-
公开(公告)号：CN103454528A
公开(公告)日：2013-12-18
申请号：CN201310389725.X
申请日：2013-08-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于形态奇异熵的电力系统元件故障检测及识别方法，包括以下步骤：采用三相电压信号和直流偏置零序电压信号分别作为多尺度形态滤波器的输入，由形态滤波器的输出构造出四个对应的特征矩阵；采用奇异值分解技术依次对每一个特征矩阵进行分解，分别得到一组奇异值，并在每组奇异值中筛选出较大的奇异值；通过对筛选得到的奇异值进行计算，得到对应的形态奇异熵；计算各信号对应的故障分类指标，并将各信号对应的故障分类指标依次与预设阈值进行比较，检测是否存在故障；若存在故障，则识别出故障相和判断是否为接地故障。本发明方法将数学形态学、奇异值分解和信息熵的理论结合在一起，在短时间窗口中进行故障检测和识别，反应迅速、计算量小。
-
公开(公告)号：CN114626410B
公开(公告)日：2024-03-15
申请号：CN202210186457.0
申请日：2022-02-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于形态学滤波与VMD的电力系统振荡辨识方法，包括步骤：1)采用形态学滤波方法，构建多尺度结构元素，对电力系统振荡信号进行多尺度形态学分解，通过设置阈值滤除噪声，得到降噪后的重构信号；2)对重构信号进行VMD分解，对得到的本征模函数应用Teager‑Kaiser能量算子计算其频率以及阻尼比，即得到了电力系统振荡信号的参数辨识结果。本发明将形态学滤波与VMD相结合，避免了噪声模态的干扰，克服了无法兼顾频率与时间分辨率精度的问题，同时引入Teager‑Kaiser能量算子实现快速精确的电力系统振荡模态参数辨识。
-
公开(公告)号：CN111966961B
公开(公告)日：2023-06-16
申请号：CN202010651047.X
申请日：2020-07-08
Applicant: 华南理工大学
IPC: G06F17/15
Abstract: 本发明公开了一种基于稀疏结构元素的数学形态学信号处理方法，包括步骤：1)构建稀疏型结构元素；2)利用稀疏型结构元素对信号进行形态学滤波；3)对滤波结果使用多阶段稀疏算法或二阶段稀疏算法改善滤波效果；4)构建游离型结构元素和双极性形态学梯度；5)利用游离型结构元素对信号进行双极性形态学梯度提取。本发明可有效减少数学形态学信号处理的计算量和计算时间，并增强了形态学梯度的幅值。
-
公开(公告)号：CN109978217B
公开(公告)日：2023-04-11
申请号：CN201811334280.4
申请日：2018-11-09
Applicant: 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司经济技术研究院 , 华南理工大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/2135 , G06F18/214 , H02J3/00
Abstract: 本发明公开了一种基于奇异谱分析和记忆网络的电力系统负荷预测方法。首先采用奇异谱分析对电力负荷历史数据时间序列进行分解，然后将特征值和对应的特征向量进行分组，重构得到多个重构分量。然后分别为每一个分量构建长短时记忆网络预测模型。最后将每一分量的预测结果相加，得到总的负荷预测结果。本发明利用奇异谱分析作为预处理工具，能可将电力负荷分解和重构为反应电力负荷不同的波动特性且更易于预测的分量，从而能够实现较高的预测精度。
-
公开(公告)号：CN115545447A
公开(公告)日：2022-12-30
申请号：CN202211179593.3
申请日：2022-09-27
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于小波分解和改进神经网络的非侵入式负荷分解方法，主要利用非侵入式负荷识别装置对用电信息进行采集，对采集到的数据信息进行预处理操作，通过四层小波分解提取负荷特征，然后输入到改进的神经网络进行训练学习：改进点主要体现在网络是多尺度多输入的，训练过程是多分辨率的并且网络按小波分解层数分为四个部分分别进行训练最后在重新拼接，然后利用大量数据调节网络参数，完善非侵入式负荷分解模型后完成负荷分解任务，并对非侵入式负荷分解结果进行分析。通过本发明可以结合时频域，解决当负荷数据过多时，重要的信息可能会丢失，数据特征利用率低而且多状态过程电器难以识别的问题。
-
Patent Agency Ranking
公开(公告)号：CN114626410A
公开(公告)日：2022-06-14
申请号：CN202210186457.0
