-
公开(公告)号：CN106338662A
公开(公告)日：2017-01-18
申请号：CN201510400685.3
申请日：2015-07-10
Applicant: 华北电力大学(保定)
IPC: G01R31/00
Abstract: 本发明涉及一种基于数学形态学的变压器绕组变形诊断方法，包含以下步骤：采用频率响应法接线测量待检测变压器绕组响应端和激励端的电压；采用测得的数据计算待检测绕组的传递函数；利用待检测绕组的传递函数数据与其正常时的传递函数数据绘制频响曲线；利用数学形态学中的腐蚀算法处理该频响曲线，得到差异较大的部分；利用得到的差异较大的数据计算两条曲线的相关系数，进而判断绕组的变形情况。本发明能有效提取频响曲线上差异较大的频段，并且剔除不良数据，提高了变压器绕组判断的准确率。
-
公开(公告)号：CN101917067B
公开(公告)日：2013-07-17
申请号：CN201010252658.3
申请日：2010-08-13
Applicant: 华北电力大学(保定)
IPC: H02J13/00
CPC classification number: Y02E60/723 , Y04S10/16
Abstract: 一种电力设备状态监测装置的集成方法，其技术方案是：它由通信接口、协议转换器以及ACSI服务器构成无缝通信服务器，IEC 61850客户机直接与ACSI服务器相连，不同类型的输变电状态在线监测装置通过提供的通信接口接入，该方法采用映射规则编辑器建立传统协议与IEC 61850之间的映射规则，协议转换器利用该映射规则完成传统协议与IEC 61850之间的协议转换，实现不同输变电状态在线监测装置与ACSI服务器的通信，进而实现不同输变电状态在线监测装置以及IEC 61850客户机之间的通信。本发明从根本上解决了目前电网状态监测装置难以互操作与信息共享问题，能够更好地满足智能电网对全景状态信息监测的需要。
-
公开(公告)号：CN102854445A
公开(公告)日：2013-01-02
申请号：CN201210396459.9
申请日：2012-10-18
Applicant: 上海市电力公司 , 华北电力大学(保定) , 国家电网公司
Abstract: 本发明涉及一种局部放电脉冲电流的波形特征提取方法，包含以下步骤：采集变压器局部放电信号数据；对该局放信号进行脉冲波形信号的自动提取；对所提取的单个放电脉冲波形的各个微观特征参数进行计算；对局放脉冲波形微观特征参数进行特征空间降维。本发明能有效的在连续采样波形信号中提取其微观特征；克服了目前数字式局放仪大多仅利用局放数据的宏观特征进行统计分析处理，不能完全充分利用获得的局放数据的不足；能够从采集数据中自适应的提取各种放电类型的单个放电脉冲波形，并通过改进的流形学习算法对波形微观特征进行有效降维，提取低维且有效的放电脉冲波形特征。
-
公开(公告)号：CN102628881A
公开(公告)日：2012-08-08
申请号：CN201210087834.1
申请日：2012-03-29
Applicant: 山西省电力公司太原供电分公司 , 华北电力大学(保定)
Abstract: 一种用于输电线路在线监测装置的电磁屏蔽壳，它由金属外壳体，金属内壳体和水平金属套管组成，所述金属外壳体为横放的圆柱罐型，所述金属套管套装在高压线上并从金属外壳体内部穿过，所述金属内壳体位于金属外壳体内部，其内部安装输电线路的在线监测装置。本发明具有体积小、成本低、安装方便等优点，而且屏蔽效果好，可以保证输电线路在线监测装置的正常运行。
-
公开(公告)号：CN115144628B
公开(公告)日：2025-04-25
申请号：CN202210787213.8
申请日：2022-07-06
Applicant: 华北电力大学(保定)
Abstract: 本发明涉及电力检测技术领域，尤其涉及一种电力设备小样本故障信号的新型采集装置及分析方法。其技术方案包括：保护组件、壳体、散热组件和放电组件，壳体的一侧安装有安装盘，壳体的顶部一侧安装有放电组件，放电组件内安装有防护罩，防护罩的内部一侧安装有连接头，连接头的底部安装有连接座，壳体的内部一侧安装有电路板，电路板的一侧安装有保护组件。本发明通过在导电柱的两侧安装有铜箔，能够通过铜箔将分压管与导电柱并联，进而可以在正常的电流传输状况下，利用电阻较小的导电柱对电流进行传输，在电流出现较大波动时，可以利用两组分压管对电流进行分散，进而避免电路负载过大造成电路的损坏，提升了装置的耐用性。
-
Patent Agency Ranking
公开(公告)号：CN117473289B
公开(公告)日：2024-05-24
申请号：CN202310542406.1
申请日：2023-05-10
Applicant: 华北电力大学(保定)
IPC: G06F18/213 , G06F18/214 , G06F18/245 , G01R31/12
