-
公开(公告)号：CN119247148A
公开(公告)日：2025-01-03
申请号：CN202411326604.5
申请日：2024-09-23
Applicant: 国网北京市电力公司 , 北京映翰通网络技术股份有限公司
IPC: G01R31/367 , G01R31/382 , G01R31/3842 , G01R31/392
Abstract: 本发明属于电池故障预测技术领域，涉及一种蓄电池健康状态评估方法、系统、设备及介质。该方法包括：获取蓄电池的关键运行参数；利用关键运行参数计算蓄电池健康状态评价指标参数；蓄电池健康状态评价指标参数包括蓄电池内阻、内阻变化率和蓄电池充电状态、蓄电池运行年限和蓄电池运行温度；对蓄电池健康状态评价指标参数进行预处理，得到预处理的健康状态评估数据；将预处理的健康状态评估数据输入至构建好的健康度评估模型中，得到代表蓄电池健康状态的蓄电池健康度；通过时间序列分析算法对蓄电池健康度进行趋势动态预测，得到趋势预测结果。解决了现有方法预测电池故障还不够精确的问题。
-
公开(公告)号：CN118688697A
公开(公告)日：2024-09-24
申请号：CN202310303096.8
申请日：2023-03-23
Applicant: 北京映翰通网络技术股份有限公司
Inventor： 戴义波
IPC: G01R35/00
Abstract: 本发明公开了一种中低压配电网智能终端的电流传感器工作状态监控方法，该方法包括：获取连续N天的一智能终端的遥测电流值数据，并截取每天同一时间段内的多组遥测电流值数据；确定电流中间值并与预设电流值I进行比较；确定每组遥测电流值中三相电流值与中间值之间差的绝对值中的最大值Max1；将电流中间值与预设系数值P相乘，确定其乘积与预设值电流值I之间的最大值Max2；若该组遥测电流值数据中的最大值Max1大于最大值Max2，则电流传感器异常次数计数器加1处理；若电流传感器异常次数计数器值大于预设次数阈值Q则判定该智能终端出现电流传感器故障。
-
公开(公告)号：CN111999591B
公开(公告)日：2023-07-21
申请号：CN201910447860.2
申请日：2019-05-27
Applicant: 北京映翰通网络技术股份有限公司
IPC: G01R31/08
Abstract: 本发明公开了一种配电网一次设备异常状态的识别方法，该识别方法包括：将配电网故障录波数据输入宏观分类器得到工况分类；将配电网故障录波数据输入微观分类器得到故障录波数据的模式标签；将所得到的工况分类和模式标签输入异常状态识别器，根据模式标签选择对应的异常状态识别子模型，根据工况分类、模式标签、线路运行信息及线路拓扑信息进行一次设备异常状态进行识别，得到一次设备异常状态的产生原因及位置。
-
公开(公告)号：CN110794254B
公开(公告)日：2022-04-15
申请号：CN201810865735.9
申请日：2018-08-01
Applicant: 北京映翰通网络技术股份有限公司
Abstract: 本发明公开了一种基于强化学习的配电网故障预测方法，所述方法包括：对所需预测的配电网区段内的故障录波数据提取距前时间、降采样波形和局部波形；将距前时间、降采样波形和局部波形输入故障预测模型获得预测结果，所述故障预测模型包括深度卷积神经网络及长短时期记忆网络单元。
-
公开(公告)号：CN108154223B
公开(公告)日：2022-04-15
申请号：CN201711404581.5
申请日：2017-12-22
Applicant: 北京映翰通网络技术股份有限公司
Abstract: 本发明公开了一种基网络拓扑及长时序信息的配电网工况分类方法，所述方法包括：根据广域对时技术对各配电网监测点的工况录波的采集时间点对齐并截取出波形的公共区段，然后按不同配电网监测点的网络拓扑关系按顺序拼接；构建包含卷积层区域和长短时期记忆网络单元的多数据块输入深度神经网络框架，利用工况录波分类数据集对多数据块输入深度神经网络训练以获得最优多数据块输入深度神经网络工况分类器模型；将所述多个有效波形区域输入最优多数据块输入深度神经网络工况分类器模型以获得该工况录波的工况类型。
-
Patent Agency Ranking
