-
公开(公告)号：CN106291234A
公开(公告)日：2017-01-04
申请号：CN201610613748.8
申请日：2016-07-29
申请人： 武汉大学
IPC分类号： G01R31/08
CPC分类号： G01R31/085 , G01R31/088
摘要： 本发明涉及一种基于卷积神经网络的输电线路区内外故障判断及故障选相方法，首先根据双端供电系统原理图搭建仿真模型，得到训练样本的输入，将故障类型和区内外故障作为训练样本的输出，同理生成测试样本。其次，列出网络结构，通过测试样本的错误率，得到最佳网络结构。最后，在每次故障之后，获取故障电流，输入到训练好的网络中，即可判断是否区内故障并进行故障选相，无需再次训练。该方法对卷积神经网络输出进行了改进，用同一网络同时解决了区内外故障判断和故障选相两类非独立分类问题，实现了两种非独立分类问题的权值共享。对采样率要求低，无需计算各种整定值，不受系统频率、故障位置、负荷电流、过渡电阻等因素的影响，结果准确可靠。
-
公开(公告)号：CN106291233A
公开(公告)日：2017-01-04
申请号：CN201610613683.7
申请日：2016-07-29
申请人： 武汉大学
IPC分类号： G01R31/08
CPC分类号： G01R31/088
摘要： 本发明一种基于卷积神经网络的故障选相方法。首先根据双端供电系统原理图搭建仿真模型。其次，列出网络结构，通过设置批处理数量为较大定值，训练次数为较小定值，得到测试样本的错误率，错误率最小的网络结构即为最佳网络结构。然后，在最佳网络结构下，减少批处理数量，增加训练次数，使错误率降为0，从而得到训练好的网络结构参数和权值偏置矩阵。最后，在每次故障之后，获取故障电流，输入到训练好的网络中，即可得到故障类型输出，无需再次训练。该方法能够准确进行故障选相，检测灵敏度高，不受系统频率、故障位置、负荷电流、过渡电阻等因素的影响，具有很高的可靠性。
-
公开(公告)号：CN105844431A
公开(公告)日：2016-08-10
申请号：CN201610263273.4
申请日：2016-04-26
申请人： 武汉大学
CPC分类号： G06Q10/0635 , G06Q50/06
摘要： 本发明涉及一种基于模糊信息粒化算法继电保护风险评估方法，首先从风险的定义出发，阐述事故发生概率和损失之间的关系；其次计算事故发生的概率以及损失，先根据负荷等级以及减供负荷判断事故类型，根据历史统计数据计算该类型下事故发生的概率，利用停电损失函数计算事故发生后对电力行业以及各类用户带来的损失；再次采用模糊信息粒化算法处理数据，计算继电保护系统的风险并采用以模糊极大集和模糊极小集为参照基准，海明距离为测量工具的模糊排序方法，对多个地区的风险进行排序，为风险管理决策者做出正确决策提供理论性依据。最后结合某地区的实际数据表明采用软层次模型做继电保护风险评估的正确性和有效性。
-
公开(公告)号：CN105471110A
公开(公告)日：2016-04-06
申请号：CN201510992217.X
申请日：2015-12-24
申请人： 国家电网公司 , 国网青海省电力公司 , 国网青海省电力公司电力科学研究院 , 武汉大学
CPC分类号： Y02E60/723 , Y04S10/16 , H02J13/0006 , G06Q50/06
摘要： 本发明是将传统低频振荡集中运算方式改进成分布式运算方式，提出的一种电力系统类噪声信号的低频振荡模式分层检测方法，即将低频震荡监测功能布置在变电站层和调度中心层。变电站层利用本站的PMU数据进行局部的低频震荡检测和频谱估计，调度中心层根据变电站层发送的低频震荡结果数据进行综合估计。为了在调度中心层实现对变电站层低频震荡检测结果合成,首先对全系统所有PMU数据进行辨识，然后采用最小二乘支持向量机（LSSVM）与变电站层的低频振荡检测结果进行拟合，最后可以仅根据变电站上传的低频振荡结果对全系统进行快速综合判断，确定整个系统的区间振荡模式和本地振荡模式。
-
公开(公告)号：CN102122824A
公开(公告)日：2011-07-13
申请号：CN201110089037.2
申请日：2011-04-11
申请人： 武汉大学
IPC分类号： H02J3/24
摘要： 本发明涉及一种低频振荡模态参数辨识方法及其装置，尤其是涉及一种电力系统低频振荡模态参数辨识方法及其装置。本发明创造性的将一种新的分析非线性、非平稳信号的方法——原子稀疏分解法用于低频振荡模态参数辨识,本方法能够有效辨识出电力系统低频振荡模态参数，包括振幅、衰减系数、频率、阻尼比、相位、开始与结束时刻。因此，本发明具有如下优点：将一种新的分析非线性、非平稳信号的方法即原子稀疏分解法用于低频振荡模态参数辨识,能够有效辨识出电力系统低频振荡模态参数，包括振幅、衰减系数、频率、阻尼比、相位、开始与结束时刻。
