-
公开(公告)号：CN112016473B
公开(公告)日：2022-09-13
申请号：CN202010894524.5
申请日：2020-08-31
申请人： 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
摘要： 本发明公开了一种基于半监督学习和注意力机制的配电网高阻接地故障诊断方法，包括：1、将故障相电压时间序列数据集合分类成有标记样本集合和无标记样本集合；2、根据计算无标记样本和有标记样本集合的相似度更新两类样本集；3、利用有标记样本集合训练1NN分类器，并利用1NN分类器对无标记样本集合进行预测标注；4、构建基于注意力机制的LSTM‑CNN神经网络；5、利用注意力机制网络融合LSTM和CNN的特征向量；6、通过梯度下降反向传播算法更新LSTM‑CNN的神经网络参数。本发明使得故障检测模型具有时间、空间的特征表达能力，从而能提高配电网高阻接地的故障检测率。
-
公开(公告)号：CN111291691A
公开(公告)日：2020-06-16
申请号：CN202010096393.6
申请日：2020-02-17
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于深度学习的变电站二次设备仪表盘读数检测方法，包括：1、基于YOLOv3算法对仪表盘图像进行定位分类训练；2、利用训练好的YOLOv3模型，对所获取的实时图像进行仪表盘定位分类并进行裁剪保存；3、若分类结果为变压器温度表，使用hough变换获取温度表图像基准水平线和指针线，否则，使用OPENCV OCR和hough变换获取电流表和电压表图像类别标签、数字量程和指针线；4、计算仪表盘读数，并在边缘侧保存读数数据；5、巡检机器人完成一次周期巡检后，将所有仪表盘读数通过无线网络上传至云端服务器。本发明能提高变电站无人抄表的数据检测率，从而满足变电站设备故障诊断的实际需求。
-
公开(公告)号：CN112016473A
公开(公告)日：2020-12-01
申请号：CN202010894524.5
申请日：2020-08-31
申请人： 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
摘要： 本发明公开了一种基于半监督学习和注意力机制的配电网高阻接地故障诊断方法，包括：1、将故障相电压时间序列数据集合分类成有标记样本集合和无标记样本集合；2、根据计算无标记样本和有标记样本集合的相似度更新两类样本集；3、利用有标记样本集合训练1NN分类器，并利用1NN分类器对无标记样本集合进行预测标注；4、构建基于注意力机制的LSTM-CNN神经网络；5、利用注意力机制网络融合LSTM和CNN的特征向量；6、通过梯度下降反向传播算法更新LSTM-CNN的神经网络参数。本发明使得故障检测模型具有时间、空间的特征表达能力，从而能提高配电网高阻接地的故障检测率。
-
公开(公告)号：CN111142049A
公开(公告)日：2020-05-12
申请号：CN202010049713.2
申请日：2020-01-16
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于边云协同机制的变压器智能故障诊断方法，包括：1云端预训练ResNet-18网络、ResNet-50-1,2和LSTM网络模型；2由边缘端采集并预处理变压器故障特征变量数据，并上传数据至云端；3利用边缘端ResNet-18网络和云端ResNet-50-1网络对变压器故障类型进行协同判别；4若出现新故障类型，云端重新构建训练ResNet-18网络和ResNet-50-2网络；5云端定时重新训练ResNet-18网络，利用边云协同机制更新边缘端网络参数；6若边缘端向云端传输的过程中产生数据丢包，基于LSTM网络预测丢失的数据。本发明能提高变压器故障的状态检测率。
-
公开(公告)号：CN111142049B
公开(公告)日：2020-12-29
申请号：CN202010049713.2
申请日：2020-01-16
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于边云协同机制的变压器智能故障诊断方法，包括：1云端预训练ResNet‑18网络、ResNet‑50‑1,2和LSTM网络模型；2由边缘端采集并预处理变压器故障特征变量数据，并上传数据至云端；3利用边缘端ResNet‑18网络和云端ResNet‑50‑1网络对变压器故障类型进行协同判别；4若出现新故障类型，云端重新构建训练ResNet‑18网络和ResNet‑50‑2网络；5云端定时重新训练ResNet‑18网络，利用边云协同机制更新边缘端网络参数；6若边缘端向云端传输的过程中产生数据丢包，基于LSTM网络预测丢失的数据。本发明能提高变压器故障的状态检测率。
-
公开(公告)号：CN111182564B
