-
公开(公告)号：CN119167254A
公开(公告)日：2024-12-20
申请号：CN202411206559.X
申请日：2024-08-30
Applicant: 国网江苏省电力有限公司扬州供电分公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司双创中心
Inventor： 孙勇 , 荆江平 , 陈思宇 , 杨梓俊 , 罗凯明 , 朱健 , 汪波 , 王标 , 徐挺 , 付柳笛 , 陈康 , 周新磊 , 张欣 , 耿智 , 张浩 , 张昊天 , 黄雅婧
IPC: G06F18/2433 , G06F18/25 , G06F123/02
Abstract: 本发明公开了一种配电网异常数据确定方法、装置、设备、介质及产品。该方法包括：获取配电网中每个数据采集设备采集到的当前运行数据；对所述当前运行数据进行时间序列校核，得到第一异常数据判断结果；对所述当前运行数据进行空间分布校核，得到第二异常数据判断结果；根据所述第一异常数据判断结果和所述第二异常数据判断结果确定异常数据。本发明的技术方案，通过双向数据校核，利用多源数据的互补性和一致性，能够提高异常数据检测的准确性和可靠性。
-
公开(公告)号：CN119166837A
公开(公告)日：2024-12-20
申请号：CN202411207029.7
申请日：2024-08-30
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司扬州供电分公司 , 国网江苏省电力有限公司双创中心
Abstract: 本发明公开了一种电网图形管理方法、装置、电子设备及存储介质。所述方法包括：在当前版本电网图形的基础上，实时获取电网现场作业中与所述当前版本电网图形相关的增量更新信息；基于所述增量更新信息，生成所述当前版本电网图形对应的更新版本电网图形；根据所述增量更新信息对应的时间戳，将所述更新版本电网图形添加至图形版本时序链条中，所述图形版本时序链条中包括多个按时序排列的不同版本的电网图形所对应的时间节点。该方案可以实时跟踪当前版本电网图形的增量更新信息并基于增量更新信息生成更新版本电网图形，同时通过图形版本时序链条基于时间戳对各版本的电网图形进行时序管理，可以提高对不同版本电网图形进行管理的便捷性。
-
公开(公告)号：CN118674003A
公开(公告)日：2024-09-20
申请号：CN202410820372.2
申请日：2024-06-24
Applicant: 国网江苏省电力有限公司扬州供电分公司 , 国网江苏省电力有限公司
Abstract: 本发明提供一种基于强化学习的电力大模型流水线冻结训练优化方法，主要包含两个部分：基于梯度和梯度变化量的冻结决策算法、基于强化学习的冻结训练优化方法。本发明首先设计了基于梯度和梯度变化量的冻结决策算法，以获得良好的冻结判断标准及冻结策略。然后针对如何在训练过程中动态调整冻结判断标准的阈值以适应不同时间点模型状态差异的问题，提出一种基于强化学习的冻结训练优化方法，以梯度变化量、梯度大小及冻结策略实施前后一定训练轮次所需时间等数据为基础，通过强化学习方法动态调整冻结判断标准阈值，从而在加速训练和保障精度中取得平衡，最终提高电力大模型训练效率。
-
公开(公告)号：CN118468186A
公开(公告)日：2024-08-09
申请号：CN202410659597.4
申请日：2024-05-27
Applicant: 国网江苏省电力有限公司扬州供电分公司 , 国网江苏省电力有限公司
IPC: G06F18/2433 , G06F18/22 , G06N20/00 , G06N3/042 , G06N3/092 , G06N3/098 , G06N3/0895
Abstract: 本发明涉及异常检测领域，提供了一种基于联邦学习机制的风电数据异常检测方法及系统。所述方法包括：基于联邦多尺度式图对比学习特征生成模型生成引导节点；选择待聚合邻居节点集合；获得目标节点的高价值信息关系子图；利用基于消息传递机制的GNN聚合高价值信息关系子图中各个关系下邻居节点的信息；在本地完成邻居信息聚合后使用多层感知机作为分类器预测数据的异常性；计算分类损失，通过损失训练形成本地模型；使用本地模型加权平均的方式对全局模型进行迭代，得到联邦风电数据异常检测模型，对分布式存储在各地的风电数据进行实时检测。本发明在缓解Non‑IID问题的同时解决了邻居信息缺失问题，提高检测精度。
-
公开(公告)号：CN119853009A
公开(公告)日：2025-04-18
申请号：CN202411970456.0
申请日：2024-12-30
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司扬州供电分公司
Abstract: 本发明涉及配电网技术领域，尤其涉及一种数据驱动的配网运行特性仿真方法。包括以下步骤：S1、多源数据的采集和预处理；S2、将预处理后的数据进行自适应融合，形成数据集；S3、构建初始仿真模型，基于数据集进行训练，得到主仿真模型；通过主仿真模型输出配网特性的预测结果；S4、基于预测结果，进行动态校核与仿真优化，从而输出仿真结果。本发明在工作中，涵盖了多源数据融合、深度学习模型构建、动态校核与自适应优化等技术模块。通过融合实时负荷数据、设备运行数据及环境数据相关的多源信息，结合动态调整和增量学习机制，实现了对配网运行状态的高精度预测与优化。
