-
公开(公告)号：CN116049098A
公开(公告)日：2023-05-02
申请号：CN202211460370.4
申请日：2022-11-17
Applicant: 国网电力科学研究院有限公司 , 国网北京市电力公司 , 国网湖南省电力有限公司 , 上海交通大学 , 中国电力科学研究院有限公司 , 国电南瑞南京控制系统有限公司 , 国家电网有限公司
Inventor： 苏标龙 , 时金媛 , 乔雪 , 张怡然 , 林涛 , 王志勇 , 唐海国 , 严英杰 , 及洪泉 , 何红太 , 卞新扬 , 陈国亮 , 安新成 , 陈益果 , 于海平 , 张可新 , 苏光 , 张蓓蓓 , 曹连连 , 孔令伟
IPC: G06F16/11 , G06F18/241 , G06Q50/06 , G06Q10/0637
Abstract: 本发明公开一种适用于配电网运行状态判断的运行数据特征分析方法，其包括：获取多个场景维度下的待分析数据并进行预处理；基于预处理后的数据进行特征值计算，得到各场景维度在不同时间断面的特征值数据；按照预设的特征维度对特征值数据进行分组，生成各时间断面下多个特征值数据切片，不同特征值数据切片根据数据之间的关联关系进行关联；将存在关联关系的特征值数据切片组合生成特征值数据切块；以不同时间断面下的特征值数据切块作为二维表的域，生成二维特征值快照表；基于二维特征值快照表进行运行数据特征分析。本发明可对杂乱且海量的数据进行有机地梳理，并规格化成特征快照，方便配电网及配电设备的运行异常分析。
-
公开(公告)号：CN114660397A
公开(公告)日：2022-06-24
申请号：CN202210091066.0
申请日：2022-01-26
IPC: G01R31/08
Abstract: 本发明公开了一种基于暂态波形的配电网故障识别方法，包括：利用波形采集装置采集电压波形；将电压波形通过设计的滤波器得到故障波形；将故障波形进行预处理，形成带标签数据集；将带标签数据集输入到K‑NN算法中将进行分类，随后利用调节函数对分类结果优化识别配电网故障；本方法基于波形的样本的分析，通过预处理、K‑NN算法和调节函数实现少量样本下对故障波形的准确识别，使得配电网故障可以及时修复。
-
公开(公告)号：CN117789766A
公开(公告)日：2024-03-29
申请号：CN202311804103.9
申请日：2023-12-26
Applicant: 国网浙江省电力有限公司绍兴供电公司 , 国网新源控股有限公司 , 上海交通大学 , 国家电网有限公司
Abstract: 本发明公开了一种水电机组放电和轴承故障风险声音的分类方法及系统，涉及水电设备风险识别技术领域。包括：构建待分类时频图数据集，并将待分类时频图数据集输入至训练好的分类模型中；分类模型利用VGG16、Inception10以及Resnet18神经网络分别提取待分类时频图数据集的音频特征，音频特征通过加权的特征融合得到融合后的音频特征，对融合后的音频特征采用逻辑回归分类器进行分类；将分类结果进行输出。本发明以模拟设备出现风险而产生的音频信号来尽可能地实时识别，混合内部或外界噪声的情况以构建训练数据集并对网络的特征提取进行融合以确保精准分析。
-
公开(公告)号：CN117609865A
公开(公告)日：2024-02-27
申请号：CN202311719281.1
申请日：2023-12-14
Applicant: 上海交通大学 , 国网新源控股有限公司 , 国网浙江省电力有限公司绍兴供电公司 , 国家电网有限公司
IPC: G06F18/241 , G06F18/10 , G06F18/214 , G06N3/006 , G06Q50/06
Abstract: 本发明公开了一种水电机组状态智能诊断方法和系统，应用于水力发电设备技术领域。本发明包括：采集水电机组振动信号，并对水电机组振动信号进行降噪处理、CEEMDAN分解、最大信息系数降维处理，计算各分解信号IMF的熵值；将各分解信号的计算熵值作为特征量，水电机组运行状态视为标签，构建诊断数据集；引入黄金正弦策略和双种群初始化机制对蜜獾算法进行改进，并结合HKELM算法建立弱分类器模型；基于Adaboost框架，以上述的弱分类器为基模型建立集成式水电机组状态智能诊断模型。本发明通过该方法巡检人员可以获得关于水电机组状态的实时技术参考，帮助巡检人员及时采取措施。
-
公开(公告)号：CN117541907A
公开(公告)日：2024-02-09
申请号：CN202311500692.1
申请日：2023-11-13
Applicant: 上海交通大学 , 国网新源控股有限公司 , 国网浙江省电力有限公司绍兴供电公司 , 国家电网有限公司
IPC: G06V10/82 , G06N3/0464 , G06V10/764 , G06V10/44 , G06V10/766 , G06V20/17 , G06N3/0442 , G06N3/08 , G06Q50/06 , G06Q10/20
