公开(公告)号：CN118626850A

公开(公告)日：2024-09-10

申请号：CN202410748041.2

申请日：2024-06-11

申请人： 国网安徽省电力有限公司超高压分公司 ,  合肥工业大学

发明人： 郭振宇 ,  李奇越 ,  孙伟 ,  马欢 ,  李帷韬 ,  刘鑫

IPC分类号： G06F18/214 ,  G06N3/084 ,  G06F17/16 ,  G06N3/0455

摘要： 本发明公开了一种变压器数据与运行状态关联方法、系统及介质，方法包括：将变压器网络结构进行拓扑简化，获取变压器拓扑图，并将其转化为数据形式，获取各变压器的拓扑编码，并与时间序列信号组合，获取变压器数据集；并在变压器数据集中加入位置编码，获取变压器时间‑位置信号集，将其正则化后输入到转换模型中训练，获取输入信号数据集的映射矩阵，并通过得分函数计算在不同权重矩阵下相对应标签下的得分；根据得分结果，应用损失函数，获取损失修改权重矩阵参数；以标签得分最高为目标，根据损失修改权重矩阵参数通过后向传播方法来训练更新注意力机制层中权重矩阵，权重矩阵的最优参数，以预测变压器状态，本发明可以更精准检测变压器状态。

公开(公告)号：CN114694075B

公开(公告)日：2024-02-13

申请号：CN202210362415.8

申请日：2022-04-07

申请人： 合肥工业大学 ,  国网安徽省电力有限公司超高压分公司

发明人： 李帷韬 ,  杨盛世 ,  丁美双 ,  丁立健 ,  孙伟 ,  李奇越 ,  刘鑫 ,  王旗 ,  常文婧 ,  侯建平 ,  胡平路 ,  管树志 ,  张雪松

IPC分类号： G06V20/40 ,  G06V40/20 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于深度强化学习的危险行为识别方法，包括：1通过摄像头进行数据采集，得到危险行为视频并生成鱼竿数据集；2建立用于检测鱼竿的鱼竿检测器、用于鱼竿精准定位的鱼竿定位器、用于检测人体姿态的姿态检测器；3通过鱼竿数据集训练鱼竿检测器，并通过测试进行验证；4通过训练完成的鱼竿检测器进行鱼竿目标检测，得到定位数据集；5将定位数据集送入鱼竿定位器中进行训练，并通过测试进行验证；6将危险行为视频送入鱼竿检测和人体动作识别模型中，通过综合逻辑判断得到危险行为的动作。本发明能利用深度强化学习算法实现对高电压环境中危险行为者的动作识别，可以及时警告危险行为者的危险动作，保证该环境中的人员安全。

公开(公告)号：CN115577116A

公开(公告)日：2023-01-06

申请号：CN202211101285.9

申请日：2022-09-09

申请人： 国网安徽省电力有限公司超高压分公司 ,  国网安徽省电力有限公司 ,  国网智能电网研究院有限公司 ,  合肥工业大学 ,  中国电力科学研究院有限公司 ,  国网河南省电力公司电力科学研究院

发明人： 刘鑫 ,  常文婧 ,  甘津瑞 ,  常珂 ,  刘浩 ,  韩兆刚 ,  夏卫尚 ,  邱欣杰 ,  谢涛 ,  陈庆涛 ,  马欢 ,  黄海宏 ,  孙伟 ,  梁娟娟 ,  李坚林 ,  杜君莉 ,  尚守卫

IPC分类号： G06F16/36 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开一种融合多参量数据分析的时序图建模方法及装置，所述方法包括：获取换流变的多源信息，多源信息包括工况运行数据和多源传感数据；将多源信息经词向量模型转换得到对应的语义特征向量；将各语义特征向量以及各语义特征拼接得到的拼接特征向量分别进行线性变换，以将多源信息变换至公共特征空间；基于邻接矩阵权重随节点特征自适应变化的知识图谱技术，对各语义特征向量经线性变换后的特征值进行处理，得到不同时刻多源信息对应的知识图谱；基于时序图注意力神经网络，对不同时刻多源信息对应的知识图谱进行处理，分析多源信息的变化规律。

