-
公开(公告)号：CN119739981A
公开(公告)日：2025-04-01
申请号：CN202411778489.5
申请日：2024-12-05
Applicant: 国网湖北省电力有限公司孝感供电公司 , 中南大学
Abstract: 本发明涉及变压器溶解气体浓度预测的技术领域，特别是涉及一种基于D‑S证据理论优化集成学习的变压器溶解气体浓度预测方法，包括以下步骤：生成子数据集、对每个子数据集训练基学习器得到多个独立模型、使用训练好的基学习器对待预测样本进行预测得到预测结果、为每个基学习器的预测结果计算基本概率分配、使用D‑S证据理论对所有基学习器的预测结果进行融合并生成最终预测值、基于D‑S证据理论优化的集成学习模型进行变压器溶解气体浓度预测；其基于集成学习中的Bagging方法，并使用D‑S证据理论用于基学习器的融合，提高了集成学习模型的变压器溶解气体浓度预测准确率；采用序列最小二乘规划算法，方便处理复杂的约束条件，并且提高收敛速度和计算效率。
-
公开(公告)号：CN119885005A
公开(公告)日：2025-04-25
申请号：CN202411825356.9
申请日：2024-12-12
Applicant: 国网湖北省电力有限公司孝感供电公司 , 中南大学
IPC: G06F18/2433 , G01R31/00 , G06F18/2415 , G06F18/15 , G06F18/214 , G06N3/0455 , G06N3/082 , G06N3/0895 , G06F123/02
Abstract: 本发明提供一种基于数据增强的变电站设备异常检测方法，该方法包括：S1收集多组时序参数数据；S2对缺失参数数据进行填补，得到填补后的参数数据集；S3将填补后的参数数据集分为初级正训练样本集、初级负训练样本集和验证集；S4获取初级正训练样本集和初级负训练样本集的正加权平均向量集和负加权平均向量集；S5采用增强策略对初级负训练样本集进行数据增强，生成高级正训练样本集和高级负训练样本集；S6利用高级正训练样本集和高级负训练样本集对异常检测模型进行对比训练，生成训练后的异常检测模型；S7获取待测参数数据，用训练后的异常检测模型对其进行异常检测，生成检测结果。本发明提供了一种高效和准确的变电站设备的异常检测方法和系统。
-
公开(公告)号：CN119760656A
公开(公告)日：2025-04-04
申请号：CN202411778496.5
申请日：2024-12-05
Applicant: 国网湖北省电力有限公司孝感供电公司 , 中南大学
Abstract: 本发明涉及电力设备运行状态监测与故障预警的技术领域，特别是涉及一种变压器温度预警方法和系统，步骤一、收集变压器历史温度数据；步骤二、计算滑动窗口大小；步骤三、根据步骤一收集的变压器温度数据和步骤二得到的滑动窗口大小训练支持向量回归模型；步骤四、根据步骤一收集的变压器温度数据和步骤二得到的滑动窗口大小训练随机森林模型；步骤五、根据步骤一收集的变压器温度数据和步骤二得到的滑动窗口大小训练梯度提升回归模型；步骤六、得到Stacking模型，并计算；步骤七、预测未来温度；步骤八、根据历史数据和专业知识构建预警规则库，作为变压器温度预测后预警的评判标准；步骤九、进行判断并预警；其提高预测准确率。
-
公开(公告)号：CN119846531A
公开(公告)日：2025-04-18
申请号：CN202411778480.4
申请日：2024-12-05
Applicant: 国网湖北省电力有限公司孝感供电公司 , 中南大学
IPC: G01R35/02
Abstract: 本发明涉及电压互感器故障诊断的技术领域，特别是涉及一种电压互感器的故障诊断方法，包括以下步骤：数据获取、数据预处理、特征选择、故障分类、模型评估和实际应用；其通过采用基于混合驱动的预测性维护方法，对短时傅里叶变换、最大信息系数、卷积神经网络和长短期记忆网络进行有效组合，实现对电压互感器的电容器击穿故障、匝间短路故障、铁磁共振故障以及油泄露故障的故障诊断，并且在数据预处理阶段，通过离散的时间模型公式计算出模拟的三相电压信号，从一定程度上代替真实的三相电压信号，并且在生成的数据上制造异常点，解决三相电压信号数据较少的问题，提高诊断精准度。
-
公开(公告)号：CN119760628A
公开(公告)日：2025-04-04
申请号：CN202411791072.2
申请日：2024-12-06
Applicant: 国网湖北省电力有限公司孝感供电公司 , 中南大学
IPC: G06F18/25 , G06F18/2411 , G06F18/243 , G06F18/213 , G06N20/10 , G06N5/01 , G06N3/006
Abstract: 本发明涉及断路器状态判别的技术领域，特别是涉及一种改进D‑S证据理论的断路器状态判别方法和系统，包括以下步骤：收集数据并提取特征、将电流特征数据用于支持向量机模型训练、将振动特征数据用于决策树模型训练、蚁群算法确定D‑S证据理论的基本概率分配、将两个模型进行D‑S证据理论融合和对融合后的模型进行测试并验证效果；其通过获取电流信号和振动信号，方便对多类数据进行分析判别，蚁群算法确定D‑S证据理论的基本概率分配提升证据融合的准确性，通过D‑S证据理论对基于支持向量机的断路器状态判别模型和基于决策树的断路器状态判别模型进行融合，合理地融合不同模型的输出，根据它们的准确性和置信度，生成更可信的综合结果，提高系统的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119830167A
