-
公开(公告)号：CN114167180B
公开(公告)日：2023-10-03
申请号：CN202111466253.4
申请日：2021-12-03
Applicant: 国网山西省电力公司晋城供电公司
Abstract: 本发明涉及人工智能及电力系统领域，具体涉及一种基于图注意力神经网络的充油电气设备故障诊断方法。本发明利用充油电气设备故障时产生的5种特征气体以及气体之间可能存在的相关性作为图数据输入，6种故障类型作为输出，搭建图注意力神经网络，实现充油电气设备故障诊断。该网络不仅可以学习到特征气体与故障类型之间的非线性关系，还能学习到各个特征气体之间的相互关系。本发明采用了注意力机制，通过横向与纵向的深度挖掘充分挖掘了更多隐含的关系，消除了充油电气设备某些故障类型无法诊断的问题，提高了故障诊断的准确率。
-
-
公开(公告)号：CN114167180A
公开(公告)日：2022-03-11
申请号：CN202111466253.4
申请日：2021-12-03
Applicant: 国网山西省电力公司晋城供电公司
Abstract: 本发明涉及人工智能及电力系统领域，具体涉及一种基于图注意力神经网络的充油电气设备故障诊断方法。本发明利用充油电气设备故障时产生的5种特征气体以及气体之间可能存在的相关性作为图数据输入，6种故障类型作为输出，搭建图注意力神经网络，实现充油电气设备故障诊断。该网络不仅可以学习到特征气体与故障类型之间的非线性关系，还能学习到各个特征气体之间的相互关系。本发明采用了注意力机制，通过横向与纵向的深度挖掘充分挖掘了更多隐含的关系，消除了充油电气设备某些故障类型无法诊断的问题，提高了故障诊断的准确率。
-
公开(公告)号：CN113987211A
公开(公告)日：2022-01-28
申请号：CN202111349722.4
申请日：2021-11-15
Applicant: 国网山西省电力公司晋城供电公司
IPC: G06F16/36 , G06F40/295 , G06K9/62 , G06V10/774 , G06N3/04 , G06Q50/06
Abstract: 本发明涉及人工智能领域。公开了一种基于深度学习算法的电力设备三元组构建方法，本发明提出的基于深度学习算法的电力设备三元组构建方法，提供了一种更加完善的电力设备知识图谱三元组抽取方案，即以自顶向下的构建方式构建模式层，并在所述模式层的指导下，采用自底向上的方式构建数据层；本方案清晰体现了电力设备文本的特点，能够完善电力设备三元组的设计方案，进而提高电力设备三元组的提取效率和准确率；本发明还提出了一种包括双向循环网络、膨胀门卷积神经网络和自注意力模型的实体关系抽取模型；该模型基于自底向上构建的数据层构建，采用概率图的思想来抽取电力设备三元组，进一步提高了电力设备三元组抽取的效率和准确率。
-
公开(公告)号：CN113609844A
公开(公告)日：2021-11-05
申请号：CN202110874173.6
申请日：2021-07-30
Applicant: 国网山西省电力公司晋城供电公司
IPC: G06F40/242 , G06F40/284 , G06F16/35 , G06Q50/06
Abstract: 本发明涉及人工智能领域，具体涉及一种基于混合模型和聚类算法的电力专业词库构建方法。将电力文本和平行语料进行预处理，再通过分词模型进行分词，其中互信息和左右熵算法和TextRank算法对结巴分词结果进行词语组合，TF‑IDF算法和Word2Vec词聚类算法对结巴分词结果提取文本关键词，信息熵分词算法直接对文本分词，上述结果汇总、对比得到特征语料词；从特征语料词中挑选电力专业词汇作为种子词；同时用导出来的电力文本词库作为候选词对电力文本分词，然后使用word2vec算法把词变为词向量；聚类得到相似词，然后规则过滤获得电力专业词库。本发明使用一个聚类模型能够过滤掉大部分非电力领域专业词语，专业词语较为完整。
-
Patent Agency Ranking
公开(公告)号：CN113963757B
公开(公告)日：2024-08-06
申请号：CN202111347021.7
申请日：2021-11-15
Applicant: 国网山西省电力公司晋城供电公司
