成果介绍
本成果提出一种电力设备相关信息发送方法及系统,旨在解决传统人工检测效率低、结果可靠性差的问题。系统通过获取目标电力设备的规格信息与多模态工作状态信息,匹配相似设备规格并筛选历史数据,设置多模态工作特征集与电力基础特征集,对数据进行聚类处理生成设备信息簇集,进而生成运行信息与安全检测结果。该方法可快速实现电力设备状态检测与安全预警,避免故障扩散,适用于电力设备智能化管理场景。
成果亮点
成果创新性地融合多模态特征分析与聚类技术:通过多模态工作特征集与电力基础特征集的协同,提升设备状态检测精度 30% 以上;引入红外图语义分割与频谱分析,结合大语言模型生成精准分割指令,解决红外图像分割不精准问题;基于聚类算法快速匹配相似设备信息,动态生成检测结果,使故障预警响应时间缩短 50%。该技术构建了 “检测 - 分析 - 预警” 闭环,有效保障电力设备安全运行。
团队介绍
本成果研发团队由北京国网信通埃森哲信息技术有限公司联合国网信息通信产业集团有限公司、国网思极数字科技 (北京) 有限公司组成,汇聚电力系统运维、计算机算法、图像处理等领域专业人才。团队深耕电力设备智能化检测技术,核心成员具备 10 年以上行业经验,在多模态数据处理、智能算法优化等方向积累深厚,致力于通过技术创新推动电力设备管理数字化转型。
成果资料