-
公开(公告)号：CN115082723A
公开(公告)日：2022-09-20
申请号：CN202110268669.9
申请日：2021-03-12
Applicant: 国网山东省电力公司淄博供电公司 , 国网智能科技股份有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了用于螺栓缺陷识别的前端化运算系统、方法及机器人，包括多个运算逻辑单元，每个运算逻辑单元之间并行设置，且不同运算逻辑单元被配置为执行用于输电线路螺栓缺陷识别的神经网络模型中不同网络层的计算任务；数据处理单元，被配置为对用于输电线路螺栓缺陷识别的采集数据进行预处理，并送入相应的运算逻辑单元；结果输出单元，被配置为对各运算逻辑单元的运算数据进行整合，并输出最终运算结果；本发明基于模型结构对运算逻辑单元进行分组，不同逻辑单元负责不同网络层的运算，实现多个网络层并行推理，能够有效解决螺栓缺陷识别过程中边缘设备性能平衡的问题。
-
公开(公告)号：CN115081499A
公开(公告)日：2022-09-20
申请号：CN202110269459.1
申请日：2021-03-12
Applicant: 国网山东省电力公司淄博供电公司 , 国网智能科技股份有限公司
Abstract: 本发明公开了一种输电线路螺栓缺陷轻量化模型识别方法及系统，包括：获取输电线路螺栓图像信息，将所述图像信息输入到轻量化缺陷识别模型中；其中，所述轻量化缺陷识别模型的数据处理过程包括：将轻量化缺陷识别模型的不同网络层分成若干组，对每一分组下的网络层参数进行剪枝或定点量化操作；将各分组下的网络层参数分别保存至不同的权重文件中；将所述权重文件同时导入网络模型中相对应的网络层，进行并行计算；将各网络层的计算结果进行汇总处理，输出最终的输电线路螺栓缺陷识别结果。本发明针对复杂的缺陷识别网络模型，根据其结构进行分组量化剪枝，保证模型精度不下降的同时，最大程度降低模型运算复杂度和空间占用开销。
-
公开(公告)号：CN119517085A
公开(公告)日：2025-02-25
申请号：CN202411647086.7
申请日：2024-11-18
Applicant: 国网智能科技股份有限公司
Abstract: 本发明属于变压器技术领域，提供了变压器局部放电缺陷声纹特征提取方法及系统，其技术方案为获取变压器原始声纹数据；基于改进的谱减法对变压器原始声纹数据进行降噪得到降噪后的声纹数据，对降噪后的声纹数据进行数据扩充，得到数据扩充后的声纹数据；基于数据扩充后的声纹数据，结合变压器的基频以及频率分布特性，进行特征提取得到变压器局部放电缺陷的特征，充分考虑到声纹特征分布特性以及与变压器故障的深入联系，解决了电力变压器时域、频域和时频域特征种类多，提高了有效特征的提取，避免冗余和无效特征的提取，提高了变压器局部放电缺陷的预测精度。
-
公开(公告)号：CN119517084A
公开(公告)日：2025-02-25
申请号：CN202411647082.9
申请日：2024-11-18
Applicant: 国网智能科技股份有限公司
Abstract: 本发明涉及电力设备监测技术领域，提供了一种电力主设备声纹缺陷识别方法及系统，包括：当特征向量库内数据熵值低于第二阈值时，基于声纹数据，通过深度学习模型和机理模型联合实现缺陷识别，得到第一缺陷识别结果，并基于第一缺陷识别结果对深度学习模型进行优化；同时对声纹数据进行特征提取，在特征向量库内进行向量检索，得到第二缺陷识别结果，若识别结果不一致，则将特征向量加入特征向量库；当特征向量库内数据熵值高于第二阈值时，在特征向量库内进行向量检索，得到第二缺陷识别结果，将第二缺陷识别结果作为最终缺陷识别结果。不仅基本涵盖变电主设备所有潜在运行状态，而且能达到快速诊断，及时发现故障，有利于电网设备稳定运行。
-
公开(公告)号：CN119513817A
公开(公告)日：2025-02-25
申请号：CN202411812568.3
申请日：2024-12-10
Applicant: 国网智能科技股份有限公司
IPC: G06F18/25 , G06Q50/06 , G06F18/213 , G06N3/045 , G06F18/10 , G06N3/0442 , G06N3/048 , G06F18/2415 , G06N3/084
Abstract: 本发明提供了电力多模态数据分层路由特征处理与融合方法及系统，涉及电力多模态数据处理技术领域，所述方法包括，获取多模态数据并进行预处理；对预处理后的多模态数据进行特征提取；通过混合专家模型，选择最适合的专家模型，对预处理后的多模态数据进行特征提取；对特征提取后不同模态的特征进行特征对齐与融合；通过跨模态的注意力机制，将各模态的特征与其他模态的特征对齐，并在对齐时融合其他模态的特征，得到对应模态的中层特征；将各模态的中层特征进行加权融合，得到融合后的全局特征。本发明能够实现对多模态数据的高效处理与融合。
-
Patent Agency Ranking
公开(公告)号：CN119477220A
