-
公开(公告)号：CN119167992B
公开(公告)日：2025-02-28
申请号：CN202411648757.1
申请日：2024-11-19
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学
IPC: G06N3/0455 , G06N3/0442 , G06N3/096 , G06F18/25
Abstract: 本发明提供一种Transformer模型演化方法及系统，方法包括：采集变压器运行数据，并选定训练样本，划分得到历史数据集X0和待更新数据集X1；构建时序特征融合模块，将样本数据集X0和待更新数据集X1进行数据特征提取与融合得到高级融合特征Y1；构建数据特征处理模块，利用时序数据差分方法处理得到新特征融合结果Z；构建Transformer时序预测模型，对相似特征数据集Yin进行时序预测得到预测结果Zout，通过增量学习更新Transformer时序预测模型的权重参数。本发明解决了模型稳定性及灵活性较差、预测精度随时间降低以及特征信息丢失的技术问题。
-
公开(公告)号：CN119167992A
公开(公告)日：2024-12-20
申请号：CN202411648757.1
申请日：2024-11-19
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学
IPC: G06N3/0455 , G06N3/0442 , G06N3/096 , G06F18/25
Abstract: 本发明提供一种Transformer模型演化方法及系统，方法包括：采集变压器运行数据，并选定训练样本，划分得到历史数据集X0和待更新数据集X1；构建时序特征融合模块，将样本数据集X0和待更新数据集X1进行数据特征提取与融合得到高级融合特征Y1；构建数据特征处理模块，利用时序数据差分方法处理得到新特征融合结果Z；构建Transformer时序预测模型，对相似特征数据集Yin进行时序预测得到预测结果Zout，通过增量学习更新Transformer时序预测模型的权重参数。本发明解决了模型稳定性及灵活性较差、预测精度随时间降低以及特征信息丢失的技术问题。
-
公开(公告)号：CN118378553B
公开(公告)日：2024-08-27
申请号：CN202410828402.4
申请日：2024-06-25
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学
Abstract: 本发明提供一种数字孪生模型构建方法及系统，方法包括：采集待建模设备的历史工况数据；从历史工况数据中获取并根据随机样本，基于随机配置网络SCN，对数字孪生模型进行初始建模，其中，根据历史工况数据设置训练集，利用训练集训练随机配置网络SCN，以得到初始模型M；通过主动学习操作，利用初始模型M，在未参与建模样本中进行价值筛选，选取并处理适用价值样本，处理得到有价值数据#imgabs0#，基于有价值数据#imgabs1#更新初始模型M，得到适用孪生模型#imgabs2#；基于适用孪生模型#imgabs3#，筛选并保存实时数据流中的实时有价值数据。本发明解决了模型构建、训练、更新过程中所用数据量过大，以及数字孪生模型的数据处理成本、数据保存成本、模型更新成本较高的技术问题。
-
公开(公告)号：CN118393402A
公开(公告)日：2024-07-26
申请号：CN202410855003.7
申请日：2024-06-28
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学
IPC: G01R31/62
Abstract: 本发明提供特高压直流换流变压器隐性故障诊断方法及系统，包括：采集换流变压器的电气量数据；对电气量数据进行变换处理，得到电压电流椭圆方程、椭圆倾角、长半轴、短半轴以及离心率；根据电压电流椭圆方程、椭圆倾角、长半轴、短半轴以及离心率，建立隐性故障与电气量特征之间映射关系；基于集成随机配置网络SCN，根据隐性故障与电气量特征之间映射关系，构建SCN分类网络模型，据以进行模型训练，得到适用SCN分类网络模型，以进行特高压直流换流变压器隐性故障诊断，获取变压器故障类型、故障程度，集成随机配置网络SCN包括：不少于2个单SCN网络。解决了隐性故障难以发现、网络冗余较大以及分类结果准确性较低的问题。
-
公开(公告)号：CN115764820A
公开(公告)日：2023-03-07
申请号：CN202211528287.6
申请日：2022-11-30
Applicant: 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 , 合肥工业大学 , 安徽明生恒卓科技有限公司
Inventor： 张学友 , 葛健 , 李冀 , 杜鹏 , 郭振宇 , 柯艳国 , 罗沙 , 谢佳 , 郭龙刚 , 樊培培 , 朱涛 , 阮巍 , 马欢 , 邵华 , 张俊杰 , 魏南 , 廖军 , 吴翔 , 汪运 , 蒋欣峰 , 马凯 , 黄海宏 , 韩平平 , 陈宇翔 , 张静鑫 , 崔北为
Abstract: 本发明实施例提供一种四断口断路器双合闸电阻投入与退出控制方法及系统，属于特高压断路器合闸涌流抑制技术领域。所述控制方法包括：根据断路器应用的特高压直流系统的交流侧电压等级及断路器开断交流滤波器组类型，确定四断口断路器两个合闸电阻的阻值，其中，两个合闸电阻为第一合闸电阻和第二合闸电阻，且所述第一合闸电阻的阻值大于所述第二合闸电阻的阻值；确定所述两个合闸电阻的投入分散性时间；实时采集所述特高压直流系统的受端交流侧母线的电压与电流；控制断路器执行合闸操作，经过两个所述投入分散性时间后，将两个合闸电阻一次投入运行。该控制方法及系统能够延长断路器的使用寿命。
-
Patent Agency Ranking
公开(公告)号：CN119149920B
公开(公告)日：2025-02-11
申请号：CN202411639383.7
申请日：2024-11-18
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学