公开(公告)日：2025-04-15
申请号：CN202411791084.5
申请日：2024-12-06
Applicant: 国网湖北省电力有限公司孝感供电公司 , 中南大学
IPC: G06F18/2433 , G06F18/241 , G06F18/214 , G06F18/10 , G06N3/048 , G06N3/08
Abstract: 本发明涉及油浸式变压器异常检测方法的技术领域，特别是涉及基于胶囊网络的油浸式变压器异常检测方法，包括以下步骤：S1、获取数据样本集，数据集选用由供电公司的实测数据以及从部分文献下载的DGA数据共686组，其中正常数据52组，故障数据634组，其中，数据集属性包括H2、CH4、C2H6、C2H4、C2H2、故障类型6种属性；S2、3‑sigma检测异常数据并剔除；S4、将训练数据集输入胶囊网络进行训练；其相较于经典的机器学习方法，胶囊网络创新地提出“向量输入、向量输出”的方法，并且采用动态路由的机制，减少传统池化操作造成的特征损失，实时对是否发生放电和过热故障进行精准的判断，减少重复的人力物力检测。
-
公开(公告)号：CN111507757B
公开(公告)日：2024-03-15
申请号：CN202010274408.3
申请日：2020-04-09
Applicant: 中南大学
IPC: G06Q30/0226 , G06F17/18
Abstract: 本发明提供了一种提高偏远地区任务完成率的群智感知激励方法，包括：在群智感知平台发布任务后，参与者根据所处的具体位置以及到任务的距离及距离阈值去选择任务，并将选择的任务归于任务集合中；参与者获取自己的内部参考价，并根据群智感知平台提供的平台参考价调整所述内部参考价，并向所述群智感知平台报价；所述群智感知平台根据所述报价计算得到参与者完成任务后给群智感知平台带来的平台福利，根据所述平台福利选择获胜者。本发明考虑了非理性因素对参与者的激励作用，建立了能够影响用户行为决策的平台环境，向参与者提供了距离阈值和平台参考价作为参考点，有指向性地引导参与者决策。
-
公开(公告)号：CN117573323A
公开(公告)日：2024-02-20
申请号：CN202311593290.0
申请日：2023-11-27
Applicant: 中南大学
Abstract: 本申请适用于群智感知技术领域，提供了一种保障覆盖率和数据质量的群智感知任务分配方法，包括：群智感知平台发布感知任务，并评估感知任务的需求度；计算感知节点在完成感知范围内感知任务后的累积高需求度任务进度；基于累积高需求度任务进度和感知节点任务选择函数，计算感知节点对于感知任务的任务选择函数值；感知节点将最大的任务选择函数值对应的感知任务提交给群智感知平台；群智感知平台基于感知节点的任务感知质量、累积高需求度任务进度和进度累计的有效轮次数确定感知任务的目标感知节点，并为各目标感知节点分配计算资源。本申请能在计算资源有限的情况下同时保障群智感知任务覆盖率和数据质量。
-
公开(公告)号：CN115018216A
公开(公告)日：2022-09-06
申请号：CN202210946777.1
申请日：2022-08-09
Applicant: 中南大学
Abstract: 本发明实施例中提供了一种车辆群智感知均匀性提高方法、系统、设备及介质，属于计算技术领域，具体包括：依据该批次任务集数量影响参数规定逼近阈值，向所有在线到达的参与者发布强化规则；在强化规则影响下，结合历史数据中全部参与轮次的逼近速度与本轮预估速度的对比情况计算强化因子；更新每轮次发布的最优单位报酬；获取参与者上传的投标信息；平台分配任务选择参与者；当逼近值达逼近阈值时，支付总报酬，否则逐轮累积至批次结束再结算，其中，每一轮次若按最优绕行倾向度提供轨迹则以最优单位报酬结算，否则仅以成本价结算。通过本发明的方案，使参与者均匀分布在特定位置，提高了完成任务覆盖率，保障了有效的激励效果。
-
公开(公告)号：CN115002713A
公开(公告)日：2022-09-02
申请号：CN202210927537.7
申请日：2022-08-03
Applicant: 中南大学
Abstract: 本发明提供了一种提高群智感知覆盖率的方法、系统、介质及设备，基于敏感性递减理论，包括：发布感知任务，并依据感知任务离感知节点的实际距离，将感知任务划分为流行任务和不流行任务；构建基于敏感性递减理论的选择函数，在等性价比系数下，利用选择函数计算感知节点的选择函数值，选择函数值与感知节点选择的感知任务的流行度相关，感知节点选择不流行任务累积的选择函数值大于选择流行任务累积的选择函数值；依据流行任务的选择函数值和不流行任务的选择函数值筛选出目标感知任务，并提交任务意向；筛选用于完成目标感知任务的感知节点，参与完成目标感知任务；为完成目标感知任务的感知节点分配奖励，提高群智感知的覆盖率。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.047 seconds)