Abstract: 本发明公开了一种调峰电源主设备图像建模方法、系统及存储介质，涉及电力设备监测技术领域。本发明包括以下步骤：采集待检测的图像；对图像中的目标进行标注，得到目标数据集；搭建YOLO V8的整体网络结构；利用目标数据集对YOLO V8的整体网络结构进行训练，得到目标检测模型。利用本发明的目标检测方法，调峰电源主设备巡检人员能够快速、准确地识别和定位关键设备，并及时发现潜在问题。相对于传统巡检方法，本发明不仅提高了调峰电源主设备巡检工作的效率，还保证了设备的安全性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN117522066A
公开(公告)日：2024-02-06
申请号：CN202311580471.X
申请日：2023-11-24
Applicant: 国网浙江省电力有限公司绍兴供电公司 , 国网新源控股有限公司 , 上海交通大学 , 国家电网有限公司
IPC: G06Q10/0631 , G06Q50/06 , G06F30/27 , G06N20/10 , G06F18/214 , G06F18/243 , G06N20/20 , G06N3/006 , G06F119/08 , G06F111/08
Abstract: 本发明公开了一种基于调峰电源设备组合预测的联合优化方法及系统，涉及水电机组状态监测技术领域。根据水电机组参数的不同特征，建立ARIMA模型、随机森林模型、LSTM神经网络模型进行参数预测和加权平均，得到预测参数；再将预测参数输入支持向量机SVM模型和XGBoost模型进行水电机组故障分类预警，采用加权证据理论方法将预警结果进行信息融合得到最终故障分类预警结果。通过多种模型的计算融合，克服了单一模型分类预警准确性不足，可靠性可信度低的问题，实现了准确可信的调峰电源设备尤其是水电机组设备的参数预测和状态预警，为电力设备安全稳定运行给予了有力支持。
-
公开(公告)号：CN110334865B
公开(公告)日：2023-04-18
申请号：CN201910602682.6
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC: G06Q10/04 , G06Q10/0635 , G06Q10/20 , G06Q50/06 , G06F18/243 , G06F18/2415 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法，其包括训练步骤和预测步骤，其中，训练步骤包括：(1)收集电力设备的案例PRPS图谱；(2)对收集的案例PRPS图谱数据进行预处理；(3)构建第一卷积神经网络模块，并对第一卷积神经网络模块进行训练，以使其输出为案例PRPS图谱数据对应的缺陷类型；(4)基于缺陷类型构建各个缺陷类型的数据集；(5)对应各个缺陷类型分别构建各自的故障二分类子模块，其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建；训练第二卷积神经网络，以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值，而输出电力设备是否发生故障的判断。
-
公开(公告)号：CN110334948B
公开(公告)日：2023-04-07
申请号：CN201910602681.1
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC: G06Q10/0635 , G06Q10/0639 , G06Q50/06 , G06F18/214 , G01R31/12
Abstract: 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
公开(公告)号：CN110334948A
公开(公告)日：2019-10-15
申请号：CN201910602681.1
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
公开(公告)号：CN110334865A
公开(公告)日：2019-10-15
申请号：CN201910602682.6
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法，其包括训练步骤和预测步骤，其中，训练步骤包括：(1)收集电力设备的案例PRPS图谱；(2)对收集的案例PRPS图谱数据进行预处理；(3)构建第一卷积神经网络模块，并对第一卷积神经网络模块进行训练，以使其输出为案例PRPS图谱数据对应的缺陷类型；(4)基于缺陷类型构建各个缺陷类型的数据集；(5)对应各个缺陷类型分别构建各自的故障二分类子模块，其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建；训练第二卷积神经网络，以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值，而输出电力设备是否发生故障的判断。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.059 seconds)
