-
公开(公告)号：CN113899971B
公开(公告)日：2023-11-14
申请号：CN202111159699.2
申请日：2021-09-30
Applicant: 广东电网有限责任公司广州供电局 , 西安交通大学
IPC: G01R31/00 , G06F18/23213 , G06F18/2321 , G06F18/2413
Abstract: 本发明公开了基于密度相似稀疏聚类的变压器异常工况判别方法，包括以下步骤：处理对象是配电变压器工况监测数据集，首先设置用于计算异常因子的参数以及分类簇数；计算每个数据对象的密度相似序列异常因子值；将密度相似序列异常因子小于1的数据作为核心对象，划分次级簇，并生成代表对象；将代表对象进行稀疏聚类，得到不同的簇及各维度权重；计算非核心对象与各簇质心的稀疏距离，划归入与其稀疏距离最小的质心所在的簇；将聚类结果中停电和重过载数据所在簇作为异常簇进行工况异常预警。实现对配电变压器运行状态的简单预判，提升后续故障预警模型的准确性和运算效率；为配电网安全可靠供电提供保障。
-
公开(公告)号：CN113899971A
公开(公告)日：2022-01-07
申请号：CN202111159699.2
申请日：2021-09-30
Applicant: 广东电网有限责任公司广州供电局 , 西安交通大学
Abstract: 本发明公开了基于密度相似稀疏聚类的变压器异常工况判别方法，包括以下步骤：处理对象是配电变压器工况监测数据集，首先设置用于计算异常因子的参数以及分类簇数；计算每个数据对象的密度相似序列异常因子值；将密度相似序列异常因子小于1的数据作为核心对象，划分次级簇，并生成代表对象；将代表对象进行稀疏聚类，得到不同的簇及各维度权重；计算非核心对象与各簇质心的稀疏距离，划归入与其稀疏距离最小的质心所在的簇；将聚类结果中停电和重过载数据所在簇作为异常簇进行工况异常预警。实现对配电变压器运行状态的简单预判，提升后续故障预警模型的准确性和运算效率；为配电网安全可靠供电提供保障。
-
公开(公告)号：CN114118588B
公开(公告)日：2024-08-02
申请号：CN202111438643.0
申请日：2021-11-30
Applicant: 广东电网有限责任公司广州供电局 , 西安交通大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/214 , G06F18/241 , G06F18/231 , G06F18/2337 , G06F18/211
Abstract: 一种聚类欠采样下基于博弈特征提取的迎峰度夏停电预测方法，首先对变压器的历史负荷数据进行清洗，然后基于配电变压器的历史负荷数据和停电记录，结合地区历史气象，在遍历聚类结果过程中选择评价值最高的特征加入已选特征集合并自上而下剔除贡献最低的特征，重复进行动态选择和自上而下剔除，直至支付效用最大化达到帕累托最优状态，完成重复‑动态博弈过程；接着采用python生成带有停电和不停电标签的特征数据集，并对特征数据集划分训练集和测试集；采用基于OPTICS聚类的欠采样方法得到平衡数据集；建立AdaBoost集成学习模型，并利用训练数据集训练模型得到预测停电和不停电分类器；最后利用测试集验证停电预测模型。
-
公开(公告)号：CN114118588A
公开(公告)日：2022-03-01
申请号：CN202111438643.0
申请日：2021-11-30
Applicant: 广东电网有限责任公司广州供电局 , 西安交通大学
Abstract: 一种聚类欠采样下基于博弈特征提取的迎峰度夏停电预测方法，首先对变压器的历史负荷数据进行清洗，然后基于配电变压器的历史负荷数据和停电记录，结合地区历史气象，在遍历聚类结果过程中选择评价值最高的特征加入已选特征集合并自上而下剔除贡献最低的特征，重复进行动态选择和自上而下剔除，直至支付效用最大化达到帕累托最优状态，完成重复‑动态博弈过程；接着采用python生成带有停电和不停电标签的特征数据集，并对特征数据集划分训练集和测试集；采用基于OPTICS聚类的欠采样方法得到平衡数据集；建立AdaBoost集成学习模型，并利用训练数据集训练模型得到预测停电和不停电分类器；最后利用测试集验证停电预测模型。
-
公开(公告)号：CN114462880B
公开(公告)日：2025-03-21
申请号：CN202210189935.3
申请日：2022-02-28
Applicant: 西安交通大学
IPC: G06Q10/063 , G06Q10/20 , G06N3/006 , G06F18/23213 , G06Q50/06
Abstract: 本发明公开了基于改进粗糙集优化烟花算法的配网设备状态评价方法，首先，结合历史台账数据、状态监测记录以及故障条目数据，针对配网设备状态评价中的数据集不平衡问题，利用基于K‑means聚类的欠采样方法得到平衡数据集；之后，利用粗糙集理论实现对配网设备状态评价中的众多连续评价指标的属性值进行离散化约简，并采用基于属性重要性的约简方法对评价指标决策表进行属性约简；然后，引入改进的烟花算法在数量众多的属性约简结果中寻找全局最优解，最终得到一组简化的评价指标决策表用于配网设备的状态评价。该方法有效提高了配网设备状态评价结果的准确性和可靠性，能够有效减少并避免配网设备故障事故的发生，保证供电可靠性和客户满意度。
