-
公开(公告)号：CN118861821A
公开(公告)日：2024-10-29
申请号：CN202411032885.3
申请日：2024-07-30
Applicant: 西安工程大学
IPC: G06F18/241 , G06F18/10 , G06N3/084 , G06N3/0442 , G06F18/214
Abstract: 本发明公开了一种基于数据平衡化的变压器套管故障诊断方法，涉及变压器套管故障诊断技术领域，包括以下步骤：收集变压器套管故障数据并进行预处理，同时将预处理数据划分为训练集和测试集；利用SMOTE方法对训练集进行数据扩充，获得数据样本；利用NGO算法优化BP神经网络模型，获得NGO‑BP故障诊断模型，并利用数据样本对NGO‑BP故障诊断模型进行模型训练；利用测试集对训练后的模型进行测试，并使用评价指标衡量模型性能，完成基于数据平衡化的变压器套管故障诊断。本发明解决了现有技术存在小样本数据不平衡以及故障诊断模型精度低的问题。
-
公开(公告)号：CN111275204B
公开(公告)日：2023-04-07
申请号：CN202010117648.2
申请日：2020-02-25
Applicant: 西安工程大学
IPC: G06N20/10 , G06N20/20 , G06F18/214 , G06F18/2411
Abstract: 本发明公开了一种基于混合采样和集成学习的变压器状态识别方法，具体为：步骤1：将收集到的变压器油中溶解气体数据分为两个数据集；步骤2：对步骤1得到的训练集进行SMOTE过采样，将进行SMOTE过采样后的数据集记为新故障训练数据集；步骤3：将得到的新正常训练数据集与步骤2得到的新故障训练数据集组合产生新的均衡数据集；步骤4：以最小二乘支持向量机为基分类器，利用步骤3生成的q组均衡子数据集训练q个基分类器；步骤5：将步骤4训练得到的q个基分类器进行集成得到强分类器对变压器进行状态识别；通过组合得到的强分类器即为变压器状态识别最优模型，对模型进行测试。该方法能够对变压器状态进行准确的识别。
-
公开(公告)号：CN111144431B
公开(公告)日：2023-03-24
申请号：CN201811312408.7
申请日：2018-11-06
Applicant: 西安工程大学
IPC: G06F18/2411 , G06F18/214 , G06N3/006 , G06N7/08
Abstract: 本发明公开了一种基于CBBO‑SVM的变压器故障诊断方法，具体步骤如下，步骤1、所采集的油浸式变压器带有类标签的样本集S＝{(x1,x2,x3,...xn),(y1,y2,y3,...,xm)}；步骤2、对所采集到的数据进行预处理暨归一化处理：将输入量和输出量都归一化到[0,1]，以达到计算方便的目的；步骤3、利用CBBO对支持向量机的参数ci和σi进行优化；步骤4、利用步骤3优化后得到的参数ci和σi建立多级SVM模型，利用样本集数据进行分类，从而达到油浸式变压器故障诊断的效果。该方法能够利用CBBO(混沌生物地理学)算法对SVM(支持向量机)算法的参数进行优化，有效的提高分类的准确率。
-
公开(公告)号：CN110826268A
公开(公告)日：2020-02-21
申请号：CN201911016695.1
申请日：2019-10-24
Applicant: 西安工程大学
Abstract: 本发明公开了电-流体多物理场耦合的水珠运动及电场分析计算方法，具体按照以下步骤实施：步骤1：建立平板硅橡胶表面水珠运动计算的几何模型并对所需的各几何域材料及属性进行选取；步骤2：在步骤1对平板硅橡胶表面水珠运动的计算几何模型及几何域材料属性进行选取的基础上添加电场与流体场并设置边界参数，再对电-流体多物理场耦合条件进行配置；步骤3：划分网格，判断是否收敛，保证计算的收敛性。该计算方法，能够有效解决水分污渍导致的阻性电流以及电场下水珠拉伸、融合变形等运动导致的电场畸变增强这一问题。
-
公开(公告)号：CN108734202A
公开(公告)日：2018-11-02
申请号：CN201810390778.6
申请日：2018-04-27
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于改进BP神经网络的高压断路器故障诊断方法，具体为，对所采集的高压断路器带有类标签的样本分为训练样本和测试样本，然后建立基于育种算法和粒子群算法的BP神经网络模型，并利用训练样本进行训练后，解码产生新的连接权和阈值；应用迭代控制器进行控制，使两种算法每隔数代进行信息交互，信息交互的内容是最优粒子种子的相关信息，并得到最优全局参数；将得到的全局最优解经过解码后替换原始BP神经网络的所有权值和阈值参数，建立优化后的高压断路器故障模型，对测试样本进行故障分类，并输出结果。本发明的方法以BA和PSO算法代替误差反传的网络学习过程来优化BP神经网络的连接权和阈值，有效提高故障诊断精度。
-
Patent Agency Ranking
公开(公告)号：CN108492292A
公开(公告)日：2018-09-04
申请号：CN201810231685.9
申请日：2018-03-20
