-
公开(公告)号：CN106253292B
公开(公告)日：2018-12-25
申请号：CN201610754770.4
申请日：2016-08-29
Applicant: 上海交通大学 , 思源清能电气电子有限公司
Abstract: 本发明公开了一种基于含双向晶闸管的宽范围可控变压器的动态潮流控制装置，由可控变压器、功率单元、测量与控制模块、交叉相转换模块、滤波电容、输入输出电压互感器和输出电流互感器构成，动态潮流的控制方法是利用迅速导通、关断的电力电子开关，控制宽范围可控变压器输入侧(原边)分接头的导通与关断，在宽范围可控变压器每相分接头侧串入另外两相绕组，同时增加四个双向晶闸管改变交叉相绕组导通方向，从而最大范围改变可控变压器输出电压的相位、幅值，实现了有功功率和无功功率的调节，由于对宽范围可控变压器的分接头导通进行控制，从而实现对电力网的动态潮流进行调节控制，本发明具有成本低，动态潮流的控制可靠性高的特点。
-
公开(公告)号：CN106300370B
公开(公告)日：2018-12-07
申请号：CN201610751754.X
申请日：2016-08-29
Applicant: 上海交通大学 , 思源清能电气电子有限公司
Abstract: 本发明公开了一种基于含双向晶闸管的可控变压器风力发电并网无功补偿的控制方法，该控制器由可控变压器，电压、电流传感器和测量与控制模块构成。该无功补偿的控制方法是利用可控变压器可迅速导通、关断的电力电子开关，控制可控变压器输出侧(副边)的导通与关断，同时增加四组双向晶闸管改变交叉相绕组导通方向，从而最大范围改变可控变压器输出电压的相位、幅值，通过比例积分控制器跟随设定电压及有功功率，实现有功功率和无功功率的实时调节，对风电场进行无功补偿。当风电场风速发生较大变化引起无功不足时，该方法可以快速提高PCC并网点电压，提供无功补偿，并且具有成本低廉、可靠性高的特点。
-
公开(公告)号：CN106300370A
公开(公告)日：2017-01-04
申请号：CN201610751754.X
申请日：2016-08-29
Applicant: 上海交通大学 , 思源清能电气电子有限公司
Abstract: 本发明公开了一种基于含双向晶闸管的可控变压器风力发电并网无功补偿的控制方法，该控制器由可控变压器，电压、电流传感器和测量与控制模块构成。该无功补偿的控制方法是利用可控变压器可迅速导通、关断的电力电子开关，控制可控变压器输出侧(副边)的导通与关断，同时增加四组双向晶闸管改变交叉相绕组导通方向，从而最大范围改变可控变压器输出电压的相位、幅值，通过比例积分控制器跟随设定电压及有功功率，实现有功功率和无功功率的实时调节，对风电场进行无功补偿。当风电场风速发生较大变化引起无功不足时，该方法可以快速提高PCC并网点电压，提供无功补偿，并且具有成本低廉、可靠性高的特点。
-
公开(公告)号：CN106229985A
公开(公告)日：2016-12-14
申请号：CN201610754916.5
申请日：2016-08-29
Applicant: 上海交通大学 , 思源清能电气电子有限公司
CPC classification number: Y02E40/30 , H02J3/06 , H02J3/1878
Abstract: 本发明公开了一种基于含双向晶闸管的宽范围可控变压器的动态潮流控制装置，由可控变压器、功率单元、测量与控制模块、交叉相转换模块、滤波电容、输入输出电压互感器和输出电流互感器构成，动态潮流的控制方法是利用迅速导通、关断的电力电子开关，控制宽范围可控变压器输出侧(副边)分接头的导通与关断，在宽范围可控变压器每相分接头侧串入另外两相绕组，同时增加四个双向晶闸管改变交叉相绕组导通方向，从而最大范围改变可控变压器输出电压的相位、幅值，实现了有功功率和无功功率的调节，由于对宽范围可控变压器的分接头导通进行控制，从而实现对电力网的动态潮流进行调节控制，本发明具有成本低，动态潮流的控制可靠性高的特点。
-
公开(公告)号：CN106229985B
公开(公告)日：2019-03-08
申请号：CN201610754916.5
申请日：2016-08-29
Applicant: 上海交通大学 , 思源清能电气电子有限公司
Abstract: 本发明公开了一种基于含双向晶闸管的宽范围可控变压器的动态潮流控制装置，由可控变压器、功率单元、测量与控制模块、交叉相转换模块、滤波电容、输入输出电压互感器和输出电流互感器构成，动态潮流的控制方法是利用迅速导通、关断的电力电子开关，控制宽范围可控变压器输出侧(副边)分接头的导通与关断，在宽范围可控变压器每相分接头侧串入另外两相绕组，同时增加四个双向晶闸管改变交叉相绕组导通方向，从而最大范围改变可控变压器输出电压的相位、幅值，实现了有功功率和无功功率的调节，由于对宽范围可控变压器的分接头导通进行控制，从而实现对电力网的动态潮流进行调节控制，本发明具有成本低，动态潮流的控制可靠性高的特点。
-
Patent Agency Ranking
公开(公告)号：CN106253292A
公开(公告)日：2016-12-21
申请号：CN201610754770.4
申请日：2016-08-29
