-
公开(公告)号：CN105718958B
公开(公告)日：2018-09-21
申请号：CN201610054716.9
申请日：2016-01-27
Applicant: 国网江苏省电力有限公司检修分公司 , 国家电网公司 , 江苏南瑞泰事达电气有限公司 , 东南大学
IPC: G06K9/62
Abstract: 本发明公开一种基于线性判别分析和支持向量机的断路器故障诊断方法，其首先通过在线监测装置采集断路器分合闸线圈电流作为故障诊断的数据样本，包括正常运行时的数据样本和故障时的数据样本；然后从m个数据样本中提取y个特征量，形成m行，y列的数据样本X，并对数据样本进行标准化，形成n行，y列的原始特征矩阵R；再利用LDA算法对原始特征矩阵进行映射变换，形成具有m行，k列的变换后特征矩阵R’，同时得到变换函数的系数矩阵W；再利用将变换后特征矩阵R’作为支持向量机的训练数据集，优化其内部参数；最后基于LDA和支持向量机的模型，对断路器故障进行智能诊断。本发明算法精度高，可为电力系统的可靠性和稳定性提供保障。
-
公开(公告)号：CN105718958A
公开(公告)日：2016-06-29
申请号：CN201610054716.9
申请日：2016-01-27
Applicant: 江苏省电力公司检修分公司 , 国家电网公司 , 江苏南瑞泰事达电气有限公司 , 东南大学
IPC: G06K9/62
CPC classification number: G06K9/6234 , G06K9/6269
Abstract: 本发明公开一种基于线性判别分析和支持向量机的断路器故障诊断方法，其首先通过在线监测装置采集断路器分合闸线圈电流作为故障诊断的数据样本，包括正常运行时的数据样本和故障时的数据样本；然后从m个数据样本中提取y个特征量，形成m行，y列的数据样本X，并对数据样本进行标准化，形成n行，y列的原始特征矩阵R；再利用LDA算法对原始特征矩阵进行映射变换，形成具有m行，k列的变换后特征矩阵R’，同时得到变换函数的系数矩阵W；再利用将变换后特征矩阵R’作为支持向量机的训练数据集，优化其内部参数；最后基于LDA和支持向量机的模型，对断路器故障进行智能诊断。本发明算法精度高，可为电力系统的可靠性和稳定性提供保障。
-
公开(公告)号：CN106932712A
公开(公告)日：2017-07-07
申请号：CN201611249553.6
申请日：2016-12-30
Applicant: 江苏南瑞泰事达电气有限公司 , 东南大学
IPC: G01R31/327
CPC classification number: G01R31/3275
Abstract: 本发明公开了一种基于改进模糊Petri网的断路器故障诊断方法，它包括以下步骤：一，首先建立模糊Petri网络模型；步骤二，基于粗糙集理论的FPN模型，利用粗糙集理论对特征量进行预处理，粗糙集理论不需要依赖统计方法等预备知识就可以对不确定的对象进行划分，剔除冗余特征量，揭示对象之间潜在的规律，决策表是粗糙集理论中的重要概念，能将混乱无序的信息整理成明了有序的知识结构；步骤三，基于改进的FPN模型的高压断路器故障诊断。本发明提供了可以有效剔除冗余特征量，从而简化诊断规则，加快推理速度，实现了多种人工智能方法的互补，为高压断路器故障诊断提供了新的解决途径。
-
公开(公告)号：CN104267294A
公开(公告)日：2015-01-07
申请号：CN201410555408.5
申请日：2014-10-17
Applicant: 东南大学
IPC: G01R31/00 , G01R31/327
Abstract: 本发明公开了一种基于粗糙集理论和Petri网络的IGIS故障在线诊断方法，包括如下步骤：（1）选择断路器动作特性、SF6气体密度、微水含量等多个特征量作为特征值，采集IGIS运行时的若干组数据，采用贪心算法，对原始特征量进行离散化预处理；（2）利用粗糙集理论对预处理后的特征量进行知识约简，剔除冗余特征量，简化故障诊断规则；（3）针对简化后的诊断规则，利用Petri网络建立图形化的诊断规则模型结构，得到相应的输入、输出矩阵以及置信度矩阵；（4）通过矩阵运算实现快速推理，对IGIS的故障进行准确在线诊断。本发明能够压缩诊断信息量，提高诊断的效率和速度，实现快速准确的故障在线诊断，对电网的安全、可靠、稳定运行具有重要的现实意义。
-
-
-
Search Results
4
records
(took 0.053 seconds)
