-
公开(公告)号：CN110703057A
公开(公告)日：2020-01-17
申请号：CN201911063623.2
申请日：2019-11-04
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司
IPC: G01R31/12
Abstract: 本发明提出了一种基于数据增强和神经网络的电力设备局部放电诊断方法，针对变压器、GIS、开关柜等电力设备在缺陷时检测的局部放电数据，通过使用多种数据增强方法丰富样本量并建立样本库，针对不同电力设备类型和缺陷类型的特点，采用不同的神经网络进行训练，从而得到泛化能力更强、不同电力设备的不同缺陷诊断针对性更强的诊断算法，提高电力设备局部放电诊断准确性。
-
公开(公告)号：CN109342862A
公开(公告)日：2019-02-15
申请号：CN201811531680.4
申请日：2018-12-14
Applicant: 国网山东省电力公司电力科学研究院 , 重庆大学 , 国家电网有限公司
Inventor： 杨祎 , 辜超 , 李程启 , 林颖 , 陈玉峰 , 王有元 , 朱文兵 , 周加斌 , 朱孟兆 , 杜修明 , 吕学宾 , 陈天 , 刘航 , 周大洲 , 黄锐 , 吕俊涛 , 白德盟 , 秦佳峰 , 朱庆东 , 王建 , 王硕 , 王学磊 , 彭飞 , 郑文杰
IPC: G01R31/00
Abstract: 本发明公开了基于非监督聚类与和SVM分类的变压器故障诊断方法，包括以下步骤：获取变压器油中溶解气体含量的样本数据，进行标准化处理；根据变压器状态数量设置聚类中心个数，采用非监督聚类方法对标准化处理后的样本数据进行聚类类别划分；采用支持向量机分类器，以标准化处理后的样本数据为输入，以聚类类别结果为期望输出对SVM模型进行训练；将待诊断变压器油中溶解气体含量数据进行标准化处理理，输入SVM模型实现变压器故障类别的诊断。该方法基于数据驱动，诊断过程依赖于人工智能技术对油中溶解气体含量数据隐含信息和分布规律的挖掘，无需任何人工干预和经验知识，保证了诊断结果的客观性与合理性。
-
公开(公告)号：CN114092531B
公开(公告)日：2024-12-20
申请号：CN202111265608.3
申请日：2021-10-28
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本公开提供了一种红外‑可见光图像配准方法及系统，包括：获取红外图像与可见光图像；利用自监督学习网络，对获取的红外图像与可见光图像进行特征点提取，并对特征点进行描述；利用深度图卷积网络，对红外图像与可见光图像中的特征点进行匹配；根据匹配的特征点对在两幅图像中的像素坐标，利用渐进一致采样算法，得到红外图像到可见光图像的变换参数；根据所述变换参数，将红外图像的坐标变换到可见光图像坐标系下，红外‑可见光图像配准；经过本公开中的方法，可以实现相比传统方法更准确的红外图像与可见光图像的配准；并且，对于不同角度拍摄的不同图像，均能得到准确的配准结果。
-
公开(公告)号：CN115222924A
公开(公告)日：2022-10-21
申请号：CN202210831203.X
申请日：2022-07-15
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Inventor： 郑文杰 , 杨祎 , 林颖 , 李杰 , 刘萌 , 李程启 , 秦佳峰 , 白德盟 , 师伟 , 崔其会 , 吕俊涛 , 李勇 , 邢海文 , 黄锐 , 潘向华 , 任敬国 , 乔木 , 李龙龙 , 辜超 , 张峰达 , 李壮壮 , 汪鹏 , 马艳
Abstract: 本发明提出了基于数字孪生的GIS虚拟传感器布点方法及系统，包括：在GIS数字孪生体气室内的不同位置设置不同的故障类型；在GIS气室内布置多组虚拟传感器，对虚拟传感器组进行编号；基于GIS数字孪生体分别对设置的故障类型进行仿真；以故障数据为自变量，虚拟传感器点处测量值为因变量绘制出数据变化曲线；对数据变化曲线进行线性拟合，得到的斜率反应该处虚拟传感器对于故障数据的灵敏程度；运用遗传算法以得到的斜率为适应度指标，对虚拟传感器布点的组合进行优化，得到优化之后的虚拟传感器组合。
-
公开(公告)号：CN114092531A
公开(公告)日：2022-02-25
申请号：CN202111265608.3
申请日：2021-10-28
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本公开提供了一种红外‑可见光图像配准方法及系统，包括：获取红外图像与可见光图像；利用自监督学习网络，对获取的红外图像与可见光图像进行特征点提取，并对特征点进行描述；利用深度图卷积网络，对红外图像与可见光图像中的特征点进行匹配；根据匹配的特征点对在两幅图像中的像素坐标，利用渐进一致采样算法，得到红外图像到可见光图像的变换参数；根据所述变换参数，将红外图像的坐标变换到可见光图像坐标系下，红外‑可见光图像配准；经过本公开中的方法，可以实现相比传统方法更准确的红外图像与可见光图像的配准；并且，对于不同角度拍摄的不同图像，均能得到准确的配准结果。
