-
公开(公告)号：CN116203365B
公开(公告)日：2023-07-18
申请号：CN202310495700.1
申请日：2023-05-05
Applicant: 南昌工程学院
IPC: G01R31/12 , G06F18/213 , G06F18/24 , G06F18/2415 , G06N3/047 , G06N3/08 , G06N3/006
Abstract: 本发明属于电力设备在线检测领域，公开了一种基于野马算法优化PNN的GIS设备局部放电检测方法，收集超声信号和特高频电磁波信号组成原始数据集；对原始数据集进行归一化处理得到归一化数据集，然后将归一化数据集中的正常点数据用平均值替换生成特征数据集；搭建PNN网络，并使用野马算法优化PNN网络，使PNN网络的平滑因子达到最优值；将特征数据集送入野马算法优化后的PNN网络中进行局部放电在线检测。本发明可实现在检测到故障时便对故障的类型进行分析，提高局部放电检测效率，对野马算法进行优化，提高了判别准确率和效率。
-
Patent Agency Ranking
公开(公告)号：CN116526478B
公开(公告)日：2023-09-19
申请号：CN202310800611.3
申请日：2023-07-03
Applicant: 南昌工程学院
IPC: H02J3/00 , H02J3/38 , G06F18/243 , G06F18/214 , G06N3/006 , G06N7/08 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于改进的蛇群优化算法的短期风电功率预测方法及系统，利用四分位法对风电场异常数据清洗并插补，建立极致梯度提升树分类模型并且利用改进的蛇群优化算法优化极致梯度提升树，对极致梯度提升树分类模型进行训练和测试，并且划分天气类型，根据分类结果构建不同天气下的多维特征矩阵，构建自适应预测模型并且预测转折性天气下的风电功率。本发明使用改进的蛇群优化算法对极致梯度提升树的学习率、树深度、最佳树的个数这三个参数进行优化可以提高极致梯度提升树分类模型的准确率，进而提高自适应预测模型的准确率，解决现有风电功率预测方案在转折性天气时段存在较大误差的问题。
-
公开(公告)号：CN115687952A
公开(公告)日：2023-02-03
申请号：CN202310000630.8
申请日：2023-01-03
Applicant: 南昌工程学院
Abstract: 发明公开了一种基于黎曼流形聚类的配电网线变关系辨识方法及装置，该方法将电压时间序列划分为多个电压时间子序列，每个电压时间子序列的所有点的特征向量组成电压时间子序列的特征矩阵；电压时间序列之间的距离由电压时间子序列之间的平均距离计算；以不同配变的电压时间序列的特征矩阵作为数据集进行黎曼流形聚类；通过对聚类结果的分析以实现错误配变的检测。本发明使用了大数据挖掘中的思想，有效解决了传统辨识方法中存在的校核阈值难以确定以及多特征量校核时的特征量选取困难的问题。
-
公开(公告)号：CN115954879B
公开(公告)日：2023-10-27
申请号：CN202310234155.0
申请日：2023-03-13
Applicant: 南昌工程学院
IPC: H02J3/00 , G06F18/2135 , G06N3/006 , G06N3/047
Abstract: 本发明属于配电网线变关系辨识技术领域，公开了一种基于AO算法优化PNN的配电网线变关系精准辨识方法，提取线路下所有配变的三相电压数据并经过预处理后获取所有配变的电压矩阵；进行皮尔逊相关系数计算以获取配变间的电压相关性系数矩阵以及配变和线路之间的电压相关性系数矩阵；将三个矩阵合并组成配电网特征矩阵；使用核主成分分析法对归集后的配电网特征矩阵降维，得到降维后的配电网特征矩阵；使用AO算法优化PNN网络；最后使用优化后的PNN网络对降维后的特征矩阵进行处理以辨识发生线变关系错误的具体配变。本发明解决了常见的基于数据处理方法的辨识阈值难以确定的问题。
-
公开(公告)号：CN116203365A
公开(公告)日：2023-06-02
申请号：CN202310495700.1
申请日：2023-05-05
Applicant: 南昌工程学院
IPC: G01R31/12 , G06F18/213 , G06F18/24 , G06F18/2415 , G06N3/047 , G06N3/08 , G06N3/006
Abstract: 本发明属于电力设备在线检测领域，公开了一种基于野马算法优化PNN的GIS设备局部放电检测方法，收集超声信号和特高频电磁波信号组成原始数据集；对原始数据集进行归一化处理得到归一化数据集，然后将归一化数据集中的正常点数据用平均值替换生成特征数据集；搭建PNN网络，并使用野马算法优化PNN网络，使PNN网络的平滑因子达到最优值；将特征数据集送入野马算法优化后的PNN网络中进行局部放电在线检测。本发明可实现在检测到故障时便对故障的类型进行分析，提高局部放电检测效率，对野马算法进行优化，提高了判别准确率和效率。
-
公开(公告)号：CN115954879A
公开(公告)日：2023-04-11
申请号：CN202310234155.0
申请日：2023-03-13
Applicant: 南昌工程学院
IPC: H02J3/00 , G06F18/2135 , G06N3/006 , G06N3/047
Abstract: 本发明属于配电网线变关系辨识技术领域，公开了一种基于AO算法优化PNN的配电网线变关系精准辨识方法，提取线路下所有配变的三相电压数据并经过预处理后获取所有配变的电压矩阵；进行皮尔逊相关系数计算以获取配变间的电压相关性系数矩阵以及配变和线路之间的电压相关性系数矩阵；将三个矩阵合并组成配电网特征矩阵；使用核主成分分析法对归集后的配电网特征矩阵降维，得到降维后的配电网特征矩阵；使用AO算法优化PNN网络；最后使用优化后的PNN网络对降维后的特征矩阵进行处理以辨识发生线变关系错误的具体配变。本发明解决了常见的基于数据处理方法的辨识阈值难以确定的问题。
-
-
-
-
-
Search Results
16
records
(took 0.025 seconds)
