-
公开(公告)号：CN107067341A
公开(公告)日：2017-08-18
申请号：CN201710211925.4
申请日：2017-04-01
CPC classification number: G06N3/088 , G06K9/6223 , G06N3/08 , G06Q50/06
Abstract: 本发明的目的是针对现有配电自动化系统运行评价方法的不足，结合一般配电自动化系统在指标方面的数据体量及数据特点，公开一种基于多级熵权的RBF神经网络配电自动化状态操作评价方法。该方法是结合多级熵权评价结果，应用RBF神经网络进行训练的一种非线性评价方法，可以建立各种特征组合与相应评价数据之间的映射关系，网络训练好之后，即可用于对配电自动化系统运行状态的评价。该网络具有良好的学习能力及概括能力，且测试误差较少。
-
公开(公告)号：CN106446926A
公开(公告)日：2017-02-22
申请号：CN201610546587.5
申请日：2016-07-12
Applicant: 重庆大学 , 国网重庆市电力公司市区供电分公司 , 国家电网公司
IPC: G06K9/62
CPC classification number: G06K9/6257 , G06K9/6267
Abstract: 本发明公开一种基于视频分析的变电站工人安全帽佩戴检测方法。该方法基于变电站场景下选用VIBE算法检测运动目标区域和HSV颜色特征初步定位安全帽区域，然后选用融合得Haar特征、HSV颜色空间特征，采集现场场景下安全帽正负样本，利用Adaboost算法进行分类器训练，对定位的安全帽区域提取融合特征，送入到训练好的安全帽分类器进行特征匹配检测，实现对安全帽精确识别定位。该安全帽识别方法比传统的方法准确率高，鲁棒性好，而且无论作业人员是否佩戴安全帽，人员目标是否全部出现在相机区域，都能快速准确的定位作业人员区域，对于没有佩戴安全帽的行为实时报警，排除安全隐患。
-
公开(公告)号：CN108629301A
公开(公告)日：2018-10-09
申请号：CN201810373614.2
申请日：2018-04-24
Applicant: 重庆大学
Abstract: 本发明公开一种基于运动边界稠密采样和运动梯度直方图的人体动作识别方法，主要包括以下步骤：1)输入视频流。2)计算输入视频的光流场并进行特征点采样，提取稠密特征点。3)计算特征点的轨迹。4)沿该特征点轨迹计算稠密描述符。5)对相邻两帧视频图像在时间上求导得到时序上的运动图像，再计算运动图像的空间梯度，得到运动梯度描述符HMG。6)对各个描述符分别进行特征编码。7)对各个描述符作正则化处理后，将稠密描述符与运动梯度描述符以串联形式相连接形成特征向量。8)对特征向量进行训练和学习得到人体动作识别模型。9)利用所述人体动作识别模型对人体动作进行识别。本发明在提高动作识别精度的同时缩减了计算开销。
-
公开(公告)号：CN110929918B
公开(公告)日：2023-05-02
申请号：CN201911038911.2
申请日：2019-10-29
Applicant: 国网重庆市电力公司南岸供电分公司 , 重庆大学 , 国家电网有限公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N20/20 , G06F18/214 , G06F18/2415 , G06F18/2431
Abstract: 本发明公开一种基于CNN和LightGBM的10kV馈线故障预测方法，主要步骤为：1)获取配电网原始数据，对配电网原始数据进行预处理；2)从配电网原始数据中提取特征，构建特征集f{f1，f2…f15，f16，L}；L为标签，表示馈线是否发生故障；其中，元素f1、元素f2、元素f3、元素f4、元素f5、元素f6为固有属性特征。元素f7、元素f8、元素f9、元素f10、元素f11、元素f12、元素f13为统计分析特征。元素f14、元素f15、元素f16为卷积神经网络CNN提取的深度时序特征。3)建立配电网故障预测模型；4)将配电网10kV馈线实时数据输入配电网故障预测模型，得到馈线故障预测结果。本发明具有较好的快速性和时效性，预测结果能在满足准确性要求的前提下为配电网运维管理人员提供辅助决策支撑。
-
公开(公告)号：CN107918830B
公开(公告)日：2021-11-23
申请号：CN201711158412.8
申请日：2017-11-20
Applicant: 国网重庆市电力公司南岸供电分公司 , 重庆大学 , 国家电网公司
IPC: G06Q10/06 , G06Q50/06 , G06F16/29 , G06F16/242 , G06F16/248
Abstract: 本发明公开了一种基于大数据技术的配电网运行状态评估系统及方法，主要包括以下步骤：1)采集智能电网各个供电区域的数据。2)对采集的数据进行预处理。3)对来自各个系统的数据进行多源异构数据融合，并将接收到的数据以实时或定时的方式存储到分布式文件系统(HDFS)中。4)计算供电区域的评价指标。5)计算出各层次的权重，并得出A+～E类供电分区和当前供电区域的运行状态评估结果。6)将运行状态评估结果可视化。7)可视化结合运行状态评估区域的GIS数据，在地图上使用不同的颜色表示出不同的运行状态。8)可视化结合百度的开源可视化图表插件Echarts制作智能仪表盘(Dashboard)，通过DashBoard展示实时运行状态曲线和实时状态评估结果。