-
Patent Agency Ranking
公开(公告)号：CN113837141A
公开(公告)日：2021-12-24
申请号：CN202111188680.0
申请日：2021-10-12
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明提供了一种抗驱鼠器干扰的信号提取方法及系统，该方法包括如下步骤：获取含抗鼠器干扰的原始局部放电超声信号；含抗鼠器干扰的原始局部放电超声信号进行集合经验模态分解得到各固有模态函数分量；根据各固有模态函数分量和训练好的SVM模型，对放电分量与驱鼠器干扰分量进行模式识别得到抗干扰信号，可有效反映放电信号与驱鼠器干扰之间的特征差异，算法最终获得的抗驱鼠器干扰信号具有明显的工频周期性与高信噪比的优点。
-
公开(公告)号：CN110346699B
公开(公告)日：2021-04-27
申请号：CN201910682360.7
申请日：2019-07-26
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司
IPC: G01R31/12
Abstract: 本发明提出了一种基于紫外图像处理技术的绝缘子放电信息提取方法及装置，利用Deeplab深度学习网络，通过智能化提取紫外图像中的可见光通道放电绝缘子以及放电光斑的位置，来获取放电的区域进行放电位置、光斑区域属性等信息，从而为紫外图像放电缺陷的判定提供基础的结构化特征信息。本发明可以自动批量地对紫外图像进行处理，将图像转化为可以直接用于后续缺陷分析的放电信息特征参量；并且依赖于Deeplab深度学习网络的良好分割性能，可以保证整个发明实现过程的可靠性和鲁棒性，从而区别于以往的直接使用阈值或者形态学操作的实现方法。
-
公开(公告)号：CN112700424A
公开(公告)日：2021-04-23
申请号：CN202110016425.1
申请日：2021-01-07
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 在输变电设备运维检修实际运维过程中，检测人员往往对于相邻的测点基本不变换角度和位置进行拍摄，无法体现出分别的观察目的，后续对该设备的分析也很难真实反映设备的真实状态。本发明为了解决上述问题，提出了一种带电检测红外检测质量评估指标及方法，结合红外检测现场实际检测要求，基于信息论、图像处理相关技术手段，从不同测点红外图像相似性、红外图像中被测设备主体性、检测时刻环境信息四个维度实现检测质量的自动化评估，保证了检测的有序开展和有效性。
-
公开(公告)号：CN111985497A
公开(公告)日：2020-11-24
申请号：CN202010704002.4
申请日：2020-07-21
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了架空输电线路下吊车作业识别方法及系统，包括：将获取的架空输电线路图像，根据在线监测装置所处环境进行分类，分为空旷型图像和复杂型图像；对空旷型图像和复杂型图像，均进行边缘特征提取；对空旷型图像，根据提取的边缘特征，直接判断架空输电线路下是否有吊车作业现象；对复杂型图像，对提取的边缘特征先进行去噪处理，根据去噪后的边缘特征判断架空输电线路下是否有吊车作业现象。
-
公开(公告)号：CN111695493A
公开(公告)日：2020-09-22
申请号：CN202010523327.2
申请日：2020-06-10
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明提供了一种输电线路隐患的检测方法及系统，方法包括提取监拍图像的基础特征，寻找候选区域；在所述候选区域上，分别进行施工机械、烟火目标和导地线异物的检测；合并上述检测结果，得到检测结论。本发明基于输电线路通道隐患目标多样的事实，结合施工机械、烟火、导地线异物的三大类目标的特点，分别测试了Cascade R-CNN、Faster R-CNN、FCOS三类边框回归方法对每一类隐患目标的识别性能，并以此确定三大类隐患目标的基准检测算法，在此基础上对每种算法进行了针对性优化，相比于传统的采用单一通用算法的输电线路通道隐患目标检测算法，各类隐患目标的识别准确率均与所提高。在保证目标检测精度的基础上，提高了检测速度、降低了硬件功耗。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.096 seconds)