Abstract: 针对变压器局部放电信号数据量较少的现实问题，本发明设计了基于储备池计算的小样本变压器局部放电模式识别方法，将下一代储备池计算(Next Generation Reservoir Computing，储备池计算)运用到了静态的局部放电模式识别当中。首先，提取局部放电信号VMD‑Hilbert边际谱图像的图像Hu矩特征作为特征向量的线性部分；其次，利用低阶多项式构造出特征向量的非线性部分；最后，训练得到输出权重矩阵的参数，并对测试集进行分类性能比较。本发明的方法没有复杂的神经网络结构，其所需要设置的参数较少，结构简单，对学习率不敏感，适合于小样本的数据集，而且，其只需要非常小的运算量即可得到较理想的分类效果。
-
公开(公告)号：CN107733101B
公开(公告)日：2024-03-26
申请号：CN201711249144.0
申请日：2017-12-01
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种宽域智能互感取电控制系统，DC‑DC电源模块P2用于将积分电容C1端直流电压隔离转换为后续电路所需电压，CPU模块用于通过AD模块检测DC‑DC电源模块P2的输出电压，斩波电路用于抑制取能线圈L2的感应电能输出，CPU控制模块P3和交流斩波电路驱动模块P4相互通信，DC‑DC电源模块P2输出端为CPU控制模块P3和交流斩波电路驱动模块P4供电；通过使用穿心式CT单边绕线圈感应取电，并将感应电流信号整流、滤波后使用DC‑DC电源模块转换为用户所需电压，（1）当一次侧电流很不稳定、电压突变高时使用固态继电器SSR泄能；（2）当一次侧电流相对稳定时，使用斩波电路泄能，有效改善电源输出品质。
-
公开(公告)号：CN117473289A
公开(公告)日：2024-01-30
申请号：CN202310542406.1
申请日：2023-05-10
Applicant: 华北电力大学(保定)
IPC: G06F18/213 , G06F18/214 , G06F18/245 , G01R31/12
Abstract: 针对变压器局部放电信号数据量较少的现实问题，本发明设计了基于储备池计算的小样本变压器局部放电模式识别方法，将下一代储备池计算(Next Generation Reservoir Computing，储备池计算)运用到了静态的局部放电模式识别当中。首先，提取局部放电信号VMD‑Hilbert边际谱图像的图像Hu矩特征作为特征向量的线性部分；其次，利用低阶多项式构造出特征向量的非线性部分；最后，训练得到输出权重矩阵的参数，并对测试集进行分类性能比较。本发明的方法没有复杂的神经网络结构，其所需要设置的参数较少，结构简单，对学习率不敏感，适合于小样本的数据集，而且，其只需要非常小的运算量即可得到较理想的分类效果。
-
公开(公告)号：CN115184700A
公开(公告)日：2022-10-14
申请号：CN202110957810.6
申请日：2021-08-18
Applicant: 华北电力大学(保定)
IPC: G01R31/00 , G01R23/02 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种变压器绕组变形检测及变形类型判断方法，应用于变压器状态检测技术领域。所述方法可以实现变压器绕组变形检测与变形类型判断，步骤包括：建立卷积神经网络分类模型；采用训练样本集训练此分类模型；通过现有频率响应曲线测量方法测得待检测绕组当前频率响应曲线，形成幅频特性对比图；对幅频特性对比图进行归一化、色彩填充，得到幅频特性归一彩色对比图；将所得幅频特性归一彩色对比图输入训练后的卷积神经网络分类模型，输出绕组变形状况对应的one_hot编码；将one_hot编码恢复为对应变形状况。本发明可以更灵敏、准确地检测绕组是否存在变形，并能够判断变形类型，还可以减弱测试环境的影响，提高变压器故障样本利用率。
-
公开(公告)号：CN114089121A
公开(公告)日：2022-02-25
申请号：CN202111444171.X
申请日：2021-11-30
Applicant: 华北电力大学(保定)
Abstract: 一种针对不对称接地短路的风电场集电线故障测距方法，进行故障选线和故障类型判断，采集故障集电线的电气量，将单相接地故障类型的故障集电线的电气量输入到单相接地一维卷积神经网络回归测距模型，将两相接地故障类型的故障集电线的电气量输入到两相接地一维卷积神经网络回归测距模型，根据测距模型的输出计算得到故障距离。本发明可以自动、迅速、有效地计算出故障距离，工程应用方便，所需测点少，经济性好，故障类型的预判断降低了一维卷积神经网络回归测距模型的训练难度，有利于减少测距模型训练所需样本数目。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.021 seconds)
