GIS中特高频-光信号一致性测试设备、装置及方法

    公开(公告)号:CN110082658A

    公开(公告)日:2019-08-02

    申请号:CN201910465372.4

    申请日:2019-05-30

    Abstract: 本发明涉及一种GIS中特高频-光信号一致性测试设备、装置及方法,其中设备包括脉冲发生器、光源控制器、开关、试验腔体、特高频发射传感器、光源、特高频接收传感器、光电倍增管和示波器,开关的输入端分别连接脉冲发生器和光源控制器,输出端分别连接特高频发射传感器和光源,特高频接收传感器和光电倍增管均与示波器连接,特高频发射传感器和光源置于试验腔体内的一端,特高频接收传感器和光电倍增管置于试验腔体内的另一端,试验腔体内设有用于放置障碍物的容置槽,该容置槽位于光源和光电倍增管之间,并位于特高频发射传感器和特高频接收传感器之间。与现有技术相比,本发明可测试各类障碍物对放电所产生的光、特高频信号一致性的影响规律。

    基于果蝇算法优化的变压器状态参量数据预测方法及系统

    公开(公告)号:CN110045237A

    公开(公告)日:2019-07-23

    申请号:CN201910276198.9

    申请日:2019-04-08

    Abstract: 本发明公开了一种基于果蝇算法优化的变压器状态参量数据预测方法,其包括以下步骤:S100:获取一段时间内的变压器状态量数据,并将其转换为矩阵形式的变压器状态量矩阵,所述变压器状态量包括变压器状态参量的相关数据;S200:构建变压器状态参量数据预测模型,基于果蝇算法求得所述预测模型的超参数,基于所述变压器状态量矩阵对所述预测模型进行训练;S300:基于经步骤S200训练的变压器状态参量数据预测模型预测变压器状态参量数据。该方法能避免超参数选取陷入局部收敛,从而提升预测模型训练效率,保证较高的变压器状态参量数据预测准确率和可靠性。此外,本发明还公开了相应的基于果蝇算法优化的变压器状态参量数据预测系统。

    一种基于卷积神经网络的高压机柜开关自动识别方法

    公开(公告)号:CN108052946A

    公开(公告)日:2018-05-18

    申请号:CN201711308580.0

    申请日:2017-12-11

    Abstract: 本发明涉及一种基于卷积神经网络的高压机柜开关自动识别方法,包括以下步骤:1)读入待识别的开关柜图像,获取缩放后的输入图像;2)根据训练样本的真实框数据通过聚类获取多个先验框;3)构建卷积神经网络,并且根据先验框的数据对卷积神经网络进行训练;4)将缩放后的输入图像作为训练后的卷积神经网络的输入,获得开关目标识别的位置及所属类别信息;5)采用非极大值抑制方法对开关目标识别的位置及所属类别信息进行处理,得到最终的预测框;6)将预测框数据映射到待识别的开关柜图像中,在待识别的开关柜图像中画出预测框并且标出目标所属类别标签。与现有技术相比,本发明具有鲁棒性和泛化性强、收敛快、选择准确等优点。

Patent Agency Ranking