一种星型网络拓扑结构及基于该星型网络拓扑结构的配网抢修方法

    公开(公告)号:CN105072187A

    公开(公告)日:2015-11-18

    申请号:CN201510502605.5

    申请日:2015-08-17

    IPC分类号: H04L29/08

    CPC分类号: H04L67/18

    摘要: 本发明公开了一种星型网络拓扑结构及基于该星型网络拓扑结构的配网抢修方法。它包括维修点终端,中心服务器以及用户电话系统,用户电话系统与每一个维修点终端均通过网络连接中心服务器形成星型拓扑结构网络,用户电话系统能够将采集到的待报修信息上传到中心服务器内各个维修点终端分别通过网络实时传递该维修点工作条件信息至存储模块存储,中心服务器能够将报修信息进行处理并根据所存储的维修点工作条件信息以及所显示的位置信息对比后进行分配。采用本发明的结构及方法后,合理利用了抢修的资源,提高了抢修效率、降低了抢修成本,充分有效利用了抢修资源,其结构简单、操作自动化程度高,分配合理科学,节省了维修的费用和社会资源。

    用电设备安装箱架
    13.
    发明公开

    公开(公告)号:CN104717866A

    公开(公告)日:2015-06-17

    申请号:CN201310695893.1

    申请日:2013-12-17

    IPC分类号: H05K7/18 H05K5/02

    摘要: 本发明提供了一种用电设备安装箱架。该用电设备安装箱架包括:支撑架(10),固定设置在地面上,支撑架(10)包括多根纵梁(11),多根纵梁(11)平行设置并形成安装空间;以及箱体(20),用于安装用电设备,箱体(20)安装固定在安装空间内。应用该用电设备安装箱架,电力工作人员在狭小的胡同或者巷道里安装电力设备的时候,不再将电力设备直接安装在居民的房屋墙体上,而是安装在用电设备安装箱架内,解决了安装用电设备时选址困难的问题。

    基于粗糙集和贝叶斯网络的油浸式变压器故障诊断方法

    公开(公告)号:CN104297589A

    公开(公告)日:2015-01-21

    申请号:CN201410512283.8

    申请日:2014-09-29

    IPC分类号: G01R31/00

    摘要: 本发明公开了一种基于粗糙集和贝叶斯网络的油浸式变压器故障诊断方法,它包括以下步骤:a、确定故障类型;在原始样本集中选取尽可能多的输入故障特征矢量,确定输入属性集;b、利用粗糙集理论中的数据离散化方法对故障数据集进行离散化处理,建立离散化决策表;c、利用Matlab进行贝叶斯网络的构建;d、初始化条件概率表,条件概率表列出了每个结点相对于其父结点所有可能的条件概率,其对应问题领域的定量描述;e、进行参数学习;建立推断引擎,创建贝叶斯网络之后可以用它来进行推断;f、输入测试样本集,求解后验概率,判断故障类别。本发明能够简化诊断网络规模且增强网络的抗干扰性,从而快速诊断变压器各类故障,大大降低变压器的停运率。

    变压器架构台区整体迁移装置及方法

    公开(公告)号:CN108128740B

    公开(公告)日:2019-11-19

    申请号:CN201711431575.9

    申请日:2017-12-26

    IPC分类号: B66F11/00

    摘要: 本发明提供了一种变压器架构台区整体迁移装置及方法,涉及电力系统技术领域。包括用于对应夹持支撑变压器架构台区的两根电杆的第一夹持组件和第二夹持组件,所述第一夹持组件和所述第二夹持组件对称设置,所述第一夹持组件和所述第二夹持组件通过用于起吊的挂架支撑相连,还包括设置于用于支撑变压器架构台区的两根所述电杆之间调节起吊平衡的平衡配重。本发明提供的变压器架构台区整体迁移装置及方法,在需要整体迁移时,只需对台区与外部的各个连接点进行断引,不必再对台区的所有器件进行拆除,从而实现架构台区的整体迁移,提高了工作效率,大大缩短了施工周期,不仅节约了工时和费用,还缩短了停电时长、增加了电力供应。

    基于聚类算法和神经网络的变压器故障诊断方法

    公开(公告)号:CN104299035A

    公开(公告)日:2015-01-21

    申请号:CN201410512284.2

    申请日:2014-09-29

    IPC分类号: G06N3/08

    摘要: 本发明公开了一种基于聚类算法和神经网络的变压器故障诊断方法,包括以下步骤:a、根据IEC标准和DL/T722-2000导则确定故障类型;在原始样本集中选取故障样本集的特征量;b、利用K-means聚类方法对这些样本进行聚类;c、构建RBF神经网络;d、进行参数学习,确定隐藏层的个数、中心位置、宽度以及输出权值;e、采用PSO进行优化训练,确定隐藏层中心的位置,而个数、宽度、权值分别采用试验法、最小距离法、伪逆法确定;f、输入训练样本,求解后验概率,判断故障类别。本发明能够较为均匀地从总的样本中划分出训练样本和测试样本,而良好的测试样本能够对神经网络进行更为完整的测试,从而确保神经网络得到正确合理的评价。