-
公开(公告)号：CN102289682A
公开(公告)日：2011-12-21
申请号：CN201110129133.5
申请日：2011-05-18
Applicant: 华北电力大学
IPC: G06K9/66
Abstract: 本发明公开了变压器故障诊断技术领域中的一种基于集成学习Bagging算法的变压器故障诊断方法。本发明选用球向量机作为Bagging算法的弱学习算法，并使用油中溶解气体分析技术作为数据采集方法，通过数据归一化、类别数值化等数据处理方法得到适用于球向量机的样本集；集成学习Bagging算法通过反复调用弱学习算法完成对样本集的训练得到强学习机H；利用强学习机H作为变压器故障诊断模型，以完成待诊断记录的故障判别。本发明在改善变压器故障诊断精度方面，有较好的适应性和较低的诊断误差。
-
公开(公告)号：CN111262878B
公开(公告)日：2021-06-01
申请号：CN202010088336.3
申请日：2020-02-12
Applicant: 华北电力大学
Abstract: 本发明提供了一种核电厂安全级数字化仪控系统脆弱性分析方法，利用攻击图理论实现对核电数字化仪控系统信息安全脆弱性的可视化路径分析。立足于系统设计人员的角度建立攻击图的分析方法，对于每一个潜在的攻击起始结点进行分析，分别得到对于整个系统所有攻击路径，并通过运算寻找对系统脆弱性贡献值较大的设备。确定的最佳攻击目标可作为数字化仪控系统安全防护的重点排查对象，从而为评估系统网络安全风险以及应对措施提供参考依据。
-
公开(公告)号：CN102832708B
公开(公告)日：2014-06-04
申请号：CN201210278196.1
申请日：2012-08-06
Applicant: 华北电力大学
IPC: H02J13/00
CPC classification number: Y02B90/2638 , Y04S40/124
Abstract: 本发明公开了智能变电站设计领域的一种基于多级综合服务器架构的智能变电站。其技术方案是，所述智能变电站包括过程层、间隔层和站控层；所述过程层包括非常规电流互感器ETA、非常规电压互感器ETV、交流电气量采集合并单元、一次设备智能终端、检修监控合并单元和过程层以太网；所述间隔层包括仲裁器、第一综合软智能设备服务器、第二综合软智能设备服务器和GPS卫星对时管理单元；所述站控层包括站级以太网、远动管理机、第一站级综合服务器、第二站级综合服务器、综合监测屏、浏览器、操作员工作站、工程师工作站和打印机。本发明克服了原有智能电子装置IED数量冗余和网络接口的局限性，提高了功能间的互操作性及协同能力。
-
公开(公告)号：CN111262878A
公开(公告)日：2020-06-09
申请号：CN202010088336.3
申请日：2020-02-12
Applicant: 华北电力大学
Abstract: 本发明提供了一种核电厂安全级数字化仪控系统脆弱性分析方法，利用攻击图理论实现对核电数字化仪控系统信息安全脆弱性的可视化路径分析。立足于系统设计人员的角度建立攻击图的分析方法，对于每一个潜在的攻击起始结点进行分析，分别得到对于整个系统所有攻击路径，并通过运算寻找对系统脆弱性贡献值较大的设备。确定的最佳攻击目标可作为数字化仪控系统安全防护的重点排查对象，从而为评估系统网络安全风险以及应对措施提供参考依据。
-
公开(公告)号：CN106325252A
公开(公告)日：2017-01-11
申请号：CN201610862853.5
申请日：2016-09-28
Applicant: 华北电力大学
IPC: G05B19/418
CPC classification number: Y02P90/02 , G05B19/41865
Abstract: 本发明公开了属于电力设备状态研究领域的一种多层大跨度面向大数据的电力设备状态监测与评估系统。该系统分为四层：采集汇聚层、站控层、省网层和总部层；所述采集汇聚层又分为汇聚子系统和采集子系统；所述站控层包括状态监测服务器、工作站、移动终端接入装置和移动终端；所述状态监测服务器存储网关传输的数据，并通过以太网与工作站和移动终端接入装置相连。本发明将先进的无线传感器网络技术与电力设备状态监测系统有机结合，从一次电力设备终端直到省网总部级的数据传输全数字化，信息一体化；引入基于大数据分析的云计算平台，多时空状态系统的风险评估等，为智能决策支持提供有力数据保障，从而完成设备资产的全寿命健康预测与周期管理。
-
Patent Agency Ranking
公开(公告)号：CN102832708A
公开(公告)日：2012-12-19
申请号：CN201210278196.1
申请日：2012-08-06
Applicant: 华北电力大学
IPC: H02J13/00
CPC classification number: Y02B90/2638 , Y04S40/124
