-
公开(公告)号：CN106646205A
公开(公告)日：2017-05-10
申请号：CN201510716698.1
申请日：2015-10-30
Applicant: 国网山西省电力公司电力科学研究院 , 华北电力大学(保定)
IPC: G01R31/327 , G01H17/00
Abstract: 本发明公开了一种基于声振联合分析断路器故障的随机大扰动信号凸包络剔除算法，包括步骤如下：(1)利用声音、振动传感器和同步数据采集卡获得断路器分、合闸操作过程的数字信号，所述数字信号为断路器正常状态动作或故障状态的数据特征。(2)提取振动信号和声音信号波形的包络线。(3)由信号分组能量突变检测断路器操动发生时间段，基于小波变换检改进模极大值精确搜索畸变点，获得断路器操动起始时刻，进行信号的时标对位。(4)大扰动在信号时域波形上表现为能量叠加的凸包络，由时标校准后包络线斜率累积误差超过阈值，判断声音信号中是否含有大扰动(5)利用声振同源性的前推能量累积比对法生成含扰动信号新的数据点，剔除大扰动信号。
-
公开(公告)号：CN112241605B
公开(公告)日：2023-12-19
申请号：CN201910643289.1
申请日：2019-07-17
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种声振信号构造卷积神经网络(CNN)特征矩阵的断路器储能过程状态辨识方法，该方法包括以下内容：首先提出基于峭度和包络相似性的时标对位方法保证声振信号的同步性，然后采用Lyapunov指数‑小波模极大值(L‑小波)检测振动信号起始点，对数据进行重叠式数据扩容后，利用皮尔逊相关系数构造声振信号二维特征矩阵。最后利用CNN对特征矩阵进行训练，利用支持向量机(SVM)代替Soft‑Max分类器来对CNN结构进行优化，使用灰狼优化(GWO)寻找SVM最优参数。优化CNN模型对断路器储能过程
-
公开(公告)号：CN115704860A
公开(公告)日：2023-02-17
申请号：CN202110922865.3
申请日：2021-08-03
Applicant: 华北电力大学(保定)
IPC: G01R31/327
Abstract: 本发明公开了一种断路器状态辨识方法，包括以下步骤：(1)将合闸振动信号依据本发明定义的“电磁铁运止时间”、“广义合闸时间”、“合闸衰减时间”划分为非等间隔的4段子信号。(2)利用Bootstrap算法对子信号分别进行重采样，得到一定数量的伪样本。(3)求伪样本的功率谱。(4)对伪样本功率谱波形，提取本发明定义的“混乱度”特征。(5)绘制“混乱度”特征的概率分布直方图。(6)根据混乱度分布特性确定的阈值区间。(7)以不同状态下断路器的子信号混乱度阈值区间构建特征经验知识库，并取4个子信号判定结果的最大交集作为最终的判定结果。实验表明，本方法能够有效地刻画断路器振动信号的特征，在断路器状态辨识领域发挥重要作用。
-
公开(公告)号：CN112326210A
公开(公告)日：2021-02-05
申请号：CN201910643288.7
申请日：2019-07-17
Applicant: 华北电力大学(保定)
IPC: G01M13/00 , G01H11/08 , G10L21/0208 , G10L21/0264 , G10L25/30 , G10L25/51 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种声振信号联合一维卷积神经网络(1D‑CNN)故障诊断方法，该方法包括以下内容：首先对采集到的声信号采用背景噪声库联合稀疏表示去除噪声，然后将声音信号进行带通滤波(7kHz‑20kHz)，叠加低频振动信号(7kHz内)形成频带更完整的电动机状态表征信息。再对经过滤波提纯处理后信息进行重叠式数据扩容，获取1D‑CNN训练所需大量数据。最后将数据样本输入1D‑CNN进行学习训练，采用局部均值归一化(LRN)和核函数去相关性改进1D‑CNN模型结构，降低了抽油机正负半周工况波动对电动机诊断准确性影响。这是一种针对复杂运行环境下大功率电动机故障诊断的新方法，诊断准确率高，泛化性能好，与传统的电动机故障诊断方法相比优势明显。
-
公开(公告)号：CN112241605A
公开(公告)日：2021-01-19
申请号：CN201910643289.1
申请日：2019-07-17
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种声振信号构造卷积神经网络(CNN)特征矩阵的断路器储能过程状态辨识方法，该方法包括以下内容：首先提出基于峭度和包络相似性的时标对位方法保证声振信号的同步性，然后采用Lyapunov指数‑小波模极大值(L‑小波)检测振动信号起始点，对数据进行重叠式数据扩容后，利用皮尔逊相关系数构造声振信号二维特征矩阵。最后利用CNN对特征矩阵进行训练，利用支持向量机(SVM)代替Soft‑Max分类器来对CNN结构进行优化，使用灰狼优化(GWO)寻找SVM最优参数。优化CNN模型对断路器储能过程数据变动较大的情况不敏感，作为一种新的断路器储能过程状态识别方法，大大提高了状态辨识的准确率和泛化性。
-
Patent Agency Ranking