IPC: G06F18/10 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F17/16 , G06F18/213 , G06F18/214
Abstract: 本发明提供一种时序数据补全方法及系统，方法包括：对直流换流变压器采集时序相关度运行数据，构建原始时序缺损数据集X0；对原始时序缺损数据集X0进行时间相关度的预处理得到时间相关预处理矩阵X1；将时间相关预处理矩阵X1输入CNN网络中进行数据序列整合得到整合矩阵X2；将整合矩阵X2送入双向长短时记忆神经网络Bi‑LSTM进行时间相关性预测学习得到时间相关性预测结果X3；将时间相关性预测结果X3送入反注意力层anti‑attention对预填数据降低注意力得到重构注意力矩阵X4；将重构注意力矩阵X4放入全连接输出层得到数据预测补全结果#imgabs0#。本发明解决了梯度消失、过度拟合以及补全数据的准确性低的技术问题。
-
公开(公告)号：CN118982726A
公开(公告)日：2024-11-19
申请号：CN202411414081.X
申请日：2024-10-11
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学
Inventor： 章海斌 , 石永建 , 焦震 , 李帷韬 , 张晨晨 , 赵小平 , 廖军 , 孙伟 , 吴胜 , 李奇越 , 刘之奎 , 张倩 , 黄石磊 , 张志强 , 李萌萌 , 张巧 , 朱雨晨
IPC: G06V10/77 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 一种特高压换流变压器故障诊断方法、装置及存储介质，属于变压器故障诊断技术领域，解决如何提高换流变压器的故障诊断准确率术问题本发明通过采集换流变压器监测时序数据并分段；采用图像编码将经处理后的数据转化为图像数据；选择网络层数并训练深度残差网络；构建适用于针对换流变压器时序数据的故障诊断模型；本发明的方法基于多尺度和残差学习，采用图像编码技术直接从图像数据中提取有效的故障特征，并且利用深度残差网络有效解决深层卷积神经网络梯度以及网络退化问题，大大的减少了模型训练时间，并提高了换流变压器的故障诊断准确率。
-
公开(公告)号：CN117333791A
公开(公告)日：2024-01-02
申请号：CN202311093307.6
申请日：2023-08-25
Applicant: 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 , 合肥工业大学 , 安徽明生恒卓科技有限公司
Inventor： 张学友 , 董翔宇 , 张放 , 阮巍 , 李奇 , 马欢 , 邵华 , 李永熙 , 魏南 , 谢佳 , 殷振 , 樊培培 , 刘之奎 , 朱涛 , 廖军 , 张军 , 蒋欣峰 , 李腾 , 张俊杰 , 田杰 , 黄刚 , 贺成成 , 郑海鑫 , 周雨西 , 李奇越 , 黄海宏 , 刘冬梅 , 韩平平 , 孙伟 , 李帷韬 , 崔北为 , 龙铭
Abstract: 本发明实施例提供一种多断口断路器储能弹簧位移的检测方法及同步性检验方法，属于断路器储能弹簧位移检测技术领域。所述检测方法包括获取断路器的储能弹簧在振动时的视频信息；对所述视频信息进行预处理，以获取所述储能弹簧的运动信息序列；本发明通过获取储能弹簧振动时的视频信息，并对该视频信息进行预处理，以获取储能弹簧的运动信息序列，依次经过低频小波时频记忆递归层和高频小波时频特征递归层，最后获取储能弹簧的位移预测值，以实现储能弹簧位移的非接触式检测，保证了储能弹簧的可靠性；且采用不同尺度下的时频分析，能够有效提高位移预测值的准确性。
-
公开(公告)号：CN119149920A
公开(公告)日：2024-12-17
申请号：CN202411639383.7
申请日：2024-11-18
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学
IPC: G06F18/10 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F17/16 , G06F18/213 , G06F18/214
Abstract: 本发明提供一种时序数据补全方法及系统，方法包括：对直流换流变压器采集时序相关度运行数据，构建原始时序缺损数据集X0；对原始时序缺损数据集X0进行时间相关度的预处理得到时间相关预处理矩阵X1；将时间相关预处理矩阵X1输入CNN网络中进行数据序列整合得到整合矩阵X2；将整合矩阵X2送入双向长短时记忆神经网络Bi‑LSTM进行时间相关性预测学习得到时间相关性预测结果X3；将时间相关性预测结果X3送入反注意力层anti‑attention对预填数据降低注意力得到重构注意力矩阵X4；将重构注意力矩阵X4放入全连接输出层得到数据预测补全结果#imgabs0#。本发明解决了梯度消失、过度拟合以及补全数据的准确性低的技术问题。
-
公开(公告)号：CN118393402B
公开(公告)日：2024-09-17
申请号：CN202410855003.7
申请日：2024-06-28
Applicant: 国网安徽省电力有限公司超高压分公司 , 合肥工业大学
IPC: G01R31/62
Abstract: 本发明提供特高压直流换流变压器隐性故障诊断方法及系统，包括：采集换流变压器的电气量数据；对电气量数据进行变换处理，得到电压电流椭圆方程、椭圆倾角、长半轴、短半轴以及离心率；根据电压电流椭圆方程、椭圆倾角、长半轴、短半轴以及离心率，建立隐性故障与电气量特征之间映射关系；基于集成随机配置网络SCN，根据隐性故障与电气量特征之间映射关系，构建SCN分类网络模型，据以进行模型训练，得到适用SCN分类网络模型，以进行特高压直流换流变压器隐性故障诊断，获取变压器故障类型、故障程度，集成随机配置网络SCN包括：不少于2个单SCN网络。解决了隐性故障难以发现、网络冗余较大以及分类结果准确性较低的问题。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.077 seconds)
