公开(公告)号：CN118759367A

公开(公告)日：2024-10-11

申请号：CN202410616030.9

申请日：2024-05-17

Applicant: 湖南经研电力设计有限公司 ,  国网湖南省电力有限公司经济技术研究院

Inventor： 罗正经 ,  彭昊 ,  杨力帆 ,  徐志强 ,  夏向阳 ,  王立娜 ,  罗磊鑫 ,  简捷 ,  李勇智 ,  陈智奇

IPC: G01R31/367 ,  G01R31/396 ,  G01R31/389 ,  G06F30/20 ,  G06F17/11 ,  G06F17/16 ,  G06F17/18 ,  G06F119/02 ,  G06F119/14

Abstract: 本发明公开了一种锂离子电池组不一致性评估方法，包括获取锂离子电池组的数据信息；对单个锂离子电池进行筛选得到表征单体；构建描述锂离子电池组的状态方程和输出方程；构建锂离子电池组模型的状态子空间；对锂离子电池组的电池平均状态和不一致状态进行评估，完成锂离子电池组的不一致性评估。本发明还公开了一种实现所述锂离子电池组不一致性评估方法的系统。本发明提供的这种锂离子电池组不一致性评估方法及系统，通过创新的算法流程，不仅实现了锂离子电池组的不一致性评估，而且可靠性更高，精确性更好。

公开(公告)号：CN119988320A

公开(公告)日：2025-05-13

申请号：CN202510198801.1

申请日：2025-02-24

Applicant: 湖南经研电力设计有限公司 ,  国网湖南省电力有限公司经济技术研究院

Inventor： 蔡纲 ,  沈晓隶 ,  肖辉 ,  徐志强 ,  周鲲 ,  罗正经 ,  刘立洪 ,  贺丽 ,  曾刚 ,  欧宇健 ,  李勇智 ,  陈智奇

IPC: G06F16/13 ,  G06F16/172 ,  G06F16/174 ,  G06F16/22 ,  G06F16/25 ,  G06F16/28

Abstract: 本发明公开了一种变电站GIM模型的压缩存储方法，包括获取目标GIM模型的STL文件并进行预处理；进行三维空间的划分和八叉树的构建；进行整数编码的生成；进行数据库的存储和索引的构建以完成目标GIM模型的压缩存储。本发明还公开了一种实现所述变电站GIM模型的压缩存储方法的系统。本发明通过对模型对应文件的预处理、三维空间划分、八叉树建立和对应的编码方案，不仅实现了变电站GIM模型的压缩存储，而且存储效率较高，查询性能较好，也便于管理。

公开(公告)号：CN115457388B

公开(公告)日：2023-07-28

申请号：CN202211085981.5

申请日：2022-09-06

Applicant: 湖南经研电力设计有限公司

Inventor： 肖辉 ,  徐志强 ,  陈霖华 ,  周鲲 ,  陆俊 ,  沈晓隶 ,  王云飞 ,  罗磊鑫 ,  刘立洪 ,  罗正经 ,  王立娜 ,  胡启明 ,  唐咪娜 ,  李勇智 ,  齐增清 ,  曾刚 ,  简洁 ,  苏军明 ,  陈智奇 ,  欧宇健

IPC: G06V20/10 ,  G06V10/54 ,  G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习优化的输变电遥感图像地物辨识方法，包括获取输变电工程区域遥感图像数据信息并构建训练样本集；计算各个遥感图像的纹理特征强度值；构建输变电遥感图像地物辨识初始模型；对输变电遥感图像地物辨识初始模型进行训练得到输变电遥感图像地物辨识粗模型；对步输变电遥感图像地物辨识粗模型再次训练得到输变电遥感图像地物辨识模型；采用输变电遥感图像地物辨识模型进行实际的输变电遥感图像地物辨识。本发明还公开了一种实现所述基于深度学习优化的输变电遥感图像地物辨识方法的系统。本发明对辨识模型进行样本粗训练和精细化训练，并在模型训练过程加入优化控制，实现了高效训练；而且本发明效率较高，精度较好。

公开(公告)号：CN115457388A

公开(公告)日：2022-12-09

申请号：CN202211085981.5

申请日：2022-09-06

Applicant: 湖南经研电力设计有限公司

Inventor： 肖辉 ,  徐志强 ,  陈霖华 ,  周鲲 ,  陆俊 ,  沈晓隶 ,  王云飞 ,  罗磊鑫 ,  刘立洪 ,  罗正经 ,  王立娜 ,  胡启明 ,  唐咪娜 ,  李勇智 ,  齐增清 ,  曾刚 ,  简洁 ,  苏军明 ,  陈智奇 ,  欧宇健

IPC: G06V20/10 ,  G06V10/54 ,  G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习优化的输变电遥感图像地物辨识方法，包括获取输变电工程区域遥感图像数据信息并构建训练样本集；计算各个遥感图像的纹理特征强度值；构建输变电遥感图像地物辨识初始模型；对输变电遥感图像地物辨识初始模型进行训练得到输变电遥感图像地物辨识粗模型；对步输变电遥感图像地物辨识粗模型再次训练得到输变电遥感图像地物辨识模型；采用输变电遥感图像地物辨识模型进行实际的输变电遥感图像地物辨识。本发明还公开了一种实现所述基于深度学习优化的输变电遥感图像地物辨识方法的系统。本发明对辨识模型进行样本粗训练和精细化训练，并在模型训练过程加入优化控制，实现了高效训练；而且本发明效率较高，精度较好。