-
公开(公告)号：CN119623141A
公开(公告)日：2025-03-14
申请号：CN202411437422.5
申请日：2024-10-15
Applicant: 中电普瑞电力工程有限公司 , 华北电力大学(保定) , 国网河南省电力公司直流中心 , 国家电网有限公司
IPC: G06F30/23 , G06F30/27 , G06F9/50 , G06N3/006 , G06N3/126 , G06N5/01 , G06F111/04 , G06F111/06 , G06F111/10 , G06F119/02 , G06F119/08 , G06F119/14
Abstract: 本发明涉及电气设备故障预测技术领域，并公开了一种换流阀薄弱环节求解方法、装置、存储介质及计算机设备，方法包括建立待判别换流阀的系统对应的子结构模型，并分别进行插值优化，得到多个降阶子结构模型；再将降阶子结构模型分配至多个处理器中并行处理，利用等几何分析法计算分析结果，并采用多目标进化算法对分析结果进行求解，利用帕累托转移策略对每一有限元模型的解进行优化迭代，得到最优参数集，根据待判别换流阀的运行数据构建非线性方程，利用最优参数集对非线性方程进行求解，识别换流阀的温度异常点以确定薄弱环节。上述方法提高了换流阀薄弱环节识别的速度和精度，精准定位温度异常区域，为维护人员提供了明确的故障诊断信息。
-
公开(公告)号：CN119622541A
公开(公告)日：2025-03-14
申请号：CN202411437427.8
申请日：2024-10-15
Applicant: 华北电力大学(保定) , 中电普瑞电力工程有限公司 , 国网河南省电力公司直流中心 , 国家电网有限公司
IPC: G06F18/2431 , G01R31/00 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0985 , G06F18/243 , G06N5/01 , G06N20/20
Abstract: 本发明涉及电气设备状态监测技术领域，并公开了一种换流阀多元监测平台数据处理方法及装置、介质、设备，方法包括首先获取全工况下换流阀多物理场的仿真数据样本，然后构建最小二乘生成对抗网络并进行训练，得到多物理场参数样本，将仿真数据样本与多物理场参数样本结合得到扩展数据样本，再利用预处理后的扩展数据样本对预设的评估模型进行训练和评估，生成目标评估模型，最终基于扩展数据样本和目标评估模型建立故障预测模型，利用故障预测模型对换流阀的多物理场数据进行处理，得到换流阀故障预测结果。上述方法有效提高了数据的多样性、模型的计算能力以及模型的预测精度，实现了对换流阀多物理场数据的高效处理及故障预测。
-
公开(公告)号：CN115982549A
公开(公告)日：2023-04-18
申请号：CN202211543356.0
申请日：2022-12-02
Applicant: 国网辽宁省电力有限公司阜新供电公司 , 华北电力大学(保定) , 国家电网有限公司
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/25
Abstract: 本发明公开了一种断路器运行状态诊断方法，通过在断路器上安装多个传感器，利用小波降噪理论与小波包分解算法提取振动传感器采样信号的特征，提取位移传感器采集的断路器行程‑时间特性信号的特征，结合故障特征库中储存的典型特征向量，确定监测的断路器属于各不同运行状态的隶属度。再通过引入各传感器的可信度作为权值，以此得到加权隶属度，最后得到决策结果即为断路器机械的当前运行状态。本发明实现了多个传感器采集信息的融合、并通过提取特征向量确定隶属度和加权隶属度的方法大大提高了断路器状态诊断的准确度，同时也提供了一种断路器运行状态诊断的通用方法。
-
公开(公告)号：CN115859053A
公开(公告)日：2023-03-28
申请号：CN202211542892.9
申请日：2022-12-02
Applicant: 国网辽宁省电力有限公司阜新供电公司 , 华北电力大学(保定) , 国家电网有限公司
IPC: G06F18/10 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种断路器故障诊断方法、系统及可读计算机存储介质，通过结合不同传感器获得的信息，能够更为准确地反映信号源的情况，能够有效解决单一信号不能充分区分断路器所处不同状态的问题，提高故障诊断的可靠性。通过对断路器声音、振动、电流信号求取功率谱，再经过稀疏自动编码网络的训练，可以提取出最能表征信号的特征值；通过融合神经网络对原始信号的特征向量进行融合，可以实现最优的特征融合，使得特征值更具有代表性，能够提高判断的准确性，增大断路器故障诊断容错率，并且能够满足现场对运行中的断路器故障诊断的精度和速度要求，快速准确识别。
-
公开(公告)号：CN111879397B
公开(公告)日：2022-05-13
申请号：CN202010900568.4
申请日：2020-09-01
Applicant: 国网河北省电力有限公司检修分公司 , 国家电网有限公司 , 华北电力大学(保定)
Abstract: 本发明涉及一种高压断路器储能机构故障诊断方法；首先对采集到的声信号采用形态学去除背景噪声，提出基于峭度和包络相似性的时标对位方法保证声振信号的同步性，然后对数据扩容后的声振信号利用皮尔逊相关系数构造二维图像特征矩阵，最后利用CNN对特征矩阵进行训练，采用局部均值归一化和核函数去相关性改进CNN模型结构，降低了储能过程数据变动较大对断路器储能机构诊断准确性的影响。本发明总体诊断准确率达到了98.1%，泛化性能好，与传统方法相比优势明显。
-