公开(公告)日：2022-04-08
申请号：CN201911373199.1
申请日：2019-12-26
申请人： 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
摘要： 本发明公开了一种基于LSTM神经网络的无线链路质量预测方法，所述预测方法的步骤包括：无线通信设备采集并保存无线链路质量信噪比信号序列作为通信链路质量原始信号序列，采用均值滤波的方法将通信链路质量原始信号序列分解为平稳序列和噪声序列，噪声序列计算噪声标准差，并分别对两部分设计LSTM神经网络模型进行训练和预测应用，最终计算出所需通信链路的置信区间。通过将预测的下界与智能电网通信可靠性最低要求作对比，判断是否满足通信可靠性最低标准。本发明可以广泛应用于无线传感器网络领域，有效地预测链路质量，提高了链路传输的稳定性和可靠性。
-
公开(公告)号：CN111182564A
公开(公告)日：2020-05-19
申请号：CN201911373199.1
申请日：2019-12-26
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于LSTM神经网络的无线链路质量预测方法，所述预测方法的步骤包括：无线通信设备采集并保存无线链路质量信噪比信号序列作为通信链路质量原始信号序列，采用均值滤波的方法将通信链路质量原始信号序列分解为平稳序列和噪声序列，噪声序列计算噪声标准差，并分别对两部分设计LSTM神经网络模型进行训练和预测应用，最终计算出所需通信链路的置信区间。通过将预测的下界与智能电网通信可靠性最低要求作对比，判断是否满足通信可靠性最低标准。本发明可以广泛应用于无线传感器网络领域，有效地预测链路质量，提高了链路传输的稳定性和可靠性。
-
公开(公告)号：CN111291691B
公开(公告)日：2022-03-15
申请号：CN202010096393.6
申请日：2020-02-17
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
IPC分类号： G06V20/10 , G06V10/26 , G06V30/148 , G06V10/44 , G06V10/774 , G06V10/764 , G06V30/19 , G06K9/62
摘要： 本发明公开了一种基于深度学习的变电站二次设备仪表盘读数检测方法，包括：1、基于YOLOv3算法对仪表盘图像进行定位分类训练；2、利用训练好的YOLOv3模型，对所获取的实时图像进行仪表盘定位分类并进行裁剪保存；3、若分类结果为变压器温度表，使用hough变换获取温度表图像基准水平线和指针线，否则，使用OPENCV OCR和hough变换获取电流表和电压表图像类别标签、数字量程和指针线；4、计算仪表盘读数，并在边缘侧保存读数数据；5、巡检机器人完成一次周期巡检后，将所有仪表盘读数通过无线网络上传至云端服务器。本发明能提高变电站无人抄表的数据检测率，从而满足变电站设备故障诊断的实际需求。
-
公开(公告)号：CN110708752A
公开(公告)日：2020-01-17
申请号：CN201910969574.2
申请日：2019-10-12
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于电力LTE无线专网的变电站上行链路传输方法，使传输过程达到最大化的能量效率和合理的资源分配，其步骤包括：1、变电站设备中的传感器采样出所需监控的数据；2、将采样的数据按变电站设备、传感器种类和采样次数进行编码；3、根据无线系统的总资源数量为采样的数据分配最优的调制编码方式和资源块，从而更有效地将采样的数据传输给电力专用网络。本发明能很好地提高上行传输过程的能量效率、资源利用率，在采样的数据量过多的情况下降低丢包率。
-
公开(公告)号：CN114336439B
公开(公告)日：2023-10-13
申请号：CN202111491793.8
申请日：2021-12-08
申请人： 国网安徽省电力有限公司电力科学研究院
摘要： 本发明公开了新能源技术领域的一种新能源功率预测装置，包括，安装箱；承载组件，所述预测设备顶面对称设有连接板，所述连接板端部固定连接承载板，所述承载板上呈线性均匀排列有连接结构；随动保护组件，所述随动保护组件设于承载板一侧；本发明在预测设备拉出时，带动双齿条结构于导向轨上移动，拉动上连杆向上摆动，带动托线线同步向上摆，将动弧板推送转动脱离定弧板，解除对数据线的卡位，托线板向上转动将数据线向上拉动，抵消数据线移动时对连接端产生的拉扯力，避免造成预测设备连接口出现损坏的问题，且降低了预测设备拉出时数据线受到的拉扯力，避免了数据线脱落的问题，提高了预测设备连接端的稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
45 条记录 (耗时 0.059 秒)