公开(公告)号：CN108154175B
公开(公告)日：2022-04-15
申请号：CN201711404560.3
申请日：2017-12-22
Applicant: 北京映翰通网络技术股份有限公司
IPC: G06V10/774 , G06V10/764
Abstract: 本发明公开了一种配电网录波多工况精确识别方法，该方法包括：将工况录波输入卷积层区域以获得特征序列；将特征序列输入区域提取网络获得工况区域；将特征序列与工况区域叠加从而获得根据工况区域截取的多个特征序列区域；将该多个特征序列区域输入多层分类器得到对应的每个特征序列区域所对应的工况类型。实现工况持续时间及工况类型的同步判定，且上述两方面结果通过统一模型输出，从而形成端对端流程，以提高识别判定的准确率。
-
公开(公告)号：CN113783179A
公开(公告)日：2021-12-10
申请号：CN202010519698.3
申请日：2020-06-09
Applicant: 北京映翰通网络技术股份有限公司
Abstract: 本发明公开了一种配电网负荷预测及优化方法，所述方法包括：首先在配电网中配置电流采集装置。需要获取配电网的拓扑结构并对配电网的运行数据进行采集，积累足够用于对负荷预测模型进行训练的配电网历史电流数据。构建配电网负荷预测模型，利用配电网历史电流数据、所在地节假日信息及所需要预测的时长对配电网负荷预测模型进行训练。构建配电网负荷优化模块，根据配电网负荷预测模型所预测的结果，通过配电网负荷优化模块对配电网线路及时作出优化调度。
-
公开(公告)号：CN108152676B
公开(公告)日：2020-02-11
申请号：CN201711403320.1
申请日：2017-12-22
Applicant: 北京映翰通网络技术股份有限公司
IPC: G01R31/08
Abstract: 本发明公开了一种基于智能体的配电网故障定位方法，该方法包括：当发生配电网故障时，首先初始化智能体在配电网中的起始位置；令智能体在配电网中移动，智能体每移动到一个新的位置时，获取该位置的特征向量；根据当前位置的特征向量和智能体内部存储的特征向量利用智能体内的决策表来决定智能体如何处理当前位置的特征向量和智能体内存储部的特征向量；使智能体遍历配电网内的每一个位置，当智能体遍历全部位置后，智能体内部存储的特征向量所对应的位置即为故障点位置。
-
公开(公告)号：CN108120900B
公开(公告)日：2020-02-11
申请号：CN201711403304.2
申请日：2017-12-22
Applicant: 北京映翰通网络技术股份有限公司
IPC: G01R31/08
Abstract: 本发明公开了一种配电网故障定位方法，该方法包括：对包含多层网络模块和双向长短时记忆网络模块的深度神经网络模型框架进行机器学习训练，从而得到最优深度神经网络模型；各监测终端对配电网进工况录波得到录波数据，并对录波数据进行截取获得故障波形区域；利用最优深度神经网络模型中的多层网络模块对故障波形区域进特征提取；各监测终端将特征数据上传至系统主站，并有系统主站进行特征数据归集，并根据配电网拓扑结构将位于同一传输线路上的监测终端的特征数据组合成特征数据序列；将特征数据序列输入双向长短时记忆网络模块从而获得各监测终端与故障点之间的相对位置。
-
公开(公告)号：CN112751567B
公开(公告)日：2023-07-25
申请号：CN201911052801.1
申请日：2019-10-31
Applicant: 北京映翰通网络技术股份有限公司
Abstract: 本发明公开了一种电力系统暂态录波交互数据的压缩方法，所述方法包括：对Comtrade标准文件中的配置文件进行扩展，以增加紧凑数据文件格式；从而使得Comtrade标准文件中的数据文件可以使用所述紧凑数据文件格式进行表示；所述紧凑数据文件格式包括数据头和数据体；所述文件体包括Comtrade标准文件所规定的多个通道的暂态录波数据，所述暂态录波数据是原始采样点录波数据经过二阶差分数据压缩处理后存储于数据体的。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.069 seconds)