公开(公告)号：CN115392436A

公开(公告)日：2022-11-25

申请号：CN202211014277.0

申请日：2022-08-23

申请人： 合肥工业大学 ,  国网安徽省电力有限公司 ,  国网安徽省电力有限公司超高压分公司 ,  国网智能电网研究院有限公司

发明人： 刘鑫 ,  黄海宏 ,  常文婧

IPC分类号： G06N3/04 ,  G06N3/08 ,  H02J13/00

摘要： 本发明公开了基于集成深度生成模型的变电站设备故障诊断方法，所述方法包括：采集变电站设备运行数据，进行数据预处理，构建样本训练数据集和随机潜在数据集；构建基于双向长短期记忆网络和注意力机制的AMBI‑GAN集成深度生成模型；训练AMBI‑GAN集成深度生成模型；向训练好的模型输入测试数据，计算模型的总损失Ltest；通过1‑Ltest得到鉴别分数，鉴别分数超过预设值则判断异常；本发明的优点在于：充分利用少量的标注数据进一步提升故障诊断性能。

公开(公告)号：CN118709041A

公开(公告)日：2024-09-27

申请号：CN202410810857.3

申请日：2024-06-21

申请人： 国网安徽省电力有限公司超高压分公司 ,  合肥工业大学

发明人： 郭振宇 ,  李奇越 ,  孙伟 ,  马欢 ,  李帷韬 ,  刘鑫

IPC分类号： G06F18/241 ,  G06F18/214 ,  G06N3/092 ,  G06N3/09

摘要： 本发明公开了一种变压器状态故障类型预测方法、系统、介质及设备，方法包括：根据多台变压器的历史数据，获取多维数据集；应用人工神经网络提取多维数据集的多维数据特征，获取特征向量；将所述特征向量作为输入，利用随机配置网络进行分类，预测变压器故障类型；使用深度强化学习进行自我学习和迭代优化，学习到训练人工神经网络和随机配置网络最优的策略，提高预测变压器故障类型的准确性。本发明使用深度强化学习，让深度学习强大的特征提取和强化学习的交互学习能力相结合的优势，使激励模型在较弱的奖励反馈信号下学习更多的本质特征，有望具有更好的学习能力和鲁棒性。

公开(公告)号：CN114781458B

公开(公告)日：2024-02-20

申请号：CN202210481128.9

申请日：2022-05-05

申请人： 合肥工业大学 ,  国网安徽省电力有限公司超高压分公司

发明人： 李奇越 ,  罗欢 ,  樊智奇 ,  李帷韬 ,  孙伟 ,  刘鑫 ,  姜黄祺 ,  常文婧 ,  吴留兵 ,  李卫国 ,  王刘芳

IPC分类号： G06F18/2415 ,  G06F18/2131 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/047 ,  G06N3/084

摘要： 本发明公开了一种基于自适应小波和注意力机制的时频记忆神经网络的配电网初期故障识别方法，包括：1、对采集到的电流和电压数据进行预处理并划分数据集；2、设计基于自适应小波变换的时频记忆递归神经网络核心结构；3、构建基于自适应小波变换和Attention机制的时频记忆递归神经网络；4、基于自适应小波和Attention机制的时频记忆递归神经网络得到测试集样本的输出结果。本发明通过基于自适应小波变换和Attention机制的时频记忆递归神经网络来提供时间序列的细粒度分析，可以动态的捕获数据在时域和频域上的特征，以提高初期故障的识别精度，满足了准确化快速化的实际需求。

公开(公告)号：CN116955951A

公开(公告)日：2023-10-27

申请号：CN202310857743.X

申请日：2023-07-12

申请人： 合肥工业大学 ,  国网安徽省电力有限公司 ,  国网安徽省电力有限公司超高压分公司

发明人： 李奇越 ,  赵小平 ,  孙伟 ,  李帷韬 ,  葛健 ,  章海斌 ,  郭振宇 ,  刘鑫 ,  马欢 ,  陈龙

IPC分类号： G06F18/20 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/08 ,  G01R31/12

