-
公开(公告)号：CN110866840A
公开(公告)日：2020-03-06
申请号：CN201911098420.7
申请日：2019-11-12
Applicant: 南昌工程学院
Abstract: 本发明公开了一种基于知识图谱的电力负荷特征量训练的数据库建模方法，包括如下步骤：获取电器的使用情况；得到稳态下进行处理后的波形数据；将波形数据执行波形分解算法，以获取到负荷特征矩阵数据；处理后的波形数据执行S3中所述的波形分解算法所获取到的负荷特征矩阵数据导入数据库；调用K-Means聚类算法对S4中经过小波变换后的数据进行分类；对负荷特征矩阵数据执行CNN算法进行识别；通过高斯模糊去除边缘矩阵影响，寻找数据库中与输入矩阵相等的中心子矩阵，给出置信度并输出中心子矩阵。本发明，有效解决了电力系统分析过程中产生的谐波效应使复合负荷难以分类的问题。
-
公开(公告)号：CN110824245A
公开(公告)日：2020-02-21
申请号：CN201911098373.6
申请日：2019-11-12
Applicant: 南昌工程学院
IPC: G01R22/10
Abstract: 本发明涉及电力负荷监测技术领域，公开了一种应用于家庭配电箱的半侵入式负荷监测系统，包括传感模块，传感模块包括若干电流传感器和空气断路器，位于总回路上的电流传感器连接漏电保护模块，位于支路回路上的电流传感器连接有数据采集模块，数据采集模块连接有数据处理与控制模块，数据处理与控制模块分别双向连接显示模块和存储模块，所述数据采集模块通过供电模块进行供电；还公开了其检测方法和具体应用。本发明，通过半侵入式负荷监测方法实现家庭配电箱每个空气断路器回路电器运行状态实时判断，并具有漏电保护功能。
-
公开(公告)号：CN119474843B
公开(公告)日：2025-05-20
申请号：CN202510062712.4
申请日：2025-01-15
Applicant: 南昌工程学院
IPC: G06F18/2135 , G06F18/15 , G06F17/16 , G06N3/0499 , G06N3/084 , G06N3/006 , G01N21/25 , G01N21/59
Abstract: 本发明公开了一种基于透射光谱分析的水质检测方法及电子设备，该方法对光谱透射率数据集进行数据降维，得到降维后的样本数据集；将BP神经网络的原始阈值和原始权重作为改进海星优化算法的初始种群位置进行寻优，获取BP神经网络的最优阈值和最优权重；使用降维后的样本数据集对已获取最优阈值和最优权重的BP神经网络和特征提取模块组成的水质检测模型进行训练，使用训练合格的水质检测模型对水质进行检测。本发明采用改进海星优化算法优化的BP神经网络进行水质检测，能够准确的检测出水质的情况。
-
公开(公告)号：CN119941555A
公开(公告)日：2025-05-06
申请号：CN202411997680.9
申请日：2024-12-31
Applicant: 广东电网有限责任公司广州供电局 , 南昌工程学院
Inventor： 邓烨恒 , 邹伟煜 , 潘建庭 , 许斌斌 , 江少镇 , 丛培杰 , 刘福来 , 李子森 , 何梓麟 , 胡劭超 , 丁贵立 , 许志浩 , 肖腾 , 王晗 , 徐派 , 周健 , 熊名政
Abstract: 本发明公开了一种基于图像去噪的压接管检测方法，首先获取压接管的航拍图像，将脉冲耦合神经网络的指数衰减时间常数αT和固有电压常数VT作为改进极光优化算法的初始种群位置进行寻优，获取脉冲耦合神经网络的最优指数衰减时间常数αT和最优固有电压常数VT；训练脉冲耦合神经网络得到压接管检测模型，其次将航拍得到的原始图像输入进训练好的模型之中，从而对原始图像进行去噪处理，最后再将去噪后的图像输入yolov5模型之中进行检测。本发明提出的方法可以显著增强对图像的去噪能力，从而提高yolov5模型对压接管的检测精度。
-
公开(公告)号：CN119939470A
公开(公告)日：2025-05-06
申请号：CN202510030209.0
申请日：2025-01-08
Applicant: 国网湖北省电力有限公司超高压公司 , 南昌工程学院
Inventor： 罗浪 , 邓华璞 , 胡毅 , 李佳 , 赵海涛 , 姚佶 , 杨丰帆 , 赵泽予 , 李璐 , 高牧风 , 马雯君 , 吴荻玮 , 况静 , 何丁义 , 胡晶 , 袁小翠 , 万义明 , 许志浩
IPC: G06F18/2433 , G06F18/2415 , G06F18/2131 , G06F18/15 , G01R31/12 , G01H17/00 , G10L25/51 , G10L25/30 , G10L15/02 , G10L15/16 , G06N3/0464 , G06F123/02
Abstract: 本发明公开了一种变压器故障识别方法，其涉及深度学习技术领域。包括：获取变压器的历史声纹信号和历史声纹信号所对应的故障类型；构建改进卷积神经网络，将历史声纹信号输入改进卷积神经网络，得到历史声纹信号的故障识别结果；基于历史声纹信号的故障识别结果和历史声纹信号所对应的故障类型，对改进卷积神经网络进行训练；将待测变压器的实时声纹信号数据输入训练好的改进卷积神经网络，得到实时声纹信号数据的故障识别结果，及根据故障识别结果判断变压器的故障类型。本发明能够有效地捕捉不同尺度下的相关性，提高变压器故障识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119495322A
