-
公开(公告)号：CN118467940A
公开(公告)日：2024-08-09
申请号：CN202410519706.2
申请日：2024-04-28
Applicant: 大唐东北电力试验研究院有限公司
IPC: G06F18/15 , G06F18/2431 , G06F18/214 , G06N3/0464 , G06N3/09 , G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明是一种基于卷积神经网络和Transformer的光伏发电功率预测方法。本发明涉及光伏发电功率预测技术领域，本发明基于卷积神经网络和Transformer的光伏发电功率预测方法，能够实现对光伏功率的预测，并具有很高的准确性。通过本发明中的数据预处理步骤可以减少数据的特征维度，可以从众多运行数据和天气数据中提取到与光伏发电功率相关的特征。经过预处理后的数据能更好的训练模型，得到更好的预测效果。本发明通过结合卷积神经网络和Transformer模块的特点可以提升预测模型的鲁棒性和预测精度。
-
公开(公告)号：CN119251549A
公开(公告)日：2025-01-03
申请号：CN202411248288.4
申请日：2024-09-06
Applicant: 大唐东北电力试验研究院有限公司
IPC: G06V10/764 , G06V10/20 , G06V10/80 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 基于多尺度融合的小样本电力巡检图像分类方法和系统，涉及电力巡检领域。解决了有限的训练样本和电力设备的多样性，深度学习模型如卷积神经网络易出现过拟合问题，影响检测精度的问题。方法包括：采集不同类别的电力巡检图像，并对所述电力巡检图像进行预处理，获取电力巡检设备缺陷图像数据集；构建基于多尺度融合与自适应权重的图像分类模型，将电力巡检设备缺陷图像数据集输入图像分类模型进行训练，获取最优小样本分类模型；将训练集输入至最优小样本分类模型进行训练，训练后选择在训练过程中损失函数最小的参数模型；将测试集输入训练完成的参数模型中进行小样本分类，得到电力巡检设备缺陷图像的分类结果。应用于无人机巡检领域。
-
公开(公告)号：CN118555144A
公开(公告)日：2024-08-27
申请号：CN202411025278.4
申请日：2024-07-30
Applicant: 大唐东北电力试验研究院有限公司
IPC: H04L9/40 , H04L43/04 , H04L43/022 , G06N3/0442 , G06N3/08
Abstract: 一种基于双重注意力机制的入侵检测方法、装置及设备，涉及入侵检测技术领域，方法包括：基于异常数据与大容量网络数据混合，进行前向实例化，并通过自注意网络进行切片；采用基于双重注意力机制的对比学习检测模型DACdetector，对切片后的数据进行采样；建立基于KL散度的损失函数来对比数据的差异性，并根据预设的异常分数阈值来判断入侵数据；该方法通过采用数据补丁、双重注意力、对比学习、距离计算等方法，构建大容量网络数据检测模型，提高网络入侵检测的准确率。
-
公开(公告)号：CN119128620A
公开(公告)日：2024-12-13
申请号：CN202411020536.X
申请日：2024-07-29
Applicant: 大唐东北电力试验研究院有限公司
IPC: G06F18/241 , G06F18/214 , G06N3/0464
Abstract: 一种基于深度卷积神经网络学习的炉膛水冷壁异常检测识别方法，涉及炉膛水冷壁异常检测领域。为解决现有技术中存在的，目前现有技术中，对冷却管水冷壁的检测识别分类存在识别不精准，分类不准确的技术问题，本发明提供的技术方案为：包括：获得火电厂炉膛水冷壁系统中各个管道位置所拍摄到的原始管道数据的步骤；对所述原始管道数据进行预处理，分成训练数据样本和测试数据样本的步骤；对所述训练数据样本和测试数据样本分别进行混合增强处理的步骤；将经过混合增强处理的训练数据样本输入深度卷积神经网络中进行模型训练，获得训练后模型的步骤。可以应用于炉膛水冷壁异常检测识别工作中。
-
-
-
Search Results
4
records
(took 0.045 seconds)
