基于卷积神经网络的传输线路故障检测定位方法

    公开(公告)号:CN115372754A

    公开(公告)日:2022-11-22

    申请号:CN202210996136.7

    申请日:2022-08-19

    Abstract: 本发明公开了一种基于卷积神经网络的传输线路故障检测定位方法,包括如下步骤:S1、创建数据集;S2、构建卷积神经网络,所述卷积神经网络包括故障检测网络和故障定位网络;S3、训练卷积神经网络;S4、测试卷积神经网络。本发明具体是从传输线路历史运行数据中提取故障特征数据来训练卷积神经网络模型,从而实现故障的快速检测与定位。首先对采集的运行数据进行归一化处理,再使用固定大小的时间窗进行滑动采样来生成样本数据。然后将样本数据与对应的标签组合生成数据集,将数据集送入卷积神经网络模型进行训练。最后使用训练好的模型来实现传输线路故障的检测与定位。

    基于大规模网络流量类型数据的跳变点检测系统及方法

    公开(公告)号:CN115168091A

    公开(公告)日:2022-10-11

    申请号:CN202210829981.5

    申请日:2022-07-13

    Abstract: 本发明公开了基于大规模网络流量类型数据的跳变点检测系统及方法,具体包括以下步骤:对参考窗口的数据进行预处理,预处理包括缺失值填充、数据归一化和平滑处理三个步骤;对预处理后的时间序列使用离散傅里叶变换结合自相关系数的方法进行分类;将不同类别的时间序列转换为具有0和1的二进制序列,并通过前后窗口1的密度变化来识别跳变点,该方法使用双向检测方法来判断数据是向上跳变还是向下跳变。本发明方法不需要提前假设数据的分布,具有较好的鲁棒性,且算法的复杂度较低,在大规模数据处理中可以得到较好的应用。

    利用虚警攻击模型评估电力系统抵抗网络攻击稳定的方法

    公开(公告)号:CN111898843A

    公开(公告)日:2020-11-06

    申请号:CN202010448369.4

    申请日:2020-05-25

    Inventor: 夏永祥 涂海程

    Abstract: 本发明公开了一种利用虚警攻击模型评估电力系统抵抗网络攻击稳定的方法。进行状态评估和坏数据检测,处理获得电力系统中变电站的状态估计信号;建立带有攻击向量的虚警攻击模型,求解获得攻击向量,再根据攻击向量评估获得电力系统抵抗网络攻击的稳定性结果。本发明方法通过所提的虚警攻击模型对电力系统造成的影响来分析其抵抗网络攻击的能力,很好检测电力系统内部模块的不足和稳定性问题,为提高电力系统的稳定性和鲁棒性提供准确的结果。

    一种基于故障样本时空扩展的电力系统线路故障诊断方法

    公开(公告)号:CN118035817A

    公开(公告)日:2024-05-14

    申请号:CN202410038115.3

    申请日:2024-01-10

    Abstract: 本发明公开了一种基于故障样本时空扩展的电力系统线路故障诊断方法,该方法首先获取所记载事故包含的信息,整合SCADA系统采集的线路时间数据中每条线路两端的变电所名,实现故障样本的空间维度扩展样本数。其次在各线路故障数据采集完毕后,将不同长度的故障样本,通过时间窗滑动的方法按照相同的时间长度进行截取,从时间维度扩展样本数。然后筛除时空扩展带来的无关样本,并进行数据属性归一化。最后建立LSTM模型并利用归一化后的样本集训练LSTM模型,进行电网故障线路的故障类型判别。本发明能在较短时间内完成准确率极高的故障诊断,且模型与实际电网适配性好,实用性强。

    一种时间序列数据异常标记方法

    公开(公告)号:CN114490156A

    公开(公告)日:2022-05-13

    申请号:CN202210090576.6

    申请日:2022-01-25

    Abstract: 本发明公开了一种时间序列数据异常标记方法,包括以下步骤:对时间序列数据进行预处理。数据预处理包括时间序列数据归一化、序列缺失值填充、以及序列平滑处理三个步骤;对所述预处理后的时间序列进行分类。根据序列快速傅里叶变换周期频域分量的大小、自相关系数大小、以及零值比例的大小,将时间序列按照数据特性分为四种类型;对所述不同数据类型的时间序列分别设计一种异常标记方法。本发明在保证时间序列异常标记高准确率的前提下,开发了一套简单高效、适用于大规模时间序列的异常标记的方法。

    一种跨模态交互RGB-D图像显著区域检测方法

    公开(公告)号:CN114445618A

    公开(公告)日:2022-05-06

    申请号:CN202111665038.7

    申请日:2021-12-31

    Abstract: 本发明方法公开了一种跨模态交互RGB‑D图像显著区域检测方法。本发明方法首先分别从彩色图和深度图中利用VGG16网络提取RGB特征和深度特征;然后在RGB‑D交互模块中RGB特征和深度特征相互纠正,并增强边缘细节;深度权重分配模块中根据深度特征计算处理后的多个特征的融合权重;最后在注意力更新模块中细化融合后的特征。本发明方法将RGB与深度联系起来,通过补充丰富的边界信息来增强目标区域;在多尺度深度权重模块中计算权重,根据深度图的质量来决定其对显著区域的影响程度,消除了低质量深度图带来的负面影响,并提升算法的整体性能。本发明方法可以直接应用在3D图像处理,3D质量评估以及物体识别等工程领域中。

Patent Agency Ranking