-
Patent Agency Ranking
公开(公告)号：CN118195316A
公开(公告)日：2024-06-14
申请号：CN202410379306.6
申请日：2024-03-29
Applicant: 西安热工研究院有限公司 , 华能莱芜发电有限公司 , 西安交通大学
IPC: G06Q10/0635 , G06N5/022 , G06Q50/06 , G06F16/904
Abstract: 本发明公开了一种电力监控系统的脆弱性分析方法及系统，属于电力监控系统、知识图谱技术领域。方法包括以下步骤：收集电力监控系统的相关数据；对相关数据进行预处理，得到预处理后数据；采用NLP技术及预定义的规则，从预处理后数据中识别出多个实体，并提取多个实体之间的关系；根据多个实体和关系，构建电力监控系统的知识图谱；扩充知识图谱；对扩充后知识图谱进行脆弱性分析，得到分析结果；对分析结果进行可视化展示。可以实现在威胁源利用电力监控系统中漏洞进行攻击之前，提前检测出系统中的漏洞，有效的降低威胁源对电力监控系统的损害程度，进而在一定程度上确保电力监控系统对电力设备的监控操作，同时还增加了电力监控系统的安全性。
-
公开(公告)号：CN117807525A
公开(公告)日：2024-04-02
申请号：CN202311849295.5
申请日：2023-12-29
Applicant: 国网信息通信产业集团有限公司 , 西安交通大学
IPC: G06F18/2415 , G06Q50/06 , G06N20/20 , G06F18/214
Abstract: 本发明属于配电网设备状态评估领域，具体提供了一种基于集成学习的配电网设备综合状态评估方法，包括以下步骤：S1：对于由配电网设备运行数据构成的不平衡数据集，经五折交叉验证划分为训练集与测试集，对每个训练集使用过采样方法来进行初步平衡；S2：针对初步平衡后的训练集，构建类别转换概率矩阵，并生成扰动数据集；S3:以扰动数据集作为训练集，构建Stacking集成学习模型，实现对于配电网设备综合状态的评估分类以及对分类效果的评价。本发明在准确评估配电网设备综合状态的基础上，提高配电网运检任务的效率。
-
公开(公告)号：CN117743582A
公开(公告)日：2024-03-22
申请号：CN202311849293.6
申请日：2023-12-29
Applicant: 国网信息通信产业集团有限公司 , 西安交通大学
Abstract: 本发明公开了一种基于文本聚类的配电网运检数据筛选方法，该方法通过应用自然语言处理和机器学习中的文本聚类算法，采用改进的TF‑IDF方法生成语义特征向量，基于层次聚类思想构建聚类特征树，实现配电网运检文本数据的聚类分组，从而对大量配电网运检数据进行快速有效的筛选，为配电网运行状态监测提供支持。
-
公开(公告)号：CN114928074B
公开(公告)日：2024-02-02
申请号：CN202210512841.5
申请日：2022-05-12
Applicant: 西安交通大学
IPC: H02J3/24 , H02J3/38 , G06N3/096 , G06F16/215 , G06F17/11
Abstract: 本发明提供一种基于迁移学习和自抗扰控制的次同步振荡抑制方法及系统，可应用于电网次同步振荡故障定位、次同步振荡抑制等领域，属于人工智能和数据挖掘范畴。该方法包括如下步骤：(1)采集双馈风机并网系统的结构参数和运行数据；(2)基于所述双馈风机并网系统的结构参数对系统建立线性化模型；(3)通过迁移学习网络对发生次同步振荡的线性化系统模型进行次同步振荡定位；(4)基于固定时间尺度分解算法，提取双馈风机转子中次同步振荡电流的振荡频率；(5)利用自抗扰控制，对双馈风机转子中的次同步振荡电流进行抑制。迁移学习是基于数据特征的学习方法，其框架结构决定了模型具有很强的抗噪性与鲁棒性；此外，自抗扰控制能够
-
公开(公告)号：CN111414855B
公开(公告)日：2023-03-24
申请号：CN202010197247.2
申请日：2020-03-19
Applicant: 国网陕西省电力公司电力科学研究院 , 西安交通大学 , 国网陕西省电力公司 , 国网陕西省电力公司西咸新区供电公司 , 国家电网有限公司
IPC: G06V20/62 , G06V10/766 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/56 , G06V10/34 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了基于端到端回归模型的电线杆标牌目标检测及识别方法，该方法包括以下步骤：制作电线杆标牌图像的多样化数据集，然后在分类网络框架下对端到端一次性回归目标检测模型进行适用于电线杆标牌的训练；提取出标牌在图像中的位置坐标后综合先验信息和投影分析法进行字符分割；采用迁移学习简化对字符识别网络的训练以提高整体效率；最后选用HSI颜色空间来识别标牌背景色以减小图像分析的工作量。本发明采用高效的端到端目标检测方法实现对电线杆标牌有效信息的准确识别，可以在一定程度上提高巡检路径规划、农网改造勘察的效率。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.072 seconds)
