-
公开(公告)号：CN116610911B
公开(公告)日：2023-09-19
申请号：CN202310884271.7
申请日：2023-07-19
申请人： 南昌工程学院 , 江西博微新技术有限公司
摘要： 本发明属于数据修复领域，公开了一种基于贝叶斯高斯张量分解模型的用电数据修复方法及系统，收集天气、节假日、星期类型和用电量数据，构建成天气因子、节假日因子和星期因子，根据天气因子、节假日因子和星期因子构建相似度目标函数；使用野马优化算法对相似度目标函数进行寻优，在历史日中查找到与修复日相似度最高的M个相似日；以相似度最高的M个相似日的用电量数据构成三阶张量，将三阶张量输入到贝叶斯高斯张量分解模型中进行数据修复。本发明采用改进的野马优化算法选择相似日，输入贝叶斯高斯张量分解模型中对残缺数据进行修复，提升了修复准确率，以提高数据质量，达到提升预测等行为的精确性。
-
公开(公告)号：CN116526478B
公开(公告)日：2023-09-19
申请号：CN202310800611.3
申请日：2023-07-03
申请人： 南昌工程学院
IPC分类号： H02J3/00 , H02J3/38 , G06F18/243 , G06F18/214 , G06N3/006 , G06N7/08 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了基于改进的蛇群优化算法的短期风电功率预测方法及系统，利用四分位法对风电场异常数据清洗并插补，建立极致梯度提升树分类模型并且利用改进的蛇群优化算法优化极致梯度提升树，对极致梯度提升树分类模型进行训练和测试，并且划分天气类型，根据分类结果构建不同天气下的多维特征矩阵，构建自适应预测模型并且预测转折性天气下的风电功率。本发明使用改进的蛇群优化算法对极致梯度提升树的学习率、树深度、最佳树的个数这三个参数进行优化可以提高极致梯度提升树分类模型的准确率，进而提高自适应预测模型的准确率，解决现有风电功率预测方案在转折性天气时段存在较大误差的问题。
-
公开(公告)号：CN116705065A
公开(公告)日：2023-09-05
申请号：CN202310692879.X
申请日：2023-06-12
申请人： 南昌工程学院
摘要： 本发明公开了一种基于LSTM‑BHPSO的变电站声纹故障诊断方法，采集变电站声纹信号，并使用MFCC进行特征提取，得到特征数据集，将特征数据集分为训练集和测试集；构建基于LSTM网络的变电站声纹故障诊断模型；将MFCC提取的特征点数量、批处理样本数、网络层个数、隐含层与全连接层的个数作为粒子的位置使用BHPSO算法进行迭代寻优得到最优初始参数，将最优初始参数输入基于LSTM网络的变电站声纹故障诊断模型；使用训练好的基于LSTM网络的变电站声纹故障诊断模型进行变电站声纹故障诊断。本发明具有较好的处理效率，可以避免局部最优，有利于获得准确的故障诊断结果。
-
公开(公告)号：CN116184141B
公开(公告)日：2023-08-29
申请号：CN202310450336.7
申请日：2023-04-25
申请人： 南昌工程学院
IPC分类号： G01R31/12 , G06F18/213 , G06F18/2411
摘要： 本发明公开一种气体绝缘设备故障诊断方法及系统，方法包括：根据GIS设备的声压信号中各个声压片段的频谱构建关于时间矩的Hankel矩阵；替换Hankel矩阵中第(1×1)和(k×k)个元素，并从Hankel矩阵的元素开始的其余元素都放在同一列，选择前n个独立行和前n个独立列，得到修正Hankel矩阵；计算关于时间矩的修正Hankel均矩阵，并对修正Hankel均矩阵进行特征向量变换，得到修正Hankel矩阵的特征值以及特征向量；根据特征值以及GIS设备的声压信号的实际特征值计算随机鞅；若随机鞅大于故障阈值，则基于熵值法确定修正Hankel均矩阵各分量的权重系数。通过故障特征向量学习与精准提取，有效提升了故障检测准确度。
-
公开(公告)号：CN116125235A
公开(公告)日：2023-05-16
申请号：CN202310399312.3
申请日：2023-04-14
申请人： 南昌工程学院 , 中国电力科学研究院有限公司
IPC分类号： G01R31/12 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/2411 , G06N20/10 , G06N3/006