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于红外图像处理的导线散股检测方法，具体按照以下步骤实施：步骤1，输入输电导线的红外图像，转换到L通道；步骤2，对L通道的图像进行高斯滤波和Laplace滤波，确定潜在直线像素；步骤3，计算图像P的潜在直线像素的主曲率和主方向；步骤4，直线提取，步骤5，对步骤4中提取的直线图像ω进行形态学处理，步骤6，将导线区域中的像素点灰度值转换为温度值，得到导线区域每个像素点对应的温度值；步骤7，建立导线交流电阻温升模型；步骤8，计算出完好导线的交流电阻均值Rac；步骤9，对待检测图片进行处理后，计算待测对应的交流电阻Rt，并判定是否出现散股。解决了传统巡检方式检测导线散股困难的问题。
-
公开(公告)号：CN110146792A
公开(公告)日：2019-08-20
申请号：CN201910414429.8
申请日：2019-05-17
Applicant: 西安工程大学
IPC: G01R31/12
Abstract: 本发明公开了基于生成对抗网络的变压器局部放电图谱生成方法，如下：S1、将收集的带有标签的变压器局部放电图谱作为输入样本集；S2、对带有标签的变压器局部放电图谱进行灰度化处理；S3、设定随机噪声，将高斯噪声作为要输入的随机噪声；设定生成器的损失函数，得到生成器，将经灰度化处理后的局部放电图谱和随机噪声作为生成器的输入，经过生成器后产生伪样本；S4、设定判别器的损失函数，生成判别器，将S3产生的伪样本和原始局部放电图谱作为判别器的输入进行判定，进行参数确定；S5、参数确定后别器输出1则输出得到的生成对抗网络的变压器局部放电图谱，输出0则舍弃。该方法能够准确的生成研究者所需要的局部放电图谱。
-
公开(公告)号：CN105513729A
公开(公告)日：2016-04-20
申请号：CN201610012051.5
申请日：2016-01-08
Applicant: 西安工程大学
CPC classification number: H01C7/12 , G06F17/5036 , H01C17/00
Abstract: 本发明公开了一种氧化锌避雷器结构优化的方法，具体按照以下步骤实施：步骤1，建立避雷器内部的几何仿真模型，步骤2，进行电场电压分布进行仿真计算，步骤3，计算得到每片氧化锌电阻片上的电压承担率Vi和电压分布不均匀系数K，步骤4，对电压承担率进行对比优化，修正的氧化锌电阻片上介电常数为εr’1i，结束优化过程，记录此时的每片电阻片的相对介电常数，步骤5，根据步骤4的优化结果，改造电阻片电容值，得到最终的避雷器的内部电阻片排布方式。本发明解决了现有技术中通过增大电阻片主电容的方法进行避雷器优化时，增大生产避雷器成本、均压作用不够显著的问题。
-
公开(公告)号：CN108875783A
公开(公告)日：2018-11-23
申请号：CN201810437756.0
申请日：2018-05-09
Applicant: 西安工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种面向不平衡数据集的极限学习机变压器故障诊断方法，具体为，步骤1、将采集的油浸式变压器带有类标签的不平衡样本集S＝{(x1,t1),(x2,t2)...(xn,tn)}按6:1的比例分为训练样本和测试样本；其中，xi代表样本属性，i＝1，2，3，4，5，6，具体包含氢气、甲烷、乙烷、乙烯、乙炔、一氧化碳，六种属性；ti代表类别标签，i＝1，2，3，4，5，6，1、2、3、4、5、6分别对应正常状态、中温过热、高温过热、局部放电、火花放电、电弧放电，并用PAM算法对其进行聚类，并用PAM算法对其进行聚类；步骤2、以PAM算法的聚类簇心作为中心点，对于少数类；步骤3、极限学习机分类输出阶段，首先建立DAG‑ELM模型，然后，阶段2产生的新数据集仍按6:1分成训练集和测试集，6份用于训练建模，1份用于验证分类效果。本方法解决了不平衡数据集对变压器故障诊断结果的影响。
-
公开(公告)号：CN108492292B
公开(公告)日：2022-03-25
申请号：CN201810231685.9
申请日：2018-03-20
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于红外图像处理的导线散股检测方法，具体按照以下步骤实施：步骤1，输入输电导线的红外图像，转换到L通道；步骤2，对L通道的图像进行高斯滤波和Laplace滤波，确定潜在直线像素；步骤3，计算图像P的潜在直线像素的主曲率和主方向；步骤4，直线提取，步骤5，对步骤4中提取的直线图像ω进行形态学处理，步骤6，将导线区域中的像素点灰度值转换为温度值，得到导线区域每个像素点对应的温度值；步骤7，建立导线交流电阻温升模型；步骤8，计算出完好导线的交流电阻均值Rac；步骤9，对待检测图片进行处理后，计算待测对应的交流电阻Rt，并判定是否出现散股。解决了传统巡检方式检测导线散股困难的问题。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.057 seconds)