Abstract: 本发明公开了智能变电站设计领域的一种基于多级综合服务器架构的智能变电站。其技术方案是，所述智能变电站包括过程层、间隔层和站控层；所述过程层包括非常规电流互感器ETA、非常规电压互感器ETV、交流电气量采集合并单元、一次设备智能终端、检修监控合并单元和过程层以太网；所述间隔层包括仲裁器、第一综合软智能设备服务器、第二综合软智能设备服务器和GPS卫星对时管理单元；所述站控层包括站级以太网、远动管理机、第一站级综合服务器、第二站级综合服务器、综合监测屏、浏览器、操作员工作站、工程师工作站和打印机。本发明克服了原有智能电子装置IED数量冗余和网络接口的局限性，提高了功能间的互操作性及协同能力。
-
公开(公告)号：CN107203874A
公开(公告)日：2017-09-26
申请号：CN201710379073.X
申请日：2017-05-25
Applicant: 华北电力大学
CPC classification number: G06Q20/065 , G06Q20/382 , G06Q30/0601 , G06Q50/06
Abstract: 本发明公开了属于能源互联网与信息安全技术领域的一种面向能源互联网中电力交易的区块链激励式节能方法。将用户的用电裕度作为交易对象，并根据用户最大的用电裕度比作为记账权的权益证明，用经济手段激励用户的用电行为向着有利于资源节约的方向发展。此外，区块链公开透明、不可篡改的特性也保障了系统的安全运行。
-
公开(公告)号：CN106506591A
公开(公告)日：2017-03-15
申请号：CN201610861134.1
申请日：2016-09-28
Applicant: 华北电力大学
CPC classification number: Y02B90/2653 , Y02B90/2661 , Y02E60/724 , Y04S10/18 , Y04S40/126 , Y04S40/127 , Y04S40/24 , H04L67/125 , H02J13/0013 , H02J13/0075
Abstract: 本发明公开了属于智能变电站技术领域的一种基于多层混合网络的智能变电站状态监测数据汇集系统。包括基于分布式ZigBee无线传感器网络的电力设备状态监测数据采集IED群组及其上位汇聚IED群组、部署状态监测服务器；该系统分为站控层和采集汇聚层；状态监测服务器部署于智能变电站的站控层；采集汇聚层包括汇聚和采集两个子系统；汇聚子系统的协调集中器再连接状态监测服务器，本发明明显改善现有变电站状态监测领域的依赖人工干预，管理分散，效率低下，数据集成融合困难，更大限度提高状态监测数据的一致性、有效性和完整性，更大跨度更宏观范畴的状态监测与评估系统的数据，进而为电力设备状态检修决策与安全风险评估提供前端支持。
-
公开(公告)号：CN102830755B
公开(公告)日：2014-08-06
申请号：CN201210284537.6
申请日：2012-08-06
Applicant: 华北电力大学
CPC classification number: Y02E60/723 , Y02E60/724 , Y02E60/7838 , Y04S10/16 , Y04S10/18 , Y04S40/124
Abstract: 本发明公开了智能变电站技术领域的一种用于智能变电站的综合软智能设备服务器。其技术特征是，所述服务器包括智能以太网控制器EOC、复杂可编程逻辑器件CPLD、FLASH暂存器、数字信号处理单元DSP、第一双口随机存储器RAM、第二双口随机存储器RAM、运行控制子系统和检修监测子系统；所述运行控制子系统包括第一以太网控制器和运行主控模块；所述检修监测子系统包括第二以太网控制器和生产主控模块。本发明融合了分布式与集中式的优点，显著降低了成本并减少了网络节点，简化了通信网络，提高了智能化系统的开放性、可靠性和经济性，并且无缝地实现了各个智能电子转置IED之间的互操作性。
-
公开(公告)号：CN116680645A
公开(公告)日：2023-09-01
申请号：CN202310725307.7
申请日：2023-06-19
Applicant: 华北电力大学
IPC: G06F18/2433 , G06F18/214 , G06N3/0464 , G06N3/096 , G06Q50/06 , G01M13/045
Abstract: 本发明公开了一种基于深度迁移学习的风机轴承端到端故障诊断方法，其特点是，包括风电机组轴承振动信号采集、改进CNN和残差块模型构建、模型预训练、通过迁移的方式微调深度学习模型的网络参数和基于深度迁移学习的风机轴承端到端故障诊断等步骤；与传统方法相比较，新方法在非平衡小样本场景下滚动轴承多状态分类中打破了传统机器学习依赖大量历史数据、冷启动和需要数据预处理的局限，大大降低了诊断成本和处理时间，显著提高了故障诊断精确度。其科学合理，适应性强，实用价值高，可为后续新建风电场运行维护、风机研发等相关人员提供参考。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
