-
公开(公告)号：CN107247215B
公开(公告)日：2019-08-06
申请号：CN201710575414.0
申请日：2017-07-14
Applicant: 国网上海市电力公司 , 上海交通大学 , 华东电力试验研究院有限公司
IPC: G01R31/08
Abstract: 本发明公开了一种基于多点同步测量数据的配网故障粒子群定位算法，针对于单相接地故障。先用两点同步采样数据对线路参数进行修正,再用相模变换解耦后的故障分量在时域上列写故障点微分方程并用粒子群算法求出最优解。与采用单端定位或者双端定位法相比，多点监测数据可以提供更丰富的故障信息，而且仅需故障发生之后1/4个周波的信息即可实现故障定位。在保证定位精度的同时，也提高了定位算法的效率。该方法适用于中性点直接接地配电网。
-
公开(公告)号：CN106932686B
公开(公告)日：2019-07-09
申请号：CN201710170232.5
申请日：2017-03-21
Applicant: 国网上海市电力公司 , 上海交通大学 , 华东电力试验研究院有限公司
IPC: G01R31/08
CPC classification number: Y02E60/728 , Y04S10/265
Abstract: 本发明涉及一种基于最大最小特征值法的电网异常快速检测方法，包含：S1、确定判决门限k，滑动间隔T，采样样本数Ns，同一时间点的采样数据个数ML，电网中PMU的个数M；S2、采用滑动窗口方式对采样数据构建ML×Ns维采样矩阵，以各滑动窗口为单位进行PMU数据的输入；S3、针对当前滑动窗口，计算PMU数据的样本协方差阵R(Ns)；S4、计算R(Ns)的最大特征值最小特征值及其比值S5、当λ＞k时，检测到电网异常信号，否则电网无异常；S6、移至下一个滑动窗口，重复执行S3～S5。本发明可在异常信号刚发生时检测，缩短检测时间，提高检测灵敏度，改善电能质量。
-
公开(公告)号：CN106992829A
公开(公告)日：2017-07-28
申请号：CN201710142012.1
申请日：2017-03-10
Applicant: 国网上海市电力公司 , 上海交通大学 , 华东电力试验研究院有限公司
CPC classification number: H04J3/0667 , H04J3/0682 , H04W56/001
Abstract: 本发明公开了一种基于SFD捕获机制的泛洪式时间同步方法，包含：采用CC2530节点的SFD捕获机制来获取协调器与各个终端节点发送和接收数据包的时标，且在预同步阶段中引入统计SFD延迟的参考节点，在同步阶段采用最小二乘法对各个终端节点所采集的时标数据进行线性拟合求取时标漂移和时标偏移，并调整本地时标，实现微秒级的同步精度。
-
公开(公告)号：CN106950446A
公开(公告)日：2017-07-14
申请号：CN201710174199.3
申请日：2017-03-22
Applicant: 国网上海市电力公司 , 上海交通大学 , 华东电力试验研究院有限公司
CPC classification number: G01R31/00 , G01R31/086
Abstract: 一种基于主成分分析法的电网异常快速检测与定位方法，对电网随机矩阵进行降维，提取主成分，根据主成分强弱进行电网异常判定，根据异常点的位置信息进行异常定位。本发明利用主成分分析法实现电网异常检测和异常定位，为后续处理和切除提供信息支持，在处理大规模数据时有明显的优势。
-
公开(公告)号：CN106291281A
公开(公告)日：2017-01-04
申请号：CN201610642472.6
申请日：2016-08-08
Applicant: 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海交通大学
Abstract: 本发明公开了一种变电站设备局部放电定位系统，其包含：特高频传感器，设置在被测区域中，采集被测区域中局部放电产生的特高频信号；数据分析与处理单元，其与所述的特高频传感器连接，根据特高频传感器采集到的特高频信号并结合相应位置坐标建立RSSI指纹图，运用BP神经网络算法进行布局放电定位。其优点是：基于RSSI指纹图谱技术，利用特高频信号作为特征量，结合神经网络算法和粒子群算法实现变电站设备局部放电定位，从而实现基于RSSI指纹图谱的局部放电定位，该系统对于硬件的要求较小，易于实现，并且具有较高的精确度，降低了变电站局部放电定位的难度，有效提高了检测效率。
-
Patent Agency Ranking
