一种局部放电脉冲电流的波形特征提取方法

    公开(公告)号:CN102854445B

    公开(公告)日:2014-11-19

    申请号:CN201210396459.9

    申请日:2012-10-18

    Abstract: 本发明涉及一种局部放电脉冲电流的波形特征提取方法,包含以下步骤:采集变压器局部放电信号数据;对该局放信号进行脉冲波形信号的自动提取;对所提取的单个放电脉冲波形的各个微观特征参数进行计算;对局放脉冲波形微观特征参数进行特征空间降维。本发明能有效的在连续采样波形信号中提取其微观特征;克服了目前数字式局放仪大多仅利用局放数据的宏观特征进行统计分析处理,不能完全充分利用获得的局放数据的不足;能够从采集数据中自适应的提取各种放电类型的单个放电脉冲波形,并通过改进的流形学习算法对波形微观特征进行有效降维,提取低维且有效的放电脉冲波形特征。

    一种局部放电脉冲电流的波形特征提取方法

    公开(公告)号:CN102854445A

    公开(公告)日:2013-01-02

    申请号:CN201210396459.9

    申请日:2012-10-18

    Abstract: 本发明涉及一种局部放电脉冲电流的波形特征提取方法,包含以下步骤:采集变压器局部放电信号数据;对该局放信号进行脉冲波形信号的自动提取;对所提取的单个放电脉冲波形的各个微观特征参数进行计算;对局放脉冲波形微观特征参数进行特征空间降维。本发明能有效的在连续采样波形信号中提取其微观特征;克服了目前数字式局放仪大多仅利用局放数据的宏观特征进行统计分析处理,不能完全充分利用获得的局放数据的不足;能够从采集数据中自适应的提取各种放电类型的单个放电脉冲波形,并通过改进的流形学习算法对波形微观特征进行有效降维,提取低维且有效的放电脉冲波形特征。

    基于极限学习机的电力变压器故障诊断方法

    公开(公告)号:CN102944769A

    公开(公告)日:2013-02-27

    申请号:CN201210396861.7

    申请日:2012-10-18

    Abstract: 本发明涉及一种基于极限学习机的电力变压器故障智能诊断方法,可应用于变压器监/检测装置或系统。在监/检测装置或系统所采集的数据基础上提取故障特征,并选取变压器状态样本进行变压器的极限学习机故障诊断模型学习。该方法包括以下步骤:划分变压器的运行状态;选取蕴含变压器运行状态的监/检测数据作为数据源;对变压器数据源进行特征提取,确定特征变量;确定变压器各种运行状态的极限学习机的目标向量表达方式;选取变压器在各种运行状态下的样本数据;确定训练样本数据和测试样本数据;确定变压器的极限学习机故障诊断模型的输入层、隐层、输出层节点数和激励函数;变压器的极限学习机故障诊断模型的学习和验证。

    一种用于电力巡检机器人的声学成像智能网关

    公开(公告)号:CN114325724A

    公开(公告)日:2022-04-12

    申请号:CN202210002382.6

    申请日:2022-01-04

    Abstract: 本发明公开了一种用于电力巡检机器人的声学成像智能网关,包括可相互通信的:存储器,所述存储器用于存储电力巡检机器人收集到的声学原始数据以及经处理后的数据;内存,所述内存用于暂存电力巡检机器人收集到的声学原始数据;DSP(数字信号处理),所述DSP用于对收集到的声学原始数据进行数据化处理;中央处理器,所述中央处理器是声学成像智能网关内部系统运行和控制的中心;通讯模块,所述通讯模块用于数据的接收和传输,实现与电力巡检机器人内部的机器人通讯模块以及机器人声学终端的信息交流。本发明通过特征值的形式传输数据,能够及时的判断是否存在异常情况,提高了传输的通信效率,并且确保了数据的完整性及安全性。

    一种电力变压器状态监测装置及方法

    公开(公告)号:CN113759197A

    公开(公告)日:2021-12-07

    申请号:CN202111055488.4

    申请日:2021-09-09

    Abstract: 本发明涉及一种电力变压器状态监测装置,用于对电力变压器进行状态监测,包括:影像摄录装置,用于获取电力变压器运行期间的振动影像;处理器,用于对振动影像进行处理和计算;面板,输入操作指令,以及显示运行状态信息。本发明还涉及一种使用上述装置的电力变压器状态监测方法,包含步骤:S1、振动影像获取:获取电力变压器振动影像;S2、振动影像预处理:对振动影像进行预处理,生成增强影像;S3、振动状态运算:对增强影像进行运算,生成振动状态数据和结果影像;S4、结果显示。本发明对电力变压器实现非接触地获取状态信息,无需停机、开箱或安装附加装置,采取稠密光流法计算振动状态,测量结果准确,具有较好的实用性和经济效益。

    基于极限学习机与负荷密度指标法的空间负荷预测方法

    公开(公告)号:CN111401638A

    公开(公告)日:2020-07-10

    申请号:CN202010187522.2

    申请日:2020-03-17

    Abstract: 本发明公开一种基于极限学习机与负荷密度指标法的空间负荷预测方法,包括:S1:将电力负荷根据用电类型进行分类并确定每类负荷的影响因素;S2:利用FCM聚类算法,将每类负荷再细分为几个小类并求出每一小类的聚类中心矩阵;对于给定的待预测地的特性指标,求出与小类聚类中心的欧式距离,取欧式距离最小的一小类样本作为训练样本;S3:建立基于粒子群优化的极限学习机算法的回归模型,将选好的训练样本带入模型,影响因素作为模型的输入,负荷密度作为模型的输出;S4:将求出的各类负荷密度乘以小区的面积可得每个小区的负荷值,结合每个小区的同时系数求出规划区的空间负荷预测。本发明提出的PSO-ELM算法具有较高精度,能满足实际工程的要求。

Patent Agency Ranking