公开(公告)号：CN116894390A

公开(公告)日：2023-10-17

申请号：CN202310857370.6

申请日：2023-07-13

Applicant: 国网河南省电力公司电力科学研究院 ,  华北电力大学(保定) ,  国网河南省电力公司

Inventor： 刘善峰 ,  向玲 ,  王津宇 ,  卢明 ,  李哲 ,  王超 ,  袁少光 ,  田杨阳 ,  毛万登 ,  李苗苗 ,  陈锦鹏

IPC: G06F30/27 ,  G06F18/214 ,  G06N3/0442 ,  G01W1/10

Abstract: 本发明属于风速预测技术领域，具体涉及一种极端天气下风速预测方法和系统。所述方法包括如下步骤：利用ViT对风速子序列进行特征提取，利用LSTM建立所提取特征与输出风速之间的联系，搭建ViT‑LSTM的极端天气下风速预测模型；训练搭建的ViT‑LSTM的极端天气下风速预测模型；根据训练好的模型，预测下一时刻风速。本发明采用ViT和LSTM模型相结合的方法来预测极端天气下的风速，有效提取出气象因素特征信息，预测精度高。

公开(公告)号：CN115184734B

公开(公告)日：2025-02-14

申请号：CN202210929346.4

申请日：2022-08-03

Applicant: 国网河南省电力公司电力科学研究院 ,  国家电网有限公司

Inventor： 卢明 ,  刘善峰 ,  黄苏辉 ,  冯光 ,  郭志民 ,  马建伟 ,  李哲 ,  田杨阳 ,  南江 ,  陈锦鹏 ,  王磊 ,  孙芊 ,  袁少光 ,  梁允 ,  李丰君 ,  毛万登 ,  王超 ,  王津宇

IPC: G01R31/08

Abstract: 本发明属于电网线路技术领域，具体涉及一种电网线路故障检测方法和系统。检测方法包括以下步骤：获取训练集电流数据和测试集电流数据；引入Inceptionv3结构，采用卷积核与BiLSTM并行的方式，提取电网线路故障特征，输入特征融合层形成联合特征，将联合特征输入到全连接层，进行时间序列的预测，完成电网线路故障预测模型的搭建；采用训练集电流数据对预测模型进行训练；将测试集电流数据输入到训练好的预测模型中，实现下一时刻馈线电流的预测。本发明准确地检测电网线路故障，保证电网安全运行，而且通过将模型中的卷积核进行分解处理，减少了参数量，加快了运行速度。

公开(公告)号：CN115184734A

公开(公告)日：2022-10-14

申请号：CN202210929346.4

申请日：2022-08-03

Applicant: 国网河南省电力公司电力科学研究院 ,  国家电网有限公司

Inventor： 卢明 ,  刘善峰 ,  黄苏辉 ,  冯光 ,  郭志民 ,  马建伟 ,  李哲 ,  田杨阳 ,  南江 ,  陈锦鹏 ,  王磊 ,  孙芊 ,  袁少光 ,  梁允 ,  李丰君 ,  毛万登 ,  王超 ,  王津宇

IPC: G01R31/08

Abstract: 本发明属于电网线路技术领域，具体涉及一种电网线路故障检测方法和系统。检测方法包括以下步骤：获取训练集电流数据和测试集电流数据；引入Inceptionv3结构，采用卷积核与BiLSTM并行的方式，提取电网线路故障特征，输入特征融合层形成联合特征，将联合特征输入到全连接层，进行时间序列的预测，完成电网线路故障预测模型的搭建；采用训练集电流数据对预测模型进行训练；将测试集电流数据输入到训练好的预测模型中，实现下一时刻馈线电流的预测。本发明准确地检测电网线路故障，保证电网安全运行，而且通过将模型中的卷积核进行分解处理，减少了参数量，加快了运行速度。

公开(公告)号：CN114444218B

公开(公告)日：2024-09-06

申请号：CN202111212782.1

申请日：2021-10-19

Applicant: 华北电力大学(保定)

Inventor： 向玲 ,  苏浩 ,  胡爱军 ,  杨鑫 ,  陈凯乐 ,  陈锦鹏 ,  姚青陶

IPC: G06F30/17 ,  G06F30/27 ,  G06F18/241 ,  G06N3/04 ,  G06N3/0985

Abstract: 一种多工况下小样本滚动轴承故障诊断方法，所述方法包括以下步骤：a.构建成任务集；b.将任务集中的数据输入到ISDAE进行重构，得到保留了原始信号中的有效特征，并降低了噪声的重构信号矩阵；c.利用MAML对重构信号进行分类，训练MAML的模型参数，获得最优网络模型；d.将被监测滚动轴承的原始振动信号输入到训练好的MAML模型，判断滚动轴承是否存在故障及故障的类型。本发明采用模型无关与改进的稀疏降噪自编码相结合的方法来诊断轴承故障，不仅能够提取原始振动信号中的可分性特征，提高信号的抗噪声能力，而且能够提高模型的泛化能力，从而可准确地诊断多工况下小样本数据的轴承故障，保证机械设备安全运行。

公开(公告)号：CN114444218A

公开(公告)日：2022-05-06

申请号：CN202111212782.1

申请日：2021-10-19

Applicant: 华北电力大学(保定)

Inventor： 向玲 ,  苏浩 ,  胡爱军 ,  杨鑫 ,  陈凯乐 ,  陈锦鹏 ,  姚青陶

IPC: G06F30/17 ,  G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种多工况下小样本滚动轴承故障诊断方法，所述方法包括以下步骤：a.构建成任务集；b.将任务集中的数据输入到ISDAE进行重构，得到保留了原始信号中的有效特征，并降低了噪声的重构信号矩阵；c.利用MAML对重构信号进行分类，训练MAML的模型参数，获得最优网络模型；d.将被监测滚动轴承的原始振动信号输入到训练好的MAML模型，判断滚动轴承是否存在故障及故障的类型。本发明采用模型无关与改进的稀疏降噪自编码相结合的方法来诊断轴承故障，不仅能够提取原始振动信号中的可分性特征，提高信号的抗噪声能力，而且能够提高模型的泛化能力，从而可准确地诊断多工况下小样本数据的轴承故障，保证机械设备安全运行。