公开(公告)号：CN116882341B
公开(公告)日：2024-07-16
申请号：CN202310644717.9
申请日：2023-06-01
Applicant: 国网上海市电力公司
IPC: G06F30/367 , G06F30/23 , G06F30/25 , G06F30/28 , G16C10/00 , G06F113/08
Abstract: 本发明涉及一种沿面缺陷局部放电电磁信号的仿真方法及系统，其中方法包括以下步骤：构建沿面放电流体‑化学仿真模型；利用流体‑化学仿真模型对沿面缺陷局部放电微观过程进行仿真，得到沿面放电过程中的带电粒子运动情况，计算沿面放电电流值；基于有限积分法构建电磁信号仿真模型；将沿面放电电流值作为激励信号，利用电磁信号仿真模型，仿真沿面缺陷局部放电产生的电磁信号。与现有技术相比，本发明具有建立了宏观电磁信号与微观缺陷的联系、局部放电仿真信号更准确等优点。
-
公开(公告)号：CN114089123A
公开(公告)日：2022-02-25
申请号：CN202111480691.6
申请日：2021-12-06
Applicant: 国网上海市电力公司
IPC: G01R31/08
Abstract: 本发明涉及一种基于相电流时域特征的故障定位方法、系统及存储介质，所述方法包括S1：获取配电网中发生故障的故障相，并根据突变时刻确定故障时刻；S2：根据故障时刻获取检测时间区间，获取检测时间区间内的2N个故障相电流波形数据，并计算差动偏移度；S3：获取故障发生前后的电流差有效值，并计算区段电流突变率；S4：根据差动偏移度和区段电流突变率判断各区段是否为故障区段。与现有技术相比，本发明具有定位准确性高、灵敏性可靠性高等优点。
-
公开(公告)号：CN110133146A
公开(公告)日：2019-08-16
申请号：CN201910451726.X
申请日：2019-05-28
Abstract: 本发明公开了一种考虑不平衡数据样本的变压器故障诊断方法，包括步骤：100：采集变压器的油色谱样本数据，并对其进行预处理得到经过预处理的油色谱样本数据；200：构建并训练第一级分类器，其中采用经过预处理的油色谱样本数据对第一级分类器进行训练；基于第一级分类器输出的状态特征与油色谱样本数据得到特征融合向量；300：基于EasyEnsemble集成学习方法对第二级分类器进行训练，基于若干个第二级子分类器的输出合成第二级分类器；400：将需要诊断的变压器油色谱数据输入第一级分类器，则从第二级分类器的输出端输出该变压器油色谱数据表征的变压器状态。该变压器故障诊断方法相对于传统方法取得更准确且平衡的效果。
-
公开(公告)号：CN109242205A
公开(公告)日：2019-01-18
申请号：CN201811172085.6
申请日：2018-10-09
Applicant: 国网上海市电力公司
Abstract: 本发明公开了一种变压器状态预测方法，其包括步骤：(1)对长短期记忆神经网络和深度信念神经网络分别进行训练；(2)将待识别的变压器油色谱数据中的特征气体的当前浓度值输入经过训练的长短期记忆神经网络，以获得其输出的特征气体的未来浓度值；基于特征气体的未来浓度值获得选定气体未来浓度比值；将选定气体未来浓度比值输入经过训练的深度信念神经网络，以获得其输出的变压器状态预测结果。此外，本发明还公开了一种变压器状态预测系统，其包括：长短期记忆神经网络模块和深度信念神经网络模块。所述的变压器状态预测方法能够高效并且准确地预测变压器状态，对变压器的运行维护具有指导意义。
-
公开(公告)号：CN107478941A
公开(公告)日：2017-12-15
申请号：CN201710575439.0
申请日：2017-07-14
Applicant: 国网上海市电力公司 , 上海交通大学 , 华东电力试验研究院有限公司
CPC classification number: G01R31/025 , G06F17/11
Abstract: 本发明提出了一种基于多点同步测量数据的配电网故障模拟退火定位方法，根据对PMU装置的优化布点实现对整个配电网的监测，根据PMU装置采集到的故障波形数据判断故障发生时刻，并提取出故障发生前后几个周波的故障波形，通过故障发生前的波形数据对线路参数进行修正校验；对故障发生后的波形数据进行分析处理，结合线路参数通过故障分析法建立故障点与监测点的一系列电压电流方程，对此超定方程组利用模拟退火算法求出最优解，实现对故障点的精确定位。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.035 seconds)