Patent Agency Ranking
公开(公告)号：CN111950526A
公开(公告)日：2020-11-17
申请号：CN202010900569.9
申请日：2020-09-01
Applicant: 国网河北省电力有限公司检修分公司 , 国家电网有限公司 , 华北电力大学(保定)
Abstract: 本发明涉及一种基于深度学习断路器储能机构故障诊断方法，首先，将加速传感器采集到的时域振动信号进行数据扩充，再将扩充后振动信号二次采样作为训练样本，采用改进后的卷积神经网络与长短时记忆网络并行结构，将卷积神经网络的第一层大卷积核和多层小卷积核，均进行批量归一化，以提高网络训练效率。本发明不需要人工提取特征，具有较好的分类性，为高压断路器弹簧操作机构故障诊断提供一种通用方法，对于利用振动信号识别电气设备故障具有较大参考价值和应用前景。
-
公开(公告)号：CN111879397A
公开(公告)日：2020-11-03
申请号：CN202010900568.4
申请日：2020-09-01
Applicant: 国网河北省电力有限公司检修分公司 , 国家电网有限公司 , 华北电力大学(保定)
Abstract: 本发明涉及一种高压断路器储能机构故障诊断方法；首先对采集到的声信号采用形态学去除背景噪声，提出基于峭度和包络相似性的时标对位方法保证声振信号的同步性，然后对数据扩容后的声振信号利用皮尔逊相关系数构造二维图像特征矩阵，最后利用CNN对特征矩阵进行训练，采用局部均值归一化和核函数去相关性改进CNN模型结构，降低了储能过程数据变动较大对断路器储能机构诊断准确性的影响。本发明总体诊断准确率达到了98.1%，泛化性能好，与传统方法相比优势明显。
-
公开(公告)号：CN119293620A
公开(公告)日：2025-01-10
申请号：CN202310834947.1
申请日：2023-07-10
Applicant: 华北电力大学(保定)
IPC: G06F18/2413 , G01H11/08 , G06F18/213 , G06F18/25
Abstract: 一种基于声振信号联合分析的断路器故障诊断的方法，通过振动和声音传感器，获取断路器在正常合闸、合闸拒动、基座松动和连杆脱落的情况下的振动信号和声音信号。分别对时域下的振动信号和声音信号进行CEEMDAN分解，进而利用各模态分量提取峰度和偏度作为特征值。然后，将声音和振动信号的特征值通过PSO‑KCCA算法进行融合。最后，将融合后的特征值作为KNN的输入，对断路器进行故障诊断。这是一种断路器故障诊断方法，对断路器声音信号通过fast‑kica进行盲源分离，分离出原始声音信号，去除周围噪声干扰，声音和振动信号经过CEEMDAN分解，提取前五个分量的峰度和偏度，然后再经过PSO‑KCCA算法进行融合，生成断路器声‑振融合特征，以此训练KNN分类器。通过PSO‑KCCA算法在高维空间以最相关方向融合声音和振动信号特征，并进行降维，从而得到最优的特征融合，使得特征值更具有代表性，能够提高判断的准确性，能够增大断路器故障诊断容错率，并且能够满足现场对运行中的断路器故障诊断的精度和速度要求，快速准确识别。
-
公开(公告)号：CN117216675A
公开(公告)日：2023-12-12
申请号：CN202210721579.5
申请日：2022-06-01
Applicant: 华北电力大学(保定)
IPC: G06F18/2413 , G06F18/25 , G06F18/22 , G06N3/0455 , G06N3/084
Abstract: 一种基于声振信号联合分析的断路器故障诊断的方法，通过振动和声音传感器，获取断路器在正常合闸、合闸拒动、基座松动和连杆脱落的情况下的振动信号和声音信号。分别对时域下的振动信号和声音信号进行CEEMD分解，进而利用各模态分量训练稀疏编码器，利用编码器部分的隐藏层数据作为特征值。然后，将声音和振动信号的特征值通过神经网络进行融合。最后，将融合后的特征值作为KNN的输入，对断路器进行故障诊断。这是一种断路器故障诊断方法，对声音和振动信号先分解再经过稀疏编码器提取最能表征各信号的特征值，最后再进行融合，经过CEEMD分解，能够分解出信号中的重要特征，然后再经过稀疏编码器的训练，提取出最能表征信号的特征值，通过神经网络将声音和振动信号特征值进行融合，以此训练KNN分类器，并将分类正确率反向传播，再训练神经网络，从而得到最优的特征融合，使得特征值更具有代表性，能够提高判断的准确性，能够增大断路器故障诊断容错率，并且能够满足现场对运行中的断路器故障诊断的精度和速度要求，快速准确识别。
-
公开(公告)号：CN113654750B
公开(公告)日：2022-05-03
申请号：CN202110931571.7
申请日：2021-08-13
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种断路器操动机构振动特征提取方法，包括以下步骤：A、采集断路器操动过程的振动信号；B、对振动信号进行分解得到不同频段的模态分量信号IMF，并求取各IMF的功率谱；C、计算故障敏感因子λk，利用故障敏感因子λk对模态分量进行筛选，得到有效模态分量；D、在极坐标下，根据极径尺度ω和极角尺度b，将极坐标以极点为中心、呈辐射状划分为若干等面积子区域；E、将笛卡尔坐标下功率谱波形的频率和幅值(x，y)经发散因子δ在极坐标(r，θ)中发散；F、以波形散布在子区域频数构建信息熵的概率函数，定义为极坐标下感知波形变异和功率主峰分布的谱形状熵特征。本发明能够改进现有技术的不足，提高了对断路器操动故障识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.088 seconds)
