-
公开(公告)号：CN114114001A
公开(公告)日：2022-03-01
申请号：CN202111406414.0
申请日：2021-11-24
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司 , 西安高压电器研究院有限责任公司 , 中国电力科学研究院有限公司
IPC: G01R31/327
Abstract: 本发明涉及一种GIS设备隔离开关机械状态监测方法及系统，首先构建当前时刻每组振动信号的加权复杂网络，并对当前时刻每组振动信号的加权复杂网络进行图傅里叶变换，获得当前时刻每个加权复杂网络的频谱图，然后提取所有加权复杂网络的频谱图中的幅值，构成当前时刻的幅值矩阵，进而计算当前时刻的幅值矩阵的归一化奇异谱熵，最后根据归一化奇异谱熵的变化率诊断GIS设备隔离开关的机械状态是否发生了变化，实现GIS设备隔离开关机械状态的准确监测，有效识别GIS设备隔离开关初期故障隐患，从而对GIS设备隔离开关及时采取有效措施，提高其运行可靠性。
-
公开(公告)号：CN114112017A
公开(公告)日：2022-03-01
申请号：CN202111412589.2
申请日：2021-11-25
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司 , 西安高压电器研究院有限责任公司 , 中国电力科学研究院有限公司
IPC: G01H17/00
Abstract: 本发明提供了一种GIS隔离开关的振动信号提取方法及系统，其中，方法包括：对振动测量信号进行分段处理，得到转动段振动测量信号和冲击振动测量信号；利用转动段振动测量信号对稀疏神经网络进行训练，得到转动段振动信号特征提取模型；将冲击振动测量信号输入到转动段振动信号特征提取模型中，确定冲击振动测量信号中掺杂的掺杂转动段振动信号；根据掺杂转动段振动信号和冲击振动测量信号，确定GIS隔离开关动触头动作段的冲击振动信号。本发明通过对稀疏神经网络进行训练得到转动段振动信号特征提取模型，从而识别出冲击振动测量信号中掺杂的掺杂转动段振动信号，能够提高GIS隔离开关的振动信号的提取精度，进而提高GIS隔离开关机械缺陷诊断的准确性。
-
公开(公告)号：CN113933043A
公开(公告)日：2022-01-14
申请号：CN202111404622.7
申请日：2021-11-24
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司 , 西安高压电器研究院有限责任公司 , 中国电力科学研究院有限公司
Abstract: 本发明涉及一种基于行程曲线形态的隔离开关机械状态监测方法及系统，先采集GIS设备隔离开关分闸或者合闸过程中的本体行程曲线。然后对本体行程曲线进行内积变换，得到变换矩阵，基于拉格朗日算法迭代计算变换矩阵的基矩阵，并计算基矩阵的灰度共生矩阵。最后计算灰度共生矩阵的逆差矩，并根据逆差矩和历史逆差矩对GIS设备隔离开关的机械状态进行判别，进而通过对本体行程曲线进行分析以对GIS设备隔离开关的机械状态进行诊断，能够高效、准确的判定GIS设备隔离开关的机械状态是否发生变化，从而可对GIS设备隔离开关及时采取有效措施，提高其运行可靠性。
-
公开(公告)号：CN112115286A
公开(公告)日：2020-12-22
申请号：CN202010781668.X
申请日：2020-08-06
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司
IPC: G06F16/51 , G06F16/583 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明实施方式提供一种基于深度强化学习的机器人环境识别方法及系统，属于机器人的控制技术领域。所述方法包括：基于全局特征对所述机器人即时拍摄的视觉图像进行描述；基于深度强化学习算法在预设的数据库图像集中对所述视觉图像进行匹配以得到当前的环境识别结果。本发明提供的基于深度强化学习的机器人环境识别方法及系统通过采用全局特征对视觉图像进行描述，并基于深度强化学习算法在预设的数据库图像集中对视觉图像进行匹配，解决了现有技术中视觉描述子依赖设计者的先验概率的技术问题，提高了视觉环境识别的准确率。
-
公开(公告)号：CN118882680A
公开(公告)日：2024-11-01
申请号：CN202410916550.1
申请日：2024-07-09
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司
IPC: G01C21/34
Abstract: 本发明提供一种启发式的DWA局部路径规划改进方法，包括：采用A*算法在只考虑静态障碍物的情况下，计算全局路径；从当前机器人所在位置开始，截取一段全局路径进行线性插值，截取长度取决于DWA模拟时间长短；使用标准DWA生成多条局部路径，根据时间步长、模拟时间计算每条路径坐标点；计算步骤三生成的每条动态路径与步骤二截取的全局路径的二范数，作为局部路径与全局路径的贴合程度；将步骤四的贴合程度加入标准DWA的评价函数，选取最优路径。本发明在标准DWA算法动态路径规划的基础上，对标准DWA评价函数进行改进，使用截取并处理后的全局路径，作为局部路径规划的启发，使得机器人在狭窄环境需要180度掉头情况下，避免机器人运动震荡甚至规划失败。