-
公开(公告)号：CN1529178A
公开(公告)日：2004-09-15
申请号：CN200310111211.4
申请日：2003-10-09
申请人： 武汉大学
IPC分类号： G01R31/08
摘要： 本发明涉及一种电力系统输电线路故障诊断及选相方法，包括以下步骤：数据采集以获得被检测线路多端的电压、电流信号；记录并交换故障前后的电气量以获得故障定位所需数据；判别故障相别。本发明提出一种新颖的电力系统输电线路故障诊断及选相方法，在电力系统实际运行中，如何正确地区分故障和振荡并判断出故障相别是一个长期得不到解决的问题，而正确地区分故障和振荡并判断出故障相别可以提高电力系统安全稳定运行的水平，本发明所提出的电力系统输电线路故障诊断及选相方法能够很好地解决这个问题。该方法能够区分电力系统输电线路上发生的振荡与故障，能够区分区内外故障并进行准确的故障判相。
-
公开(公告)号：CN115146739A
公开(公告)日：2022-10-04
申请号：CN202210884861.5
申请日：2022-07-26
摘要： 本发明公开了一种基于堆叠时间序列网络的电力变压器故障诊断方法，包括：采集各变电站中变压器的油中气体；对采集的数据进行z‑score归一化，得到归一化矩阵；将归一化矩阵按比例划分为训练集和测试集；构建基于Xgboost和双向门控循环神经网络的堆叠时间序列网络，输入训练集和测试集进行网络训练；利用实时采集的数据经过归一化后得到可训练的数据，进行故障预测和网络参数的更新。本发明利用Xgboost和门控神经网络对油中气体数据进行预测，由元学习器从两个时间序列网络中获得电力变压器预测数据，并通过Softmax层得到变压器的故障诊断结果。该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：CN115062538A
公开(公告)日：2022-09-16
申请号：CN202210639082.9
申请日：2022-06-07
摘要： 本发明公开了一种基于注意力机制和卷积NN的变换器故障诊断方法及系统，步骤为：建立双有源桥变换器的仿真模型，并选择故障诊断信号；收集不同功率开关器件的故障诊断信号样本；利用卷积操作构建特征提取模块，利用注意力机制构建去噪模块和特征融合模块，提取和融合输入诊断样本中三个诊断信号的故障特征，构建多分支卷积神经网络模型；将故障诊断信号样本输入到多分支卷积神经网络中训练，根据训练后的网络对双有源桥变换器的开路故障进行诊断及定位。本发明利用注意力机制构建故障诊断模型，去除了诊断信号中的噪声并融合了多诊断信号的故障特征，有效提高了诊断准确度，且利用卷积神经网络进行诊断，提高了诊断的智能化。
-
公开(公告)号：CN109523155A
公开(公告)日：2019-03-26
申请号：CN201811347746.4
申请日：2018-11-13
申请人： 国网甘肃省电力公司电力科学研究院 , 武汉大学
摘要： 本发明提出了一种蒙特卡洛及最小二乘支持向量机的电网风险评估方法。考虑设备实时故障率以及运行方式变化，首先使用拉丁超立方算法优化的蒙特卡洛法生成风险样本数据，可在有限的计算时间内搜索出多重故障，全面反映电网故障情况；并使用高斯扰动粒子群优化的最小二乘支持向量机对风险样本进行训练，达到大幅降低计算时间的目的。在保证风险计算准确度的情况下，本文方法可以做到电网风险与灵敏度的在线计算，为风险来源追踪、设备差异化运维等提供参考依据。
-
公开(公告)号：CN105652151A
公开(公告)日：2016-06-08
申请号：CN201511024633.7
申请日：2015-12-30
申请人： 武汉大学
IPC分类号： G01R31/08
CPC分类号： G01R31/085
摘要： 本发明提供一种基于线路参数检测与数据非同步校验的双端测距方法，包括检测故障线路两端采样数据对应的故障起点，利用故障前线路正常运行时的电气量计算两端数据故障起点间的非同步角初值，计算故障距离初值；迭代进行修正，包括根据故障距离修正两端非同步角，计算线路在线参数，并对测距结果进行优化，当满足容许误差时则测距结束。本发明在测距过程中充分考虑了线路参数的变化与两端数据的同步问题，并且运用测距结果优化方法很好地客服了故障相量测量偏差对测距结果的影响，有效提高了输电线路故障测距精度。
-
-
-
-
-
-
-
-
-
搜索结果
92 条记录 (耗时 0.085 秒)
