公开(公告)号：CN111929542B

公开(公告)日：2023-05-26

申请号：CN202010630763.X

申请日：2020-07-03

Applicant: 北京国网富达科技发展有限责任公司

Inventor： 张涛允 ,  熊鹏 ,  秦源汛 ,  张广东 ,  何红太 ,  张玉刚 ,  桂菲菲 ,  白文远 ,  王津 ,  薛玲 ,  张发刚 ,  刘康 ,  何卫锋

IPC: G01R31/12 ,  G01R31/08 ,  G01J5/00 ,  G06N3/0464

Abstract: 本发明公开了一种电力设备诊断方法及系统，通过将超声波频谱图片、可见光图像以及红外热成像输入到卷积神经网络生成电力设备的诊断信息；本发明基于多种不同类型的图像对设备故障进行定位，根据多种不同类型的图像，采用卷积神经网络生成电力设备的诊断信息，提高了故障定位的准确率，解决了现有超声波局部放电检测仪仅依靠超声波信号作为卷积神经网络的输入，导致在进行故障定位时准确率不高的问题。

公开(公告)号：CN111932493A

公开(公告)日：2020-11-13

申请号：CN202010596194.1

申请日：2020-06-28

Applicant: 北京国网富达科技发展有限责任公司

Inventor： 张涛允 ,  熊鹏 ,  秦源汛 ,  张广东 ,  何红太 ,  张玉刚 ,  桂菲菲 ,  白文远 ,  王津 ,  薛玲 ,  张发刚 ,  刘康 ,  何卫锋 ,  黄志勇

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的配电网局部放电超声波检测方法及系统，方法包括：训练神经网络模型；将待测配电网设备的局部放电缺陷的超声波信号转换成梅氏倒频谱数据；将梅氏倒频谱数据输入周期神经网络层进行学习得到第一特征；将待测配电网设备的局部放电缺陷的图像输入卷积神经网络层进行学习得到第二特征；将第一特征和第二特征进行线性拼接后得到第三特征；将第三特征输入多层全连接层，得到待测配电网设备的检测结果。本发明提出的检测方法及系统相对于现有的人工检测更高效、更准确。

公开(公告)号：CN111932493B

公开(公告)日：2024-06-07

申请号：CN202010596194.1

申请日：2020-06-28

Applicant: 北京国网富达科技发展有限责任公司

Inventor： 张涛允 ,  熊鹏 ,  秦源汛 ,  张广东 ,  何红太 ,  张玉刚 ,  桂菲菲 ,  白文远 ,  王津 ,  薛玲 ,  张发刚 ,  刘康 ,  何卫锋 ,  黄志勇

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的配电网局部放电超声波检测方法及系统，方法包括：训练神经网络模型；将待测配电网设备的局部放电缺陷的超声波信号转换成梅氏倒频谱数据；将梅氏倒频谱数据输入周期神经网络层进行学习得到第一特征；将待测配电网设备的局部放电缺陷的图像输入卷积神经网络层进行学习得到第二特征；将第一特征和第二特征进行线性拼接后得到第三特征；将第三特征输入多层全连接层，得到待测配电网设备的检测结果。本发明提出的检测方法及系统相对于现有的人工检测更高效、更准确。

公开(公告)号：CN111929542A

公开(公告)日：2020-11-13

申请号：CN202010630763.X

申请日：2020-07-03

Applicant: 北京国网富达科技发展有限责任公司

Inventor： 张涛允 ,  熊鹏 ,  秦源汛 ,  张广东 ,  何红太 ,  张玉刚 ,  桂菲菲 ,  白文远 ,  王津 ,  薛玲 ,  张发刚 ,  刘康 ,  何卫锋

IPC: G01R31/12 ,  G01R31/08 ,  G06N3/04 ,  G01J5/00

Abstract: 本发明公开了一种电力设备诊断方法及系统，通过将超声波频谱图片、可见光图像以及红外热成像输入到卷积神经网络生成电力设备的诊断信息；本发明基于多种不同类型的图像对设备故障进行定位，根据多种不同类型的图像，采用卷积神经网络生成电力设备的诊断信息，提高了故障定位的准确率，解决了现有超声波局部放电检测仪仅依靠超声波信号作为卷积神经网络的输入，导致在进行故障定位时准确率不高的问题。