本发明公开了一种基于深度学习的环网柜电缆局部放电的故障检测方法，包括获取电缆的电压信号的样本，每个样本包含m个采样点，对样本信号依次进行小波去噪处理和归一化处理。本基于深度学习的环网柜电缆局部放电的故障检测方法通过对电缆的电压信号依次进行小波去噪、归一化处理和分组，然后分别进行时域和频域上的特征提取，将提取的特征拼接特征向量，并作为故障检测网络的特征种类的输入，结合故障检测网络得到电缆是否有局部放电的故障，本方法更加高效、准确且可靠，在提高电缆系统的可用性，降低维护成本的同时，确保电力系统的可靠性和安全性。
📄 2023114005387
📂 G06F18_213
👤 浙江工业大学
📅 2023-10-26
本发明公开了一种基于深度学习的电池SOC和SOH联合估计方法。具体步骤包括电池数据的采集、对数据的预处理、搭建SE‑CNN神经网络和BRNN神经网络、构建并训练估算模型，最后利用训练过的SE‑CNN网络估算电池的SOH值、利用BRNN网络估算电池的SOC值。本发明利用深度学习的参量自学习能力，减少了在估算电池的剩余容量与最大可用容量之比与电池容量和内阻的变化关系过程中的计算量，并考虑SOH和SOC之间的关联，进行联合估计，增强预测模型的稳定性，提高计算的准确性，弥补了现有技术中各种估算方法测量时间长、测量条件要求高、计算量过高以及估算精度低的不足，为各类电池管理系统提供一种快速、准确的SOH和SOC估算方法。
📄 2020109467700
📂 G01R31_388
👤 杭州电子科技大学
📅 2020-09-10
本发明公开了一种基于Bi‑LSTM的大地电磁信号去噪方法及系统，本发明构造了海量符合大地电磁微弱信号和含有强干扰特性的噪声轮廓，将二者相加得到含噪信号；将含噪信号按比例划分为相应的训练集和测试集，并定义网络对应的输入和输出，优选利用NPSO选出最优的双向长短期记忆神经网络的相关参数，再将训练集送入神经网络进行训练得到预测模型；利用预测模型对实测的大地电磁数据进行预测得到噪声轮廓；最后用实测的大地电磁数据减去预测的噪声轮廓得到有用的大地电磁信号。本发明通过上述方法可以有效准确地完成噪声轮廓的预测，从而剔除含噪信号中的噪声，保留更多有用的大地电磁信号。
📄 2021110785037
📂 G01V3_38
👤 湖南师范大学
📅 2021-09-15
本发明提出一种卷积注意力融合置信域强化迁移的风电出力预测方法，该卷积注意力融合置信域强化迁移的风电出力预测方法的步骤为：首先，进行数据预处理，将数据集分割为数据集1和数据集2；其次，使用数据集1训练基于缩放注意力机制和Inception模块的记忆卷积网络，并使用置信域策略优化方法对网络参数进行调优；最后，基于迁移操作，使用已训练完成的基于缩放注意力机制和Inception模块的记忆卷积网络根据数据集2对风电场出力进行预测。所述卷积注意力融合置信域强化迁移的风电出力预测方法能够完成对风电场出力数据的精确预测，提高能源利用率，减少碳排放。
📄 2022111898037
📂 G06Q10_04
👤 广西大学
📅 2022-09-28
基于改进SK‑BiLSTM的自适应多尺度暂态电压稳定评估方法，首先，考虑电网拓扑中各节点非直接连接对暂态电压稳定性的影响，利用图注意力网络将时序电气量测数据与图结构拓扑数据结合，形成时空融合数据集。基于此，构建了改进SK‑BiLSTM的自适应多尺度特征提取模型，通过渐进式分组卷积操作，全面提取暂态电压特征信息并提高模型响应速度。通过修改后的IEEE 39节点和IEEE 118节点测试系统进行验证，结果表明，该方法能快速准确地评估电压稳定状态。并借助定义的完全覆盖率指标，验证了模型在识别电压失稳节点或区域方面的性能，进一步证明了该方法的准确性、有效性和快速性。
📄 2024110791934
📂 G06F30_27
👤 三峡大学
📅 2024-08-07
本发明公开的属于电网线路技术领域，具体为基于深度学习的电网线路融冰效果检测方法，包括具体步骤如下：S1：构建电网线路融冰效果检测数据集；S2：搭建电网线路融冰效果检测网络GIMEDNet；S3：训练电网线路融冰效果检测网络GIMEDNet；S4：应用GIMEDNet进行电网线路融冰效果检测。本发明的GIMEDNet通过双向注意力机制，能大幅提高融冰效果检测的质量和效率，确保了对电网线路融冰效果的高质量检测。
📄 2025108170507
📂 G06V20_10
👤 广东工业大学
📅 2025-06-18
