公开(公告)号：CN116310551A

公开(公告)日：2023-06-23

申请号：CN202310260714.5

申请日：2023-03-13

Applicant: 宁波力斗智能技术有限公司

Inventor： 邢致恺 ,  刘慧 ,  何鎏璐

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/08 ,  G01R31/00

Abstract: 本发明公开了一种基于多模态信息融合网络的电力变压器故障诊断方法及系统，属于电力变压器故障诊断技术领域，包括：采集各变电站中变压器的油中气体和红外图形；将采集的数据按比例划分为训练集和测试集；构建基于双向门控神经网络和全局二级池化网络的多模态信息融合网络，并输入训练集和测试集进行网络训练；利用实时采集的数据得到可训练的数据，进行故障诊断和网络参数的更新。本发明利用双向门控神经网络对油中气体数据进行特征提取，由全局二级池化网络对红外图像进行特征提取，利用交叉注意力机制对提取的多模态特征进行融合，从而得到电力变压器的故障状态。该多模态信息融合神经网络具有准确的故障诊断性能和稳定的鲁棒性。

公开(公告)号：CN114462508A

公开(公告)日：2022-05-10

申请号：CN202210030825.2

申请日：2022-01-12

Applicant: 宁波力斗智能技术有限公司

Inventor： 何怡刚 ,  邢致恺 ,  杜博伦 ,  赵莹莹

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/06 ,  G06Q50/06

Abstract: 本发明公开了一种基于多模态神经网络的变压器健康状态评估方法，包括：采集各变电站中变压器的油中气体和红外图像；对采集的信息进行数据清洗和数据归一化，得到多模态矩阵；将多模态矩阵按比例划分为训练集和验证集；构建基于一维卷积神经网络和深度残差神经网络的多模态神经网络，输入训练集和验证集进行网络训练；利用实时采集的数据经过滤波后得到可训练的数据，进行健康状态评估和网络参数的更新。本发明利用一维卷积神经网络从油中气体数据中提取文本特征，深度残差神经网络从红外图像中提取图像特征，由稀疏注意力机制从文本特征和图像特征中获得电力变压器统一表征，并得到变压器的健康状态。该神经网络具有准确的评估性能和稳定的鲁棒性。

公开(公告)号：CN116203466A

公开(公告)日：2023-06-02

申请号：CN202310235169.4

申请日：2023-03-13

Applicant: 宁波力斗智能技术有限公司

Inventor： 邢致恺 ,  刘慧 ,  何鎏璐

IPC: G01R31/54 ,  G01R31/56 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于多模态深度残差滤波网络的逆变器在线故障诊断方法及系统，属于t型三电平逆变器故障诊断技术领域，包括：采集t型三电平逆变器电路中的电压和电流信号；将采集的数据集按比例划分为训练集和测试集；构建基于低秩矩阵融合的深度残差滤波网络，并输入训练集和测试集进行网络训练；利用实时采集的数据得到可训练的数据，进行t型三电平逆变器的故障诊断和深度残差滤波网络参数的更新。本发明利用低秩矩阵融合方法对采集的电压信号和电流信号进行数据融合，由深度残差滤波网络进行特征提取，从而得到t型三电平逆变器的故障状态。该深度残差滤波网络具有准确的故障诊断性能和稳定的鲁棒性。