摘要： 本发明公开了基于自注意力的异构网络的变压器故障诊断方法及装置，所述方法包括：在变压器故障状态下，获取变压器的热红外图像进行预处理得到第一训练集T1；采集变压器的油中溶解气体含量进行预处理得到第二训练集T2；构建基于自注意力的异构融合网络模型，模型包括关注全局时标信息的自注意力LSTM网络、关注局部空间信息的自注意力残差网络、特征融合层以及Softmax分类器，第一训练集T1输入到自注意力残差网络中，第二训练集T2输入到自注意力LSTM网络中；训练基于自注意力的异构融合网络模型，利用训练好的模型进行故障诊断；本发明的优点在于：提取的特征完备，最终诊断结果较为准确。

公开(公告)号：CN118708900A

公开(公告)日：2024-09-27

申请号：CN202410748042.7

申请日：2024-06-11

申请人： 合肥工业大学 ,  国网安徽省电力有限公司超高压分公司

发明人： 李奇越 ,  郭振宇 ,  孙伟 ,  马欢 ,  李帷韬 ,  刘鑫

IPC分类号： G06F18/20 ,  G06F30/23 ,  G06N3/045 ,  G06F119/08

摘要： 本发明公开了一种基于数据与机理的变压器状态预测方法、系统及可读介质，方法包括：根据变压器实际几何参数，构建变压器三维模型；根据变压器三维模型，计算变压器损耗和变压器散热，根据所述损耗和散热进行多物理场耦合仿真，并结合变压器实际运行数据，获取变压器电磁‑热耦合机理模型；对变压器电磁‑热耦合机理模型进行有限元分析，获取变压器内部温度分布的仿真数据；应用长短记忆‑多层感知神经网络，并通过变压器内部温度分布的仿真数据和变压器实际运行数据进行训练，获取最佳长短记忆‑多层感知神经网络；应用最佳长短记忆‑多层感知神经网络对变压器状态进行预测。本发明提高了变压器模型输出的可解释性，使模型的输出更加安全。

公开(公告)号：CN114821368B

公开(公告)日：2024-03-01

申请号：CN202210482372.7

申请日：2022-05-05

申请人： 合肥工业大学 ,  国网安徽省电力有限公司超高压分公司

发明人： 李帷韬 ,  侯建平 ,  胡平路 ,  管树志 ,  杨盛世 ,  张雪松 ,  李奇越 ,  孙伟 ,  刘鑫 ,  常文婧 ,  李卫国 ,  王刘芳 ,  董翔宇 ,  黄杰

IPC分类号： G06V20/17 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764 ,  G06V10/774 ,  G06V20/40

摘要： 本发明公开了一种基于强化学习和Transformer的电力缺陷识别方法，其步骤包括：1无人机航拍采集原始数据集，并通过深度卷积生成对抗网络增广数据集合；2使用强化学习模块提取图像特征搜索出前景区域；3通过Transformer模块对背景区域特征向量压缩并进一步进行特征提取，并最终经过全连接层获得最终预测结果。本发明利用深度学习实现了对电力缺陷区域的检测，从而减少了人力成本，且不受天气、背景等外部因素的影响，并提高了检测效率和检测精度。

公开(公告)号：CN118643936A

公开(公告)日：2024-09-13

申请号：CN202410748044.6

申请日：2024-06-11

申请人： 国网安徽省电力有限公司超高压分公司 ,  合肥工业大学

发明人： 马欢 ,  李奇越 ,  孙伟 ,  郭振宇 ,  李帷韬 ,  刘鑫

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06F18/214 ,  G06F18/27 ,  G06N3/0455 ,  G06N3/084

摘要： 本发明公开了一种变压器状态预测方法、系统及计算机可读存储介质，方法包括：获取变压器运行状态样本；将变压器运行状态样本作为输入，构建基于极限学习机的稀疏自编码模型，消除稀疏自编码模型的隐层输出的随机性；构建基于稀疏自编码模型的模块化差分学习的变压器数据驱动模型，获取隐层抽象特征及对应的差分特征并重构变压器运行状态样本；根据重构的变压器运行状态样本，利用局部可解释性方法增加变压器数据驱动模型的可解释性，获取最优变压器可解释数据驱动模型；应用最优变压器数据驱动模型预测变压器状态，本发明能够提高电力系统的可靠性和安全性。