申请日：2022-02-28
Applicant: 华南理工大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于形态学滤波与VMD的电力系统振荡辨识方法，包括步骤：1)采用形态学滤波方法，构建多尺度结构元素，对电力系统振荡信号进行多尺度形态学分解，通过设置阈值滤除噪声，得到降噪后的重构信号；2)对重构信号进行VMD分解，对得到的本征模函数应用Teager‑Kaiser能量算子计算其频率以及阻尼比，即得到了电力系统振荡信号的参数辨识结果。本发明将形态学滤波与VMD相结合，避免了噪声模态的干扰，克服了无法兼顾频率与时间分辨率精度的问题，同时引入Teager‑Kaiser能量算子实现快速精确的电力系统振荡模态参数辨识。
-
公开(公告)号：CN112787308B
公开(公告)日：2022-03-29
申请号：CN202110098186.9
申请日：2021-01-25
Applicant: 华南理工大学
IPC: H02H7/045
Abstract: 本发明公开了一种基于差动电流占空比的变压器差动保护方法、系统及介质，其中方法包括：设置差动电流占空比；根据差动电流占空比从差动电流波形的间断角出发构建第一条保护判据；根据差动电流占空比从差动电流波形的宽度出发构建第二条保护判据；根据差动电流占空比构建第三条保护判据；通过三个逻辑门对第一条保护判据、第二条保护判据、第三条保护判据和二次谐波制动判据进行配置，以构建最终的保护方案。本发明根据差动电流的占空比来构建三条反映差动电流波形特征的保护判据，将这三条判据与现有的二次谐波制动判据相结合来构成用于电力变压器的差动保护方案，以此来进一步提升变压器的安全性，可广泛应用于电力系统继电保护的技术领域。
-
公开(公告)号：CN105930941B
公开(公告)日：2019-10-18
申请号：CN201610333551.9
申请日：2016-05-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种适用于风电场多变量输入的风能间接预测方法，包括步骤：1)对风速进行预测；2)采用多项式拟合方法对平均趋势分量进行预测和采用降频预测法对随机分量进行预报；3)综合两个独立分量即平均趋势分量与随机分量的预报结果，即可得到风速的预测值；4)做出历史的风能风速数据的分布图，并利用多项式进行拟合，生成功率曲线，利用该功率曲线，根据风速预测值计算出风能预测值，从而实现风能的间接预测。本发明预测风电场发电功率物理意义明确，预测结果稳定，预测精度高。对风能波动较大的风电场也能实现精确的预测，而不依赖于对风电场建模的影响。此外，本发明预测方法是数据驱动、自适应的方法，其预测结果不依赖于使用者的先验知识。
-
公开(公告)号：CN109978217A
公开(公告)日：2019-07-05
申请号：CN201811334280.4
申请日：2018-11-09
Applicant: 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司经济技术研究院 , 华南理工大学
Abstract: 本发明公开了一种基于奇异谱分析和记忆网络的电力系统负荷预测方法。首先采用奇异谱分析对电力负荷历史数据时间序列进行分解，然后将特征值和对应的特征向量进行分组，重构得到多个重构分量。然后分别为每一个分量构建长短时记忆网络预测模型。最后将每一分量的预测结果相加，得到总的负荷预测结果。本发明利用奇异谱分析作为预处理工具，能可将电力负荷分解和重构为反应电力负荷不同的波动特性且更易于预测的分量，从而能够实现较高的预测精度。
-
公开(公告)号：CN106093565A
公开(公告)日：2016-11-09
申请号：CN201610637916.7
申请日：2016-08-05
Applicant: 华南理工大学
IPC: G01R22/10
CPC classification number: G01R22/10
Abstract: 本发明公开了一种基于稳态特征波形匹配的电能分项计量方法及装置，所述方法通过采集家用负荷的稳态特征波形，与数据库中的负荷标准特征波形的相似程度来进行负荷识别，根据负荷的功率变化量以及负荷的开关时刻来计算各类负荷所消耗的电能，用来实现家用负荷的分项计量；所述装置包括信号采集模块、数据处理模块、数据存储模块、显示模块和通信模块，可对用电信号进行实时采集、存储和分析，形成电能分项计量报表供用户查询，并可将电能分项计量报表上传云端供电网公司参考，功耗小，成本低，易于安装，为用户了解自家用电情况提供详细数据，也可作为电网电能测量系统中的一个终端设备，为电网公司了解负荷结构等数据提供参考。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.026 seconds)
