-
公开(公告)号：CN108564236A
公开(公告)日：2018-09-21
申请号：CN201710892657.7
申请日：2017-09-27
Applicant: 国网安徽省电力有限公司 , 安徽继远软件有限公司
Inventor： 叶远波 , 孙月琴 , 胡晓飞 , 陈实 , 黄太贵 , 赵晓春 , 戴长春 , 谢民 , 王同文 , 程晓平 , 王栋 , 王薇 , 王玉 , 吴保文 , 徐海青 , 郭德红 , 余丽 , 徐殿洋 , 汪春燕 , 夏丽丽 , 秦婷
Abstract: 本发明公开了一种基于大数据分布式计算的双重化保护设备风险辨识方法，包括：数据采集模块，用于采集双重化继电器保护装置的状态参数，并将所述状态信息发送至所述算法适配器。所述算法适配器，用于接收所述状态参数，在预先存储的算法模型单元中获取与所述状态参数相对应的算法模型，并将所述状态参数和所述算法模型发送到算法解析器；所述算法解析器，用于接收所述状态参数和所述算法模型，采用Hadoop中数据处理框架Map/Reduce，提供的分布式计算和批量数据处理进行快速迭代计算。所述异常告警推送单元，运用告警检测结果算法模型进行计算，对越限数值进行异常告警。
-
公开(公告)号：CN107918690A
公开(公告)日：2018-04-17
申请号：CN201710890375.3
申请日：2017-09-27
Applicant: 国网安徽省电力有限公司 , 安徽继远软件有限公司
Inventor： 叶远波 , 谢民 , 胡晓飞 , 陈实 , 黄太贵 , 赵晓春 , 戴长春 , 孙月琴 , 王同文 , 程晓平 , 王海港 , 王薇 , 王玉 , 吴保文 , 徐海青 , 郭德红 , 余丽 , 徐殿洋 , 秦婷 , 王文清 , 夏丽丽
CPC classification number: G06N3/084 , G06F17/5036 , G06F2217/36
Abstract: 本发明公开了一种基于BP神经网络算法的继电保护设备状态评估方法，包括：基于经典可靠性理论和历史维修数据进行状态评估模型的神经单元,基于大量的样本进行训练学习，通过BP算法形成状态评估模型算法；采用所述状态评估模型，对继电保护装置的设备运行环境等情况进行评价，获得对所述继电保护装置的评价结果；采用状态评估模型，对二次回路的运行环境等装置回路检查情况进行评价，获得对二次回路的评价结果；根据所述继电保护装置以及所述二次回路的评价结果获得检修范围。应用本发明提供的实施例，通过完善的继电保护装置及二次回路的评价与评估方法，结合继电保护设备的数据模型，对继电保护设备进行量化分析和监测预警。
-
公开(公告)号：CN105262212B
公开(公告)日：2017-09-26
申请号：CN201510631796.5
申请日：2015-09-29
Applicant: 国网安徽省电力公司 , 安徽继远软件有限公司
IPC: H02J13/00
CPC classification number: Y02E60/7861 , Y04S40/127
Abstract: 本发明涉及一种基于主备通道的继电保护设备数据采集方法，包括以下步骤：（1）主系统发送继电保护设备状态数据采集请求；（2）采用通道实时监控机制对通道进行实时监控，根据实时监控结果，采用主通道或备用通道对继电保护设备的状态数据进行实时采集；（3）采用数据检查与过滤机制对采集到的继电保护设备的状态数据进行检查和过滤；若采集到的状态数据的数量与质量达不到设定的标准，则在下一个采集时间窗口期进行二次采集。该方法能够保证继电保护设备在线采集的及时性、安全性、完整性及有效性。
-
公开(公告)号：CN105262212A
公开(公告)日：2016-01-20
申请号：CN201510631796.5
申请日：2015-09-29
Applicant: 国网安徽省电力公司 , 安徽继远软件有限公司
IPC: H02J13/00
CPC classification number: Y02E60/7861 , Y04S40/127
Abstract: 本发明涉及一种基于主备通道的继电保护设备数据采集方法，包括以下步骤：（1）主系统发送继电保护设备状态数据采集请求；（2）采用通道实时监控机制对通道进行实时监控，根据实时监控结果，采用主通道或备用通道对继电保护设备的状态数据进行实时采集；（3）采用数据检查与过滤机制对采集到的继电保护设备的状态数据进行检查和过滤；若采集到的状态数据的数量与质量达不到设定的标准，则在下一个采集时间窗口期进行二次采集。该方法能够保证继电保护设备在线采集的及时性、安全性、完整性及有效性。
-
公开(公告)号：CN113659539B
公开(公告)日：2024-04-26
申请号：CN202110700674.2
申请日：2021-06-23