-
Patent Agency Ranking
公开(公告)号：CN108629301B
公开(公告)日：2022-03-08
申请号：CN201810373614.2
申请日：2018-04-24
Applicant: 重庆大学
IPC: G06V40/20 , G06K9/62 , G06T7/246 , G06T7/269 , G06T7/277 , G06V10/80 , G06V10/774 , G06V10/77 , G06V10/764
Abstract: 本发明公开一种基于运动边界稠密采样和运动梯度直方图的人体动作识别方法，主要包括以下步骤：1)输入视频流。2)计算输入视频的光流场并进行特征点采样，提取稠密特征点。3)计算特征点的轨迹。4)沿该特征点轨迹计算稠密描述符。5)对相邻两帧视频图像在时间上求导得到时序上的运动图像，再计算运动图像的空间梯度，得到运动梯度描述符HMG。6)对各个描述符分别进行特征编码。7)对各个描述符作正则化处理后，将稠密描述符与运动梯度描述符以串联形式相连接形成特征向量。8)对特征向量进行训练和学习得到人体动作识别模型。9)利用所述人体动作识别模型对人体动作进行识别。本发明在提高动作识别精度的同时缩减了计算开销。
-
公开(公告)号：CN110929918A
公开(公告)日：2020-03-27
申请号：CN201911038911.2
申请日：2019-10-29
Applicant: 国网重庆市电力公司南岸供电分公司 , 重庆大学 , 国家电网有限公司
Abstract: 本发明公开一种基于CNN和LightGBM的10kV馈线故障预测方法，主要步骤为：1)获取配电网原始数据，对配电网原始数据进行预处理；2)从配电网原始数据中提取特征，构建特征集f{f1，f2…f15，f16，L}；L为标签，表示馈线是否发生故障；其中，元素f1、元素f2、元素f3、元素f4、元素f5、元素f6为固有属性特征。元素f7、元素f8、元素f9、元素f10、元素f11、元素f12、元素f13为统计分析特征。元素f14、元素f15、元素f16为卷积神经网络CNN提取的深度时序特征。3)建立配电网故障预测模型；4)将配电网10kV馈线实时数据输入配电网故障预测模型，得到馈线故障预测结果。本发明具有较好的快速性和时效性，预测结果能在满足准确性要求的前提下为配电网运维管理人员提供辅助决策支撑。
-
公开(公告)号：CN107918830A
公开(公告)日：2018-04-17
申请号：CN201711158412.8
申请日：2017-11-20
Applicant: 国网重庆市电力公司南岸供电分公司 , 重庆大学 , 国家电网公司
CPC classification number: G06Q10/06313 , G06F17/30241 , G06F17/30392 , G06F17/30398 , G06F17/30554 , G06Q10/06393 , G06Q50/06
Abstract: 本发明公开了一种基于大数据技术的配电网运行状态评估系统及方法，主要包括以下步骤：1)采集智能电网各个供电区域的数据。2)对采集的数据进行预处理。3)对来自各个系统的数据进行多源异构数据融合，并将接收到的数据以实时或定时的方式存储到分布式文件系统(HDFS)中。4)计算供电区域的评价指标。5)计算出各层次的权重，并得出A+～E类供电分区和当前供电区域的运行状态评估结果。6)将运行状态评估结果可视化。7)可视化结合运行状态评估区域的GIS数据，在地图上使用不同的颜色表示出不同的运行状态。8)可视化结合百度的开源可视化图表插件Echarts制作智能仪表盘(Dashboard)，通过DashBoard展示实时运行状态曲线和实时状态评估结果。
-
公开(公告)号：CN107340456A
公开(公告)日：2017-11-10
申请号：CN201710381487.6
申请日：2017-05-25
Applicant: 国家电网公司 , 国网湖南省电力公司 , 国网湖南省电力公司电力科学研究院 , 重庆大学
IPC: G01R31/08
Abstract: 本发明公开一种基于多特征分析的配电网工况智能识别方法，通过配电网在线录波系统对配电网馈线的异常运行工况进行数据采集，应用多种特征提取方法，包括时域、频域及小波变换的信号特征提取方法，提取大量信号特征，如电流暂态稳态特征等；通过训练具有自适应学习特性的人工神经网络(ANN)模型来进行每一类异常工况识别，并建立形如决策树的分类识别流程，实现配电网的多工况有效识别。
-
公开(公告)号：CN107067341B
公开(公告)日：2021-06-01
申请号：CN201710211925.4
申请日：2017-04-01
Abstract: 本发明的目的是针对现有配电自动化系统运行评价方法的不足，结合一般配电自动化系统在指标方面的数据体量及数据特点，公开一种基于多级熵权的RBF神经网络配电自动化状态操作评价方法。该方法是结合多级熵权评价结果，应用RBF神经网络进行训练的一种非线性评价方法，可以建立各种特征组合与相应评价数据之间的映射关系，网络训练好之后，即可用于对配电自动化系统运行状态的评价。该网络具有良好的学习能力及概括能力，且测试误差较少。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.036 seconds)