公开(公告)日：2025-02-21
申请号：CN202411703433.3
申请日：2024-11-26
Applicant: 国网湖北省电力有限公司超高压公司 , 国网湖北省电力有限公司电力科学研究院 , 南昌工程学院
Inventor： 罗浪 , 张子熙 , 韩煦 , 王勇杰 , 汤伟 , 毕如玉 , 万军 , 杨丰帆 , 何琦 , 潘晓璐 , 童歆 , 夏天 , 吴彤 , 周凯 , 贺家慧 , 袁小翠 , 万义明 , 许志浩
Abstract: 本发明公开一种变压器故障识别方法、系统、设备及介质，涉及变压器故障识别技术领域，该方法包括：采集变压器的音频信号，并提取音频信号的混沌域多尺度分型维度特征、时域零交叉率特征和频域分数阶频谱熵特征；构建生物启发式多域神经网络模型；生物启发式多域神经网络模型包括脉冲神经网络、仿生卷积层和混沌神经网络；将提取的音频信号特征输入生物启发式多域神经网络模型，识别出变压器的故障类别；该方法不仅提高了故障识别的准确性，还能够在复杂多变的运行环境中稳定地进行故障诊断。
-
公开(公告)号：CN119441743A
公开(公告)日：2025-02-14
申请号：CN202510028699.0
申请日：2025-01-08
IPC: G06F18/10 , G06N3/006 , G06F18/2131
Abstract: 本发明公开了一种变压器声纹信号去噪方法，包括如下步骤：使用声音采集装置采集变压器声纹信号；采用改进山猫优化算法对时变滤波经验模态分解的带宽阈值和B样条阶数进行优化，再使用优化后的时变滤波经验模态分解将采集到的变压器声纹信号分解成本征模态函数；采用滑动窗对本征模态函数进行分段截取，并且将截取后的本征模态函数构建成三阶信号张量；将构建的三阶信号张量输入贝叶斯高斯张量分解模型中进行分解重构，再根据张量构造逆过程将重构后的三阶信号张量还原成一维向量；本发明运用改进后的山猫优化算法优化时变滤波经验模态分解的参数，避免了分解时的混叠现象。
-
公开(公告)号：CN118655946A
公开(公告)日：2024-09-17
申请号：CN202410969663.8
申请日：2024-07-19
Applicant: 南昌工程学院 , 江西变压器科技股份有限公司
IPC: G05F1/56
Abstract: 本发明公开了一种改进光伏最大功率点追踪方法及装置，该方法获取光伏发电系统的当前开路电压和短路电流作为鹦鹉优化算法输入参数，初始化鹦鹉种群参数，引入改进的反向学习策略跳出当前位置，扩大鹦鹉种群的搜索范围，设计鹦鹉种群不同的行为作为鹦鹉优化算法更新规则，对鹦鹉种群初始化参数进行寻优，引入基于莱维增量和高斯游走的优化策略对鹦鹉种群的停留行为进行改进，帮助算法跳出局部最优；迭代直到最大迭代次数，迭代结束将最大输出电压定为全局最优值，当输出功率变化率大于输出功率变化率阈值时，重新迭代。本发明解决了传统的最大功率点跟踪算法在光照突变的环境下求解精度低以及可能陷入局部最优的问题。
-
公开(公告)号：CN117807896B
公开(公告)日：2024-04-30
申请号：CN202410228085.2
申请日：2024-02-29
Applicant: 南昌工程学院 , 江西变压器科技股份有限公司
IPC: G06F30/27 , G06N3/006 , G01R19/00 , G06F111/04
Abstract: 本发明公开了一种电解水制氢系统电磁暂态电压信号分解方法及系统，该方法通过电压传感器实时采集整流变压器一次侧的电压信号；使用变模态分解法对所得电压信号进行变模态分解；在变模态分解过程中，使用改进金豺优化算法优化变模态分解方法的模态数和惩罚因子，得到变模态分解法的最优模态数和最优惩罚因子，输出在最优模态数和最优惩罚因子条件下变模态分解所得模态分量；最后根据分解所得模态分量判断光伏发电系统是否发生能量跌落从而引起电磁暂态冲击。本发明使用改进金豺优化算法优化变模态分解方法，并对整流变压器一次侧的电压信号进行分析，可判断能量跌落引起的电磁暂态冲击。
-
公开(公告)号：CN117765413A
公开(公告)日：2024-03-26
申请号：CN202311513474.1
申请日：2023-11-14
Applicant: 国网吉林省电力有限公司电力科学研究院 , 南昌工程学院
IPC: G06V20/17 , G01R31/12 , G06V10/44 , G06V10/75 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种输电线路绝缘子的故障诊断方法及系统，方法包括：基于拍摄时间顺序分别对第一绝缘子图像和第二绝缘子图像进行排序，得到第一绝缘子图像序列和第二绝缘子图像序列，再获取第一绝缘子图像序列中各个第一绝缘子图像的特征数据，并将特征数据与预设的故障绝缘子样本数据库中的故障特征进行匹配，若至少一个第一绝缘子图像匹配不成功，则在第二绝缘子图像序列中查找与至少一个第一绝缘子图像相关联的至少一个第二绝缘子图像，并且仅保留至少一个第二绝缘子图像，得到更新后的第二绝缘子图像序列。这样能够实现对可能不存在故障的绝缘子进行多方位故障分析，有效地提高了故障分析准确度。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.023 seconds)