Abstract: 本发明涉及人工智能领域，公开了一种基于气体关系和图神经网络的充油电气设备故障诊断方法，包括以下步骤，步骤一：构建基于充油电气设备故障诊断的图神经网络模型和建立特征气体关系模型；步骤二：利用特征气体关系图的拓扑结构的信息和特征气体节点的信息更新图的边；步骤三：利用特征气体关系图拓扑结构信息和更新后的边的信息更新图中的气体节点；步骤四：搭建线性更新及分类层，输出故障类型。本发明利用充油电气设备油中溶解气体的相互关系图及人工智能技术构建了图神经网络模型，实现了充油电气设备故障诊断，与传统的充油电气设备故障诊断方法相比，在故障诊断方面具有更高的准确率，而且对各类故障诊断判别更具有泛化性。
-
公开(公告)号：CN113673766B
公开(公告)日：2023-12-19
申请号：CN202110969197.X
申请日：2021-08-23
Applicant: 国网山西省电力公司晋城供电公司
IPC: G06Q10/04 , G16C20/30 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种充油电气设备油中气体含量预测方法，该预测方法包括：获取充油电气设备油中各气体含量的历史数据，以此获得训练集数据；构建气体含量预测模型，该模型首先构建时间卷积网络TCN实现油中各气体含量的时序特征提取，随后对各气体间进行相关性分析，构建多层感知机MLP提取气体间关联特征，综合利用各气体含量的时间序列特征和气体间关联特征，通过线性输出层得到气体含量的预测结果。本发明的预测方法不仅利用了各气体成分的时序特征还考虑了气体间的关联特征，采用TCN提取时序列特征，避免了陷入梯度爆炸或梯度消失，采用MLP提取气体间关联特征，提高了充油电气设备油中气体含量的预测准确度。
-
公开(公告)号：CN114139709A
公开(公告)日：2022-03-04
申请号：CN202111462812.4
申请日：2021-12-02
Applicant: 国网山西省电力公司晋城供电公司
Abstract: 本发明涉及人工智能及电力领域。公开了一种基于图神经网络的电力专业知识图谱自动补全方法，采用图神经网络对图外实体进行表征，将图外实体纳入电力专业人工知识图谱框架中，实现了对人工建立的电力专业知识图谱进行自动补全；丰富了电力专业人工知识图谱内容，还能避免对图外实体重新训练，减轻机器设备运算负担，降低学习成本，通过TransE算法学习现有的知识特征，挖掘知识实体间的隐藏关系，实现了电力专业人工知识图谱根据外界接收信息执行自动补全的功能。补全后的电力专业人工知识图谱信息更加充实、全面，使电力设备运维相关知识的智能查询和关联搜索结果更加完善，为电力设备运维管理人员提供更加全面的参考意见。
-
公开(公告)号：CN113963757A
公开(公告)日：2022-01-21
申请号：CN202111347021.7
申请日：2021-11-15
Applicant: 国网山西省电力公司晋城供电公司
Abstract: 本发明涉及人工智能领域，公开了一种基于气体关系和图神经网络的充油电气设备故障诊断方法，包括以下步骤，步骤一：构建基于充油电气设备故障诊断的图神经网络模型和建立特征气体关系模型；步骤二：利用特征气体关系图的拓扑结构的信息和特征气体节点的信息更新图的边；步骤三：利用特征气体关系图拓扑结构信息和更新后的边的信息更新图中的气体节点；步骤四：搭建线性更新及分类层，输出故障类型。本发明利用充油电气设备油中溶解气体的相互关系图及人工智能技术构建了图神经网络模型，实现了充油电气设备故障诊断，与传统的充油电气设备故障诊断方法相比，在故障诊断方面具有更高的准确率，而且对各类故障诊断判别更具有泛化性。
-
公开(公告)号：CN113673766A
公开(公告)日：2021-11-19
申请号：CN202110969197.X
申请日：2021-08-23
Applicant: 国网山西省电力公司晋城供电公司
Abstract: 本发明提供了一种充油电气设备油中气体含量预测方法，该预测方法包括：获取充油电气设备油中各气体含量的历史数据，以此获得训练集数据；构建气体含量预测模型，该模型首先构建时间卷积网络TCN实现油中各气体含量的时序特征提取，随后对各气体间进行相关性分析，构建多层感知机MLP提取气体间关联特征，综合利用各气体含量的时间序列特征和气体间关联特征，通过线性输出层得到气体含量的预测结果。本发明的预测方法不仅利用了各气体成分的时序特征还考虑了气体间的关联特征，采用TCN提取时序列特征，避免了陷入梯度爆炸或梯度消失，采用MLP提取气体间关联特征，提高了充油电气设备油中气体含量的预测准确度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.042 seconds)