Applicant: 国网安徽省电力有限公司 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本发明的一种基于5G技术的配网纵联差动保护实现方法，包括将自适应整定好的定值流转至配电自动化主站，由主站采用5G通信的方式下发至保护装置中，使得保护装置能够实时调整定值。本发明建立了基于5G技术的配网纵联差动保护实现机制，建立了广域范围内配网保护定值实时动态调整机制，弥补了三段式电流保护在遇到结构复杂且运行方式切换频繁的线路时，容易出现定值失配的缺点，使得配网保护对电网运行方式和结构有更强的适应性。
-
Patent Agency Ranking
公开(公告)号：CN114283062A
公开(公告)日：2022-04-05
申请号：CN202111581497.7
申请日：2021-12-22
Applicant: 国网安徽省电力有限公司 , 国网安徽省电力有限公司电力科学研究院
Abstract: 特高压换流站保护系统全景监控图像重建与传输方法，属于特高压换流站全景监控技术领域，解决目前特高压换流站保护系统全景监视图像存在的模糊不清、分辨率低，以及在网络发生故障时全景监控数据传输拥堵的问题；通过在深度多尺度残差网络模型中采用多尺度卷积块构建多种尺度提取图像的低阶和高阶特征，避免图像细节提取不完备现象，采用残差学习机制来保留低阶粗糙特征，促进特征的再利用，进而提高图像的重建能力；拓扑优化通过构建异构网络的拓扑结构，采用深度强化学习和蒙特卡罗树搜索相结合的框架，根据预先定义的拓扑规则依次构建网络；蒙特卡罗树的搜索结果加强了深度卷积神经网络的学习，以便在下一次迭代中获得更准确的预测。
-
公开(公告)号：CN114331838A
公开(公告)日：2022-04-12
申请号：CN202111583034.4
申请日：2021-12-22
Applicant: 国网安徽省电力有限公司 , 国网安徽省电力有限公司电力科学研究院 , 长园深瑞继保自动化有限公司
Abstract: 特高压换流站保护系统全景监视图像超分辨率重建方法，属于电力设备检测技术领域，解决目前全景监视图像存在的模糊不清、分辨率低，无法满足巡检人员全景监视的需求的问题；通过在深度多尺度残差网络模型中采用多尺度卷积块构建多种尺度提取图像的低阶和高阶特征，避免了图像细节提取不完备的现象，在网络模型中采用残差学习机制来保留低阶粗糙特征，降低训练难度，促进特征的再利用，进而提高图像的重建能力；重构后的图像具有更佳的结构相似性和峰值信噪比性能；先后采用标准数据集和特高压换流站全景监视图像数据集进行图像超分辨率重建和目标识别实验，实验结果表明本发明的方法重建的高分辨率图像可以满足巡检人员全景监视的需求。
-
公开(公告)号：CN113659540A
公开(公告)日：2021-11-16
申请号：CN202110700677.6
申请日：2021-06-23
Applicant: 国网安徽省电力有限公司 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本发明的一种考虑分布式电源的配电网整定计算方法及存储介质，基于配网自动化系统数据模型，包括考虑风电、光伏接入配电网时整定计算模型的变化，通过理论分析风电、光伏发电系统接入配电网时对原有保护配置及整定原则的影响，再利用故障电流序分量识别故障类型，找出系统等效阻抗的变化规律，建立分布式电源厂站级等值电源模型，确定适应分布式电源接入的保护整定原则。
-
公开(公告)号：CN113659540B
公开(公告)日：2023-09-08
申请号：CN202110700677.6
申请日：2021-06-23
Applicant: 国网安徽省电力有限公司 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本发明的一种考虑分布式电源的配电网整定计算方法及存储介质，基于配网自动化系统数据模型，包括考虑风电、光伏接入配电网时整定计算模型的变化，通过理论分析风电、光伏发电系统接入配电网时对原有保护配置及整定原则的影响，再利用故障电流序分量识别故障类型，找出系统等效阻抗的变化规律，建立分布式电源厂站级等值电源模型，确定适应分布式电源接入的保护整定原则。
-
公开(公告)号：CN114331837A
公开(公告)日：2022-04-12
申请号：CN202111582944.0
申请日：2021-12-22
Applicant: 国网安徽省电力有限公司 , 国网安徽省电力有限公司电力科学研究院
Abstract: 特高压换流站保护系统全景监控图像处理与存储方法，属于特高压换流站全景监控技术领域，以解决全景监视图像数据直接上传至云端，占用大量云端资源问题；通过在深度多尺度残差网络模型中采用多尺度卷积块构建多种尺度提取图像的低阶和高阶特征，避免图像细节提取不完备现象，采用残差学习机制来保留低阶粗糙特征，进而提高图像的重建能力；拓扑优化通过构建异构网络的拓扑结构，深度强化学习和蒙特卡罗树搜索相结合的框架，根据预先定义拓扑规则依次构建网络；蒙特卡罗树的搜索结果加强了深度卷积神经网络的学习，以便在下一次迭代中获得更准确的预测；将数据在边缘侧进行轻量化处理后再输到云端存储，节省了云端存储空间和传输带宽。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.054 seconds)
