混合推理的电网故障预测方法，方法包括：采集电网多模态原始数据信息并进行预处理以获得多模态有效数据；在多模态有效数据上添加标签形式的标注信息，将多模态有效数据中的信息与知识图谱的实体、属性和关系进行对应，以获得多模态标签数据；针对多模态标签数据的每一种模态，分别采用对应的模态模型进行格式转换和知识抽取，而后采用文本相似度算法对多模态的知识抽取结果进行融合和对齐，从而获得多模态故障推理模型；以电网运行状态、4种复杂气象和地理位置数据作为输入，基于多模态故障推理模型，采用基于分布式表示的知识推理算法推理出当前环境下的电网故障类型，得到预测结果。(56)对比文件CN 115270881 A,2022.11.01CN 113947320 A,2022.01.18CN 114707227 A,2022.07.05CN 116226735 A,2023.06.06CN 116402062 A,2023.07.07US 2023065468 A1,2023.03.02US 2023169309 A1,2023.06.01
-
公开(公告)号：CN119539080A
公开(公告)日：2025-02-28
申请号：CN202411604675.7
申请日：2024-11-12
Applicant: 国家电网有限公司华中分部 , 国网电力科学研究院有限公司 , 国家电网有限公司 , 北京科东电力控制系统有限责任公司
IPC: G06N5/04 , G06N5/022 , G06N3/045 , G06N3/047 , G06N3/0442 , G06N3/08 , G06N3/0455 , G06F40/279
Abstract: 本发明涉及一种电网多重严重故障智能分析方法与系统、存储介质，包括基于电网历史运行过程中多维度数据和多重神经网络融合模型，形成多重严重故障演化特征自动识别模型；提取历史断面中实体的状态和属性，从中筛查发生故障时刻的实体信息并整合，建立多重严重故障推理模型；基于预训练语言模型，神经网络建立多重严重故障智能分析模型；接收电网运行故障时刻的故障特征文本，融合多重严重故障推理模型中的实体信息，输出此故障时刻的概率故障事件，多重严重故障推理模型依据概率故障事件分析演化特征，预测下一次故障信息。本发明能够智能化地分析和自动识别电网运行过程中每个阶段的演化特征，并且对演化特征对电网影响的分析具有重要意义。
-
公开(公告)号：CN119940687A
公开(公告)日：2025-05-06
申请号：CN202411730446.X
申请日：2024-11-29
Applicant: 国网电力科学研究院有限公司 , 国家电网有限公司 , 国家电网有限公司华中分部 , 北京科东电力控制系统有限责任公司
IPC: G06Q10/063 , H02J13/00 , G06Q10/0635 , G06Q50/06 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06N3/092 , G06N5/022 , G06N5/04 , G06F16/353 , G06F16/36 , G06F40/295 , G06F40/30 , G06N3/048
Abstract: 本发明涉及一种图模互补驱动的电网故障智能辅助分析方法与系统，分析步骤包括：采集电网调度控制系统中故障事件相关多源业务数据，对所述数据进行非结构化信息建模，构建电网故障事理知识图谱；基于故障事件的相关多源业务数据，进行监控系统元件级故障诊断，结合电网故障事理知识图谱，进行告警关联分析，得到故障事件的联锁故障事件信息和联锁告警事件信息；基于故障事件的联锁故障事件信息和联锁告警事件信息，通过预训练语言模型和图神经网络模型辅助故障事理知识图谱进行知识推理，得到故障处置的全流程信息，生成电网故障处置导航图；融合大型语言模型与电网故障事理知识图谱，进行电网故障处置决策推理，生成电网故障处置方案。
-
公开(公告)号：CN116910633A
公开(公告)日：2023-10-20
申请号：CN202311185551.5
申请日：2023-09-14
Applicant: 北京科东电力控制系统有限责任公司 , 国家电网有限公司 , 国网浙江省电力有限公司 , 国网电力科学研究院有限公司 , 国家电网有限公司华东分部 , 国网浙江省电力有限公司金华供电公司
Inventor： 皮俊波 , 齐世雄 , 项中明 , 余建明 , 谷炜 , 孙文多 , 周毅 , 郑翔 , 沃建栋 , 贺启飞 , 宋鹏程 , 黄启航 , 楼贤嗣 , 马翔 , 安卓阳 , 田庄 , 曹帅 , 王国阳 , 张越 , 孙近文 , 施云辉 , 刘艳 , 单连飞 , 张连超 , 刘栋
Abstract: 一种基于多模态知识混合推理的电网故障预测方法，方法包括：采集电网多模态原始数据信息并进行预处理以获得多模态有效数据；在多模态有效数据上添加标签形式的标注信息，将多模态有效数据中的信息与知识图谱的实体、属性和关系进行对应，以获得多模态标签数据；针对多模态标签数据的每一种模态，分别采用对应的模态模型进行格式转换和知识抽取，而后采用文本相似度算法对多模态的知识抽取结果进行融合和对齐，从而获得多模态故障推理模型；以电网运行状态、4种复杂气象和地理位置数据作为输入，基于多模态故障推理模型，采用基于分布式表示的知识推理算法推理出当前环境下的电网故障类型，得到预测结果。
-
公开(公告)号：CN117436351B
公开(公告)日：2024-03-29
申请号：CN202311752694.X
申请日：2023-12-19
Applicant: 国网浙江省电力有限公司金华供电公司 , 国网浙江省电力有限公司 , 国网电力科学研究院有限公司 , 北京科东电力控制系统有限责任公司
Inventor： 张越 , 皮俊波 , 项中明 , 单连飞 , 吴华华 , 齐世雄 , 孙文多 , 谷炜 , 安卓阳 , 姜涛 , 郑翔 , 马翔 , 余建明 , 沈曦 , 沃建栋 , 黄启航 , 楼贤嗣 , 刘艳 , 乔咏田 , 刘栋 , 方璇 , 康福权
IPC: G06F30/27 , G01R31/00 , G01R31/08 , G06N5/022 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/084 , G06F18/2415 , G06F18/22 , G06F18/25 , G06F16/36 , G06Q50/06 , G06F111/08 , G06N3/048
Abstract: 本发明公开了复杂气象下基于知识图谱的电网设备故障预测方法及系统，通过Transformer和知识图谱技术作为预测的基本手段，并在训练过程中，同步训练Transformer预测模型和基于知识图谱预测模型的BP神经网络分类器，借助知识图谱的独特数据结构，找出相关联的节点和节点关系，进一步找到相关的历史案例数据，再进行调整以优化样本质量，进而使得预测准确率可以进一步提高。本发明综合运用Transformer模型和知识图谱作为概率预测的工具，数据和知识融合驱动的模式不仅会从所有历史数据记录中受益，也能充分利用知识进行故障预测，能够有效快速地预测出特定气象条件下电力系统设备事故的发生概率，极大提升了故障数据利用的灵活性，提高预测的准确性、可靠性、稳定性。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.181 seconds)