公开(公告)日：2025-02-18
申请号：CN202411812569.8
申请日：2024-12-10
Applicant: 国网智能科技股份有限公司
IPC: G06Q10/10 , G06N5/04 , G06Q50/06 , G06F40/30 , G06F40/211 , G06N3/042 , G06N3/0464 , G06F16/16
Abstract: 本发明属于电力行业智能文档管理与审计技术领域，提供了融合因果推理和合规审查的电力文档自主评审方法及系统，其技术方案对获取的电力文档数据进行语义解析，得到文档的语义表示；基于文档的语义表示，对文档中识别出的每个句子进行事件抽取，对每个事件编码，得到事件的语义表示；基于事件的语义表示构建初始事件因果链条；采用因果推理算法对构建的初始事件因果链条进行验证，将验证通过的因果链条中的每一个事件及事件之间的关联关系，与电力行业合规性规则进行比对，计算合规性得分，对合规性得分低于设定得分值的事件或事件之间的关联关系，生成修正建议，并生成评审报告。显著提升文档审查的效率和准确性。
-
公开(公告)号：CN119476670A
公开(公告)日：2025-02-18
申请号：CN202411812541.4
申请日：2024-12-10
Applicant: 国网智能科技股份有限公司
IPC: G06Q10/047 , G06Q50/06 , G06Q10/0631 , G06N3/092 , G06F40/205 , G06Q10/0639 , G06F17/10 , G06Q10/20
Abstract: 本发明属于智能电力巡检与多智能体协同控制技术领域，提供了电力多智能体动态协作巡检方法及系统，其技术方案为利用强化学习算法和大语言模型生成的路径规划方案，使得智能体能够根据实时数据和任务需求动态调整巡检路径，从而实现路径的最小化和巡检效率的最大化，减少了不必要的行程和资源消耗。同时，系统中的动态任务重分配机制确保智能体能够在设备故障、环境变化或任务优先级调整的情况下迅速响应并重新分配任务。各智能体之间的实时通信与数据同步保证了信息共享，使系统在突发情况下依然保持任务的连贯性和可靠性。
-
公开(公告)号：CN119474347A
公开(公告)日：2025-02-18
申请号：CN202411812539.7
申请日：2024-12-10
Applicant: 国网智能科技股份有限公司
Abstract: 本公开提供了电力语义大模型仿生层级记忆融合文档生成方法及系统，涉及文档生成技术领域，包括：提取多模态数据形式的知识，通过模拟人类海马体的记忆机制，构建长时记忆库，并以句子、段落和章节三个层级分层存储和动态更新长时记忆库中的知识；将新文档的生成任务输入到电力语义大模型中，并以长时记忆库作为电力语义大模型的外部知识源；从长时记忆库中动态查找与当前任务相关的各个层级的知识；逐层迭代融合上下文背景知识和从长时记忆库中动态查找到的知识，最终生成完整的文档内容；本发明通过动态调用长时记忆和多层级的上下文处理，生成逻辑连贯、信息准确的内容，并有效整合多模态数据，适用于建设方案和审计报告等复杂文档的高效生成。
-
公开(公告)号：CN113869265B
公开(公告)日：2024-09-10
申请号：CN202111183609.3
申请日：2021-10-11
Applicant: 国网智能科技股份有限公司
IPC: G06T7/20 , G06T7/70 , H04N23/695 , G06Q50/06
Abstract: 本发明属于配电线路巡检领域，提供了一种配电线路杆塔自动追踪方法及系统。其中，该方法包括获取配电线路杆塔的经纬度坐标信息及巡检车辆实时经纬度坐标信息；根据巡检车辆及配电线路杆塔的位置关系，构建车杆三维空间坐标系；根据巡检车辆位置所处的象限，计算车载云台追踪杆塔的运动角度数据；将车载云台追踪运动角度数据转换为控制指令，以指导车载云台自动运动，使得车载云台保持对杆塔的定位追踪。其填补了配电线路车载自动巡检模式的空白，极大地提高了配电线路巡检的效率。
-
公开(公告)号：CN112990304B
公开(公告)日：2024-03-12
申请号：CN202110268861.8
申请日：2021-03-12
Applicant: 国网智能科技股份有限公司
Abstract: 本发明属于计算机视觉技术领域，提供了一种应用于电力场景的语义分析方法及系统。其中，应用于电力场景的语义分析方法包括获取待测电力场景图像；预处理待测电力场景图像；将预处理后的待测电力场景图像通过特征学习网络获取视觉特征表述，并与预先构建的索引表对照，得到待测电力场景图像的语义预测；其中，特征学习网络由全卷积网络和深度自动编码器组成，全卷积网络用于对电力场景图像进行像素级的多层特征学习提取，自动编码器用于根据多层神经网络特征计算最终网络的权值，生成视觉特征表述；索引表内存储视觉特征表述与语义预测结果的对应关系。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.063 seconds)
