-
公开(公告)号：CN111366816A
公开(公告)日：2020-07-03
申请号：CN202010340519.X
申请日：2020-04-26
Applicant: 华北电力大学
IPC: G01R31/08
Abstract: 本发明提出一种基于机器学习的电网故障诊断方法，所述方法对告警信息文本预处理，将告警信息的设备与属性进行分词处理；构建基于随机森林的电网故障诊断模型，划分训练集与测试集，提取告警信息文本的时序特征，将样本数据填入所述模型；对训练集样本进行Bootstrap重抽样，生成k个训练子集并根据随机森林生成k棵决策树；将测试集样本输入所述故障诊断模型，并由此得到故障诊断结果。本发明无需对由于时间畸变导致的事件顺序错误进行校时处理，无需进行逻辑推理，也无需引入大量描述保护系统行为的知识，仅需针对告警信息提取模型对应的数字特征，建模和模型修改过程简单易操作，诊断准确率相对较高。
-
Patent Agency Ranking
公开(公告)号：CN114661905A
公开(公告)日：2022-06-24
申请号：CN202210248594.2
申请日：2022-03-14
Applicant: 华北电力大学
IPC: G06F16/35 , G06F40/295 , G06N3/04 , G06N3/08 , G01R31/08
Abstract: 本发明提供一种基于BERT(Bidirectional Encoder Representationsfrom Transformers)的电网故障诊断方法。所述方法将电网故障诊断转化为一个自然语言处理问题，其中包括：采集告警信息样本，对样本进行切词预处理；对告警信息文本嵌入语义特征、句特征以及位置特征，将三大特征相加构成模型输入向量；构建基于BERT的电网故障诊断模型，利用Transformer编码器中的注意力机制，自主学习告警信息文本中的故障特征，利用解码器输出故障诊断结果。此方法通过输入的告警信息文本直接输出有关故障特征的概要性描述文本，实现了端到端的电网故障诊断。
-
公开(公告)号：CN111366816B
公开(公告)日：2021-04-13
申请号：CN202010340519.X
申请日：2020-04-26
Applicant: 华北电力大学
IPC: G01R31/08
Abstract: 本发明提出一种基于机器学习的电网故障诊断方法，所述方法对告警信息文本预处理，将告警信息的设备与属性进行分词处理；构建基于随机森林的电网故障诊断模型，划分训练集与测试集，提取告警信息文本的时序特征，将样本数据填入所述模型；对训练集样本进行Bootstrap重抽样，生成k个训练子集并根据随机森林生成k棵决策树；将测试集样本输入所述故障诊断模型，并由此得到故障诊断结果。本发明无需对由于时间畸变导致的事件顺序错误进行校时处理，无需进行逻辑推理，也无需引入大量描述保护系统行为的知识，仅需针对告警信息提取模型对应的数字特征，建模和模型修改过程简单易操作，诊断准确率相对较高。
-
公开(公告)号：CN114661905B
公开(公告)日：2024-09-06
申请号：CN202210248594.2
申请日：2022-03-14
Applicant: 华北电力大学
IPC: G06F16/35 , G06F40/295 , G06N3/0455 , G06N3/088 , G01R31/08
Abstract: 本发明提供一种基于BERT(Bidirectional Encoder Representationsfrom Transformers)的电网故障诊断方法。所述方法将电网故障诊断转化为一个自然语言处理问题，其中包括：采集告警信息样本，对样本进行切词预处理；对告警信息文本嵌入语义特征、句特征以及位置特征，将三大特征相加构成模型输入向量；构建基于BERT的电网故障诊断模型，利用Transformer编码器中的注意力机制，自主学习告警信息文本中的故障特征，利用解码器输出故障诊断结果。此方法通过输入的告警信息文本直接输出有关故障特征的概要性描述文本，实现了端到端的电网故障诊断。
-
公开(公告)号：CN113740667B
公开(公告)日：2022-06-14
申请号：CN202111004270.6
申请日：2021-08-30
Applicant: 华北电力大学
IPC: G01R31/08
Abstract: 本发明提供一种基于PMU(Phasor Measurement Unit)的融合自编码器和卷积神经网络的电网故障诊断方法。所述方法包括：采集电气设备PMU数据，构建基于自编码器(AE)的可疑故障设备定位模型；建立基于卷积神经网络(CNN)的故障设备精准定位模型；绘制PMU数据的雷达图，构建基于CNN的故障类型判定模型；结合故障设备定位与故障类型判定结果实现电网故障的诊断。在PMU数据的基础上，引入人工智能算法来提升电网故障定位的效率与故障定性的准确性，实现端到端的自动化，大幅度节约了人力成本。
-
公开(公告)号：CN113740667A
公开(公告)日：2021-12-03
申请号：CN202111004270.6
申请日：2021-08-30
Applicant: 华北电力大学
IPC: G01R31/08
Abstract: 本发明提供一种基于PMU(Phasor Measurement Unit)的融合自编码器和卷积神经网络的电网故障诊断方法。所述方法包括：采集电气设备PMU数据，构建基于自编码器(AE)的可疑故障设备定位模型；建立基于卷积神经网络(CNN)的故障设备精准定位模型；绘制PMU数据的雷达图，构建基于CNN的故障类型判定模型；结合故障设备定位与故障类型判定结果实现电网故障的诊断。在PMU数据的基础上，引入人工智能算法来提升电网故障定位的效率与故障定性的准确性，实现端到端的自动化，大幅度节约了人力成本。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