-
Patent Agency Ranking
公开(公告)号：CN114552620B
公开(公告)日：2024-10-01
申请号：CN202210174514.3
申请日：2022-02-24
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司 , 安徽新力电业科技咨询有限责任公司
IPC: H02J3/36 , H02J3/06 , G06F30/20 , G06F113/04 , G06F111/04
Abstract: 一种考虑受端直流影响的线路参数误差允许范围定量方法，属于电力系统控制技术领域，解决电网线路参数误差对状态估计影响的研究集中于交流系统，未考虑线路参数误差对受端特高压直流输电线路的影响，未给出线路参数误差允许范围的问题；包括获取获取含UHVDC的交直流系统原始参数，计算交直流系统潮流，求解各节点电压相角、幅值以及UHVDC线路相关参数；计算节点导纳矩阵各元素对线路参数的偏导；根据交直流系统节点约束方程和潮流计算结果，求解灵敏度系数矩阵；计算UHVDC线路部分参数对线路参数的灵敏度；通过UHVDC部分参数的允许变化范围量化线路参数误差允许变化范围，考虑了受端直流对线路参数的影响，所得到的线路参数误差允许范围准确度更高。
-
公开(公告)号：CN114112017B
公开(公告)日：2024-06-25
申请号：CN202111412589.2
申请日：2021-11-25
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司 , 西安高压电器研究院有限责任公司 , 中国电力科学研究院有限公司
IPC: G01H17/00
Abstract: 本发明提供了一种GIS隔离开关的振动信号提取方法及系统，其中，方法包括：对振动测量信号进行分段处理，得到转动段振动测量信号和冲击振动测量信号；利用转动段振动测量信号对稀疏神经网络进行训练，得到转动段振动信号特征提取模型；将冲击振动测量信号输入到转动段振动信号特征提取模型中，确定冲击振动测量信号中掺杂的掺杂转动段振动信号；根据掺杂转动段振动信号和冲击振动测量信号，确定GIS隔离开关动触头动作段的冲击振动信号。本发明通过对稀疏神经网络进行训练得到转动段振动信号特征提取模型，从而识别出冲击振动测量信号中掺杂的掺杂转动段振动信号，能够提高GIS隔离开关的振动信号的提取精度，进而提高GIS隔离开关机械缺陷诊断的准确性。
-
公开(公告)号：CN115900816B
公开(公告)日：2024-05-10
申请号：CN202211300112.X
申请日：2022-10-24
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司
Abstract: 本发明公开了一种基于多源异构数据的高压开关柜缺陷预测方法，包括同步获取围绕开关的温度信号、局放信号和开关动作机械信号，三种信号分别带有时序时间戳，对三种信号采用Z‑score标准化处理形成具有各自属性的三种标准化数据，将三种标准化数据输入具有二阶注意力的神经网络模型得到高压开关柜缺陷预测；其中：所述模型顺序分为神经网络处理阶段、二阶注意力处理阶段和多任务分类处理阶段；本方法通过获取的多源异构数据，对不同数据源的信息，通过属性、时间双维度的特征融合模型，提高特征的全局鲁棒性，最终实现高可靠性、实时的高压开关柜的缺陷类别预测。
-
公开(公告)号：CN116244279A
公开(公告)日：2023-06-09
申请号：CN202211634215.X
申请日：2022-12-19
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司
IPC: G06F16/215 , H04W84/18 , G06F16/2458 , G06F16/28 , G06N3/08
Abstract: 本发明提供一种基于因果图注意力机制的高压开关柜缺陷预测方法和系统，包括：数据收集及存储；数据归一化；利用因果发现算法挖掘组部件传感器网络的相互作用关系和因果关系，得到高压开关柜组部件传感器网络结构；根据含有因果关系的组部件传感器网络，利用因果图注意力网络学习不同组部件之间的关联关系强度。本发明提供的应用于智能高压开关柜的缺陷预测方法，根据上述给定的组部件传感器网络，通过采用因果图注意力机制神经网络，自动学习高压开关柜组部件间的关联强度，实现组部件间的有效信息交互，建模组部件传感器网络复杂的相互作用关系，显著提升高压开关柜缺陷预测准确度。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.109 seconds)