一种用于预测超高压输电线路杆塔覆冰厚度的深度学习方法，包括：1、提取单个杆塔周围一定地理范围的六种局部、三种全局历史气象要素和三种地形要素信息；2、通过降维深度可分离模块，对各个要素特征进行归一化，并且实现对地形要素特征的提取；3、将多个历史时间点的局部和全局气象要素特征分别输入LSTM网络中，实现气象要素特征提取；4、地形要素特征与气象要素特征进行特征融合，并将融合后的特征输入主干分类网络；5、将历史覆冰厚度数据分20等级作为网络标签；6、计算模型损失，训练模型，优化模型参数。本发明充分考虑了杆塔上覆冰厚度的时间与空间影响因素，可以有效的从历史气象数据与地形数据中预测下一个时间点的覆冰厚度。
📄 2021107830681
📂 G06F30_27
👤 南京信息工程大学
📅 2021-07-12
本申请公开了基于深度学习的钻井轨迹实时动态跟踪控制方法及系统，涉及石油钻井技术领域，方法包括：根据井的基础信息和预设井眼轨迹数据生成井眼轨迹控制参数；根据钻具所处地层环境设置对应于当前工况的最优钻井液性能参数；通过关联模型对井眼轨迹控制参数和最优钻井液性能参数进行深度学习，生成钻井参数设置方案，控制井下钻具钻井；对钻井数据与钻井参数设置方案中的数据进行比较，确定钻井数据中的偏差；确定相应的故障模式，从解决方案库中确定对应的解决方案对钻井参数设置方案进行修正。本申请通过对地质条件以及历史数据进行深度学习，构建井眼轨迹控制模型等模型，能够随数据积累不断更新优化模型，持续提高钻井轨迹跟踪和控制精度。
📄 2025109399778
📂 E21B44_00
👤 西安石油大学
📅 2025-07-09
本发明提供了一种基于深度学习的致密砂岩储层流体识别方法，首先对研究区测井数据的层内各点特征进行预处理并拼接成样本；针对层内深度不同的样本进行深度统一化处理；将样本输入卷积神经网络提取高维非线性测井特征；使用双向长短期记忆神经网络进一步融合卷积神经网络输出的特征映射，进一步学习测井数据的多尺度特征；致密砂岩储层流体识别模型输出识别结果。该方案利用了储层之间的相关性，能有效提高储层识别精度。
📄 2021112682054
📂 G01V1_50
👤 重庆科技学院
📅 2021-10-29
本发明公开了一种基于SResNet‑SCNN‑BiLSTM网络的非侵入式负荷监测方法及系统，涉及电力负荷监测领域，包括：从家庭用电数据集中选取各电器的负荷数据得到总功率序列，并对总功率序列进行预处理，得到初始样本数据集；利用CGAN网络对初始样本数据集进行扩充，得到扩充样本数据集；结合改进残差网络和SCNN‑BiLSTM网络构建负荷分解网络模型，并利用扩充样本数据集进行训练；利用训练好的负荷分解网络模型，对待识别家庭总用电负荷进行识别分解，得到各不同电器的负荷。本发明能够有效提高非侵入式负荷监测对不同电器设备电力负荷识别的准确性。
📄 2024108851212
📂 G06Q10_04
👤 吉林化工学院
📅 2024-07-03
本发明公开了一种基于数据增强与深度学习的污水化学需氧量软测量方法，包括：采集污水处理过程的出水化学需氧量及相关变量数据；利用基于注意力机制的自适应加权生成对抗网络，对缺失的水质数据进行重构，实现数据的有效增强；利用逐次变分模态分解对出水COD进行分解，以降低出水COD的非线性和非平稳性；通过排列熵对分解后的分量进行复杂性和不确定性的量化分析，并将分量划分为高频分量和低频分量；采用FiLM模型和CatBoost模型分别对高频和低频分量进行软测量建模，并将预测结果求和；通过改进的PID搜索优化算法同步优化FiLM和CatBoost模型的参数。本发明提高了污水处理系统的运行效率和水质监测的准确性。
📄 2024107754126
📂 G06F18_213
👤 淮阴工学院
📅 2024-06-17
本发明公开了一种基于多尺度时空图注意力卷积网络的光伏功率预测方法，获取光伏电站真实历史运行数据集，利用互信息熵对NWP中的主要气象因子与光伏功率进行相关性分析，筛选出相关程度最高的气象因子，采用矩阵填充算法对其进行修正；建立时空图注意力卷积网络模型，首先构建属性图来捕捉光伏发电功率在时间和空间上的动态特征，通过多层图注意力网络从属性图中提取空间特征，使用时间卷积网络从属性图中来挖掘时间相关特征；采用改进的序贯模型优化算法对预测模型的超参数进行优化；最后，构建融合多源数据的神经网络全连接层，从而预测光伏发电功率。本发明提高了区域内光伏电站的发电功率预测准确性。
📄 2023111069692
📂 H02J3_00
👤 淮阴工学院
📅 2023-08-29
柿子坊 · 知识产权运营
柿子坊知识产权运营平台