-
Patent Agency Ranking
公开(公告)号：CN119026546A
公开(公告)日：2024-11-26
申请号：CN202411122853.2
申请日：2024-08-15
Applicant: 国网江苏省电力有限公司扬州供电分公司 , 国网江苏省电力有限公司
IPC: G06F30/367 , G01R31/00 , G06F30/27 , G06N3/0464
Abstract: 一种基于深度学习的光伏逆变器故障诊断方法，本发明在光伏逆变器的故障诊断研究中，通过模拟光伏逆变器的主电路在IGBT不同情况下的故障，选出6种典型的支路故障，观察其三相电流的变化情况，选出A相电流作为故障观测值，对获得的不同A相电流进行EMD分解，获得初级特征值矩阵。在这些的基础上，提出了一种基于EMD‑CNN的新型光伏逆变器故障诊断方法，并为此进行了实验，证明了EMD‑CNN可以准确可靠地完成故障诊断任务。
-
公开(公告)号：CN118889425A
公开(公告)日：2024-11-01
申请号：CN202411002761.0
申请日：2024-07-25
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司扬州供电分公司
IPC: H02J3/06 , H02J3/00 , H02J3/46 , G06Q10/0631 , G06Q10/0635 , G06Q50/06
Abstract: 本发明涉及一种基于分区聚合的主配微一体化分层时序生产模拟方法，其包括以下步骤：步骤S1：定义主配微网的聚合分区；步骤S2：建立上层时序生产模型；步骤S3：建立下层时序生产模型；步骤S4：设定约束条件；步骤S5：基于步骤S2‑S4，使用Cplex进行求解，获得时序生产模拟过程。本发明在优化主配微网电量平衡的基础上，提升了主配微网供电可靠性与新能源利用率，确保主配微网安全高效运行。
-
公开(公告)号：CN113725908A
公开(公告)日：2021-11-30
申请号：CN202111021287.2
申请日：2021-09-01
Applicant: 国网江苏省电力有限公司扬州供电分公司 , 东南大学 , 国网江苏省电力有限公司
Abstract: 一种基于变流器极限传输功率的并网静态稳定性评估方法，包括以下步骤：利用短路容量比SCR表示虚拟同步型变流器系统并网的电网强度；建立变流器功率传输的等效电路，确定变流器功率传输矢量关系，计算传输的有功功率P；通过对传输的有功功率P求微分，推导最大传输功率点Pmax；计算得到SCRmin，并确定并网静态稳定性所需条件。本发明在高电力电子渗透的背景下，针对弱电网条件下电力电子变流器并网稳定性机理展开研究，为弱电网条件下基于变流器极限传输功率的并网静态稳定性评估提供理论支撑。本发明可以广泛在电网静态稳定性评估领域中应用。
-
公开(公告)号：CN119005269A
公开(公告)日：2024-11-22
申请号：CN202410820368.6
申请日：2024-06-24
Applicant: 国网江苏省电力有限公司扬州供电分公司 , 国网江苏省电力有限公司
IPC: G06N3/063 , G06N3/0464 , G06N3/08 , G06F9/50 , G06F16/901
Abstract: 本发明提供一种基于DAG结构深度学习模型任务放置的流水线训练优化方法，包含：异构GPU集群中计算节点内的并行模式确定问题、不同计算节点间的并行方案组合问题、有向无环计算图的任务放置问题。本发明首先设计了一种异构集群节点内的GPU并行模式求解算法，以获得适用于节点内部的所有可用的并行模式。然后针对每个计算节点的并行方案选择问题，利用隔板法确定不同类型节点的并行方案。最后通过贪心思想，设计有向无环图结点任务放置算法，分配深度学习模型对应的有向无环图中的每一个结点，基于流水线混合并行总时间为执行时间最长的阶段的训练时间这一原理，最终得到整体训练时间最小的最优方案。本发明提高了效率，可靠性高。
-
公开(公告)号：CN118228176A
公开(公告)日：2024-06-21
申请号：CN202410362682.4
申请日：2024-03-28
Applicant: 国网江苏省电力有限公司扬州供电分公司 , 国网江苏省电力有限公司
IPC: G06F18/2433 , G06F18/214 , G06F18/22 , G06F18/2113 , G06N3/042
Abstract: 本发明涉及异常检测领域，提供了一种基于多尺度式图对比学习的风电数据异常检测方法及系统。所述方法包括：多尺度式图对比学习特征生成模型、使用生成特征进行基于强化学习的邻居选择、多关系图邻居信息聚合与模型训练。本发明首先针对风电异常数据的节点特征区分度不足，设计了一个多尺度式图对比学习特征生成模型，以获得更具区分度的特征以发现隐含的风电数据异常。然后针对结构不一致问题，提出一种基于强化学习的邻居选择机制，对于图数据里每个节点筛选出可以利于异常检测精度的邻居，从而增强目标节点的信息。最后提出一种邻居信息聚合与检测模型训练机制，从而获得高质量的节点表征，最终提高风电数据异常检测的精度。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.086 seconds)