Applicant: 上海交通大学 , 思源清能电气电子有限公司
CPC classification number: Y02E40/18 , H02J3/06 , H02J3/1878
Abstract: 本发明公开了一种基于含双向晶闸管的宽范围可控变压器的动态潮流控制装置，由可控变压器、功率单元、测量与控制模块、交叉相转换模块、滤波电容、输入输出电压互感器和输出电流互感器构成，动态潮流的控制方法是利用迅速导通、关断的电力电子开关，控制宽范围可控变压器输入侧(原边)分接头的导通与关断，在宽范围可控变压器每相分接头侧串入另外两相绕组，同时增加四个双向晶闸管改变交叉相绕组导通方向，从而最大范围改变可控变压器输出电压的相位、幅值，实现了有功功率和无功功率的调节，由于对宽范围可控变压器的分接头导通进行控制，从而实现对电力网的动态潮流进行调节控制，本发明具有成本低，动态潮流的控制可靠性高的特点。
-
公开(公告)号：CN110309865A
公开(公告)日：2019-10-08
申请号：CN201910530052.2
申请日：2019-06-19
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明涉及一种无人机巡视输电线路销钉缺陷分级图像识别方法，包括：S0、利用巡视采集图像对区域推荐卷积神经网络和SVM分类器进行预训练；S1、巡视采集图像送入区域推荐卷积神经网络；S2、利用区域推荐卷积神经网络对销钉进行定位，输出销钉定位矩形框图像；S3、对销钉定位矩形框图像上采样并作灰度化处理；S4、提取步骤S3处理后图像的SIFT特征；S5、对图像SIFT特征采用K-means算法聚类并制作成词袋模型；S6、词袋模型送入SVM分类器判断销钉是否存在缺陷。有益效果是简化了输电线路巡检人员的工作量，提高了输电线路销钉缺陷的检出率。
-
公开(公告)号：CN110516551B
公开(公告)日：2023-04-07
申请号：CN201910686677.8
申请日：2019-07-29
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G06V20/17 , G06V10/25 , G06V10/774 , G05D1/12
Abstract: 本发明提供了一种基于视觉的巡线位置偏移识别系统，包括：特征提取网络、电力线识别模块、电力塔架及部件识别模块；各个部分相互配合，在无人机巡线时实时执行当前位置识别，并在无人机偏离巡线目标时发出信号。特征提取网络负责提取图像的各级特征，用于后续的识别工作。电力线识别模块在训练时仅需类别标签，大大降低了样本标注的工作量。电力塔架及部件识别模块基于目标检测算法，在电力线识别模块识别到电力线形状变化时开始识别此处的部件类型，根据识别框的大小及位置确定无人机当前位置是否偏移。同时提供了一种识别方法和无人机。本发明实现了对巡线无人机的位置识别，并在位置偏移时发出信号，可用于辅助操控或无人机自动巡线等工作。
-
公开(公告)号：CN110334612A
公开(公告)日：2019-10-15
申请号：CN201910529984.5
申请日：2019-06-19
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明涉及具有自学习能力的电力巡检图像目标检测方法，包括：将含有目标对象的图片样本、目标对象位置标注文件送入Context CNN，训练Context模型；基于Context模型对输入的背景图片、扩充的目标对象图片进行图像融合处理得到扩充的图片样本及目标对象位置标注文件；基于送入Faster R-CNN的图片样本、位置标注文件训练目标检测模型1、目标检测模型2；Faster R-CNN基于目标检测模型1、和/或目标检测模型2输出采集的图片样本中是、否含有目标对象的检测结果。有益效果是克服电力行业应用图像识别技术存在的训练数据集不足的情况，在使用过程中自动提升识别性能。
-
公开(公告)号：CN110503135A
公开(公告)日：2019-11-26
申请号：CN201910698625.2
申请日：2019-07-31
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G06K9/62
Abstract: 本发明提供了一种用于电力设备边缘侧识别的深度学习模型压缩方法，通过直接修改已训练完成的深度学习模型，实现相关识别模型的压缩和加速，包括：批量归一化层融合：将批量归一化层与其之前的卷积层进行融合；针对全连接层的奇异值分解：基于矩阵的奇异值分解算法，在全连接层之前加入中间层，对全连接层的参数进行压缩；模型权重的量化：采用权值共享方法，根据深度学习模型的冗余性，对参数进行量化转换。各步骤既可独立使用，也可相互配合工作。同时提供了一种压缩系统。本发明实现对已训练完成的深度学习模型的压缩和加速，在当前电力公司积极推进泛在电力物联网的环境下，有着广泛的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
610
records
(took 0.052 seconds)