摘要： 本发明属于电力设备故障分析技术领域，公开了一种基于超声信号的GIS局部放电故障诊断方法，将GIS局部放电超声信号用基于广义S变换的瞬态提取变换的时频分析方法变换成反映某一频率在不同时间上变化的瞬时提取广义S变换时频谱，构建瞬时提取广义S变换时频谱数据集；通过局部线性嵌入算法对瞬时提取广义S变换时频谱数据集进行降维，得到低维特征数据集；利用改进的蝴蝶算法对LSSVM的超参进行优化，以所得的低维特征数据集为基础，构造PODSBOA‑LSSVM故障诊断模型，对未知的GIS局部放电超声信号进行诊断。本发明采用群延迟提取瞬时提取广义S变换时频谱，去除了干扰信号，增强了识别精度。
-
公开(公告)号：CN115902508A
公开(公告)日：2023-04-04
申请号：CN202211348268.5
申请日：2022-10-31
申请人： 国网吉林省电力有限公司电力科学研究院 , 南昌工程学院
摘要： 本发明涉及一种基于语义分割与拓扑重构的电力设备过热故障快速定位方法。将电力设备按类别标注后，使用连通区域分析实现电力设备的同相识别，计算并判断三相各类电力设备的面积及横坐标是否皆成等差数列，如皆成等差数列，根据将各类电力设备中面积最大相、横坐标最小或最大相，推断出同相的各类电力设备，形成局部电气拓扑图，局部电气拓扑图与变电站主接线图对比，核验局部电气拓扑图中各类电力设备的同相连接关系是否正确；从而实现了电力设备的连接关系拓扑重构，并基于局部电气拓扑图与变电站主接线图实现故障定位。本发明可快速实现同相设备的故障关联与推算，为故障诊断提供预诊依据，便于快速故障定位。
-
公开(公告)号：CN115687952A
公开(公告)日：2023-02-03
申请号：CN202310000630.8
申请日：2023-01-03
申请人： 南昌工程学院
摘要： 发明公开了一种基于黎曼流形聚类的配电网线变关系辨识方法及装置，该方法将电压时间序列划分为多个电压时间子序列，每个电压时间子序列的所有点的特征向量组成电压时间子序列的特征矩阵；电压时间序列之间的距离由电压时间子序列之间的平均距离计算；以不同配变的电压时间序列的特征矩阵作为数据集进行黎曼流形聚类；通过对聚类结果的分析以实现错误配变的检测。本发明使用了大数据挖掘中的思想，有效解决了传统辨识方法中存在的校核阈值难以确定以及多特征量校核时的特征量选取困难的问题。
-
公开(公告)号：CN115407157A
公开(公告)日：2022-11-29
申请号：CN202211347743.7
申请日：2022-10-31
申请人： 南昌工程学院 , 江西派源科技有限公司
IPC分类号： G01R31/00
摘要： 本发明属于家用电器控制技术领域，涉及一种复杂多态电器负荷事件判别方法及装置，该方法获取原始电路的瞬时电流,并计算瞬时电流有效值；根据瞬时电流有效值计算电流波形变化率确定为负荷事件发生的时间节点；由负荷事件发生的时间节点提取一个周期或数个周期的稳态电流波形；经Savitzky‑Golay滤波和离散小波变换后，使用皮尔逊相关系数来计算负荷事件发生的时间节点前、后的经Savitzky‑Golay滤波和离散小波变换后的电流瞬时值的相关性，根据皮尔逊相关系数判别负荷事件是电器投切负荷事件还是多态电器工作模式转换负荷事件。本发明通过电流瞬时值的相关性实现了负荷事件类型判别。
-
公开(公告)号：CN114897451B
公开(公告)日：2022-09-13
申请号：CN202210821750.X
申请日：2022-07-13
申请人： 南昌工程学院
摘要： 本发明属于电力数据处理技术领域，涉及一种考虑需求响应用户关键特征的双层聚类修正方法及装置，该方法包括：获取用户用电数据集并进行降维处理；利用集成聚类算法整合各成员算法的优势，对用户用电数据集进行第一层聚类分析；获取关键家庭特征因素；以第一层聚类分析和关键家庭特征因素为基础对属于同一类的用户群体进行第二层聚类分析；采用Levy飞行策略和蝴蝶耦合灰狼优化算法进行训练，修正第二层聚类分析结果，得到考虑用户用电信息和多维影响因素的聚类分析结果。本发明可得到综合考虑用户用电数据和多维影响因素的聚类分析结果，可以精准区分不同用户用电特性。
-
公开(公告)号：CN114640117B
公开(公告)日：2022-07-29
申请号：CN202210507681.5
申请日：2022-05-11
申请人： 南昌工程学院
摘要： 本发明属于输配电技术领域，公开了一种基于电压时间序列的台区三相不平衡评估方法，采集低压台区电压时间序列数据；计算初步三相电压不平衡度矩阵；提取台区特征值矩阵；使用OPTICS聚类方法对台区特征值矩阵进行聚类处理；对聚类处理得到的有序决策表设定初始邻域阈值，并用戴维森堡丁指数和轮廓系数评估以确定邻域阈值的最优值；根据最优邻域阈值对有序决策表进行台区划分，低于最优邻域阈值的台区为三相平衡台区，高于最优邻域阈值的台区为三相不平衡台区。本发明解决了低压台区仅能采集到电压幅值而不能采集电压相位时的台区三相不平衡计算问题。
-
-
-
-
-
-
-
-
-
搜索结果
102 条记录 (耗时 0.085 秒)