公开(公告)号：CN109428339A
公开(公告)日：2019-03-05
申请号：CN201710747611.6
申请日：2017-08-28
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种适用于特高压直流输电换流站的无功控制和谐波优化方法，实现了启停控制、过电压控制、滤波优先选择控制、自动/手动切换控制、正常情况下和换相失败时的无功优化控制。能够在线控制滤波器和电容器组的投切，最大限度的利用换流站内配置的电容器和滤波器组，使得正常运行时减小对交流系统的无功需求，在直流换相失败期间减小电压波动，并根据谐波情况针对性地减小谐波。
-
公开(公告)号：CN104697768B
公开(公告)日：2017-10-03
申请号：CN201410814290.3
申请日：2014-12-23
Applicant: 华北电力大学(保定) , 云南电网公司电力科学研究院
IPC: G01M13/00
Abstract: 一种高压断路器动触头运动特性测试方法，所述方法首先在高压断路器动触头的绝缘拉杆和转轴上设置辅助标志物，并利用相机在断路器开、合过程中采集辅助标志物的图像序列，然后采用粒子滤波方法对辅助标志物进行跟踪并据此获取每幅图像中辅助标志物的质心坐标，再根据图像序列中相邻帧之间的时间间隔和辅助标志物在图像中的坐标变化，获得动触头的运动轨迹，最后根据动触头的运动轨迹获取其运动特性。本发明采用粒子滤波定向逐帧修正快速捕捉方法获得与断路器动触头刚性连接的绝缘拉杆和转轴上的辅助标志物的运动轨迹，进而得到动触头的运动特性，该方法实施方便而且测试精度高，可为高压断路器的状态测试和性能评价提供可靠依据。
-
公开(公告)号：CN106651906A
公开(公告)日：2017-05-10
申请号：CN201510716697.7
申请日：2015-10-30
Applicant: 国网山西省电力公司电力科学研究院 , 华北电力大学(保定)
CPC classification number: G06T5/50 , G06T2207/20032
Abstract: 本发明公开了一种基于改进混合高斯模型的高压断路器动触头运动特性测试方法，包括以下步骤：对断路器操动过程灰度图像序列，求取像素灰度直方图，采用中值滤波消除孤立噪声点；对像素点建立混合高斯模型，生成前景点标记矩阵；进行参数更新，建立计数器矩阵，对变化的像素点的高斯分布匹配做相应处理；确定背景分布时加入背景权值和系数，分辨图像中背景与前景，更新前景点标记矩阵；对相邻两帧图像的前景点标记矩阵做差，求出运动机构形心，由形心位置坐标差值确定运动速度，并获得运动特性。本发明提出背景权值和系数、前景点标记矩阵和计数器矩阵改进混合高斯模型，应用于断路器操动机构的运动特性测试，实现非接触高电压设备测试操作，有更好适应性。
-
公开(公告)号：CN104697768A
公开(公告)日：2015-06-10
申请号：CN201410814290.3
申请日：2014-12-23
Applicant: 华北电力大学(保定) , 云南电网公司电力科学研究院
IPC: G01M13/00
Abstract: 一种高压断路器动触头运动特性测试方法，所述方法首先在高压断路器动触头的绝缘拉杆和转轴上设置辅助标志物，并利用相机在断路器开、合过程中采集辅助标志物的图像序列，然后采用粒子滤波方法对辅助标志物进行跟踪并据此获取每幅图像中辅助标志物的质心坐标，再根据图像序列中相邻帧之间的时间间隔和辅助标志物在图像中的坐标变化，获得动触头的运动轨迹，最后根据动触头的运动轨迹获取其运动特性。本发明采用粒子滤波定向逐帧修正快速捕捉方法获得与断路器动触头刚性连接的绝缘拉杆和转轴上的辅助标志物的运动轨迹，进而得到动触头的运动特性，该方法实施方便而且测试精度高，可为高压断路器的状态测试和性能评价提供可靠依据。
-
公开(公告)号：CN119293400A
公开(公告)日：2025-01-10
申请号：CN202310835342.4
申请日：2023-07-10
Applicant: 华北电力大学(保定)
IPC: G06F18/00 , G01H11/08 , G06F18/10 , G06F18/2411 , G06N20/10 , G06F123/02
Abstract: 一种基于分段CEEMDAN优化算法的断路器故障诊断的方法，通过振动传感器，获取断路器在正常合闸、合闸拒动、基座松动和连杆脱落的情况下的振动信号。分别对时域下的振动信号进行分段处理，对每一个分段分别进行CEEMDAN分解，进而求取各模态分量的峰度。然后，对每一个分段使用SVM算法进行模式识别。最后，通过投票决定该振动信号属于何种情况的信号。这是一种断路器故障诊断方法，对信号先分段后再进行信号处理，然后再对分解后信号进行特征提取。先分段判断各分段信号所属状态，最后根据各分段所属状态情况判断整体信号所属状态，减小了由于信号提取过程中某过程存在误差而导致整体信号判断错误的概率。能够增大断路器故障诊断容错率，并且能够满足现场对运行中的断路器故障诊断的精度和速度要求，快速准确识别。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.023 seconds)
