-
公开(公告)号:CN117349786A
公开(公告)日:2024-01-05
申请号:CN202311166171.7
申请日:2023-09-11
申请人: 国网湖北省电力有限公司宜昌供电公司 , 三峡大学
IPC分类号: G06F18/25 , G06F18/214 , G06F18/23213 , G06F18/2411 , G06F18/243 , G06N5/01 , G06N20/20 , G01R31/62 , G01R31/00
摘要: 本发明提供一种基于数据均衡的证据融合变压器故障诊断方法,包括如下步骤:步骤一、收集在线监测的油浸式变压器油中溶解气体含量数据,将带有状态标签的特征气体含量数据集划分训练集和测试集;步骤二、确定原始数据集中的小样本集,通过RO‑BSMOTE均衡规则对小样本数据集扩充;步骤三、分别构建多分类模型,均衡后的数据集及故障标签作为模型训练集;训练完成后,测试集输入分类模型,经PCR5规则的融合模型融合输出,得出诊断结果;步骤四、选择分类任务评价指标,实现对模型性能的综合评价。该方法对DGA数据均衡化处理,增强少数类数据携带的特征关系,考虑单结构分类模型的不足,引入证据融合理论,实现多分类器融合判别,以提高故障诊断精度。
-
公开(公告)号:CN117972556A
公开(公告)日:2024-05-03
申请号:CN202311813977.0
申请日:2023-12-26
申请人: 三峡大学 , 国网湖北省电力有限公司宜昌供电公司
IPC分类号: G06F18/2415 , G06F18/243 , G06F18/2431 , G06N20/00
摘要: 本发明公开了一种基于过采样的变压器故障诊断方法,该方法基于SMOTE均衡油中溶解特征气体数据,灰狼算法优化随机森林分类器超参数实现变压器故障诊断。针对实际运行工况下变压器正常运行样本较少,不利于随机森林分类器提取少数类样本特征的问题,采本发明采用合成少数类过采样算法均衡数据集,增强原始数据中少数类样本的特征信息;考虑到随机森林参数选取对分类结果影响较大,采用灰狼算法优化随机森林的超参数,增强随机森林对非线性故障特征提取能力,提高故障诊断模型诊断精度。
-
公开(公告)号:CN117894389A
公开(公告)日:2024-04-16
申请号:CN202311694739.2
申请日:2023-12-08
申请人: 三峡大学 , 国网湖北省电力有限公司宜昌供电公司
IPC分类号: G16C20/30 , G16C20/70 , G06N3/0442 , G06N3/08
摘要: 本发明提供一种基于SSA优化VMD和LSTM的变压器油中溶解气体浓度数据预测方法,包括如下步骤:S1、利用SSA算法优化VMD模型的分解模态个数K和惩罚参数ɑ;S2、用优化后的VMD模型将监测到的变压器油中气体溶解浓度数据分解为多个子序列;S3、利用SSA算法优化LSTM模型隐藏层神经元个数、迭代次数和学习率参数;S4、对各子序列用优化后的LSTM模型进行预测,叠加得到数值预测结果并评价;S5、构建各时刻预测结果集合,计算各集合自适应最优窗宽,根据最优窗宽和高斯核函数拟合KDE的变压器油中气体溶解浓度预测区间。该方法基于麻雀搜索算法优化变分模态分解参数对监测数据进行模态分解,并用SSA对长短时记忆网络模型进行优化,能够提高预测精度。
-
公开(公告)号:CN117408299A
公开(公告)日:2024-01-16
申请号:CN202311158819.6
申请日:2023-09-08
申请人: 国网湖北省电力有限公司宜昌供电公司 , 三峡大学
IPC分类号: G06N3/0442 , G06N3/045 , G06N3/0985 , G06N3/006 , G01N30/00
摘要: 本发明提供一种基于深度学习的变压器油中溶解气体浓度预测方法,包括如下步骤:S1、在线监测系统对变压器油中溶解气体浓度进行监测,将各油中溶解气体浓度时间序列送入CEEMDAN分解模型进行模态分解;S2、将分解得到的各子序列输入DBO‑BiLSTM模型进行点预测;S3、将各子序列预测结果进行叠加拟合得到油中溶解气体浓度点预测结果并评价;S4、将拟合的点预测结果与原始序列相比较,得到的点预测误差序列;S5、选择点预测误差序列重复抽样次数,拟合不同置信度下的误差置信区间,结合点预测结果,得到不同置信水平下区间预测结果并评价。该方法在提高点预测精度的同时,考虑点预测模型误差生成不同置信度下的区间预测,提高预测的准确度。
-
公开(公告)号:CN117349786B
公开(公告)日:2024-08-09
申请号:CN202311166171.7
申请日:2023-09-11
申请人: 国网湖北省电力有限公司宜昌供电公司 , 三峡大学
IPC分类号: G06F18/25 , G06F18/214 , G06F18/23213 , G06F18/2411 , G06F18/243 , G06N5/01 , G06N20/20 , G01R31/62 , G01R31/00
摘要: 本发明提供一种基于数据均衡的证据融合变压器故障诊断方法,包括如下步骤:步骤一、收集在线监测的油浸式变压器油中溶解气体含量数据,将带有状态标签的特征气体含量数据集划分训练集和测试集;步骤二、确定原始数据集中的小样本集,通过RO‑BSMOTE均衡规则对小样本数据集扩充;步骤三、分别构建多分类模型,均衡后的数据集及故障标签作为模型训练集;训练完成后,测试集输入分类模型,经PCR5规则的融合模型融合输出,得出诊断结果;步骤四、选择分类任务评价指标,实现对模型性能的综合评价。该方法对DGA数据均衡化处理,增强少数类数据携带的特征关系,考虑单结构分类模型的不足,引入证据融合理论,实现多分类器融合判别,以提高故障诊断精度。
-
公开(公告)号:CN117829138A
公开(公告)日:2024-04-05
申请号:CN202311634610.2
申请日:2023-11-29
申请人: 三峡大学 , 国网湖北省电力有限公司宜昌供电公司
IPC分类号: G06F40/279 , G06F40/30 , G06F16/31 , G06F16/35 , G06N3/0442 , G06N3/045 , G06N3/0499 , G06N7/01 , G06N5/022 , G06Q10/20 , G06Q50/06
摘要: 本发明公开了一种基于深度学习的电力缺陷实体识别方法,通过提出融合基于全词掩码的预训练模型BERT与注意力机制的电力缺陷文本识别模型,通过BERT‑WWM模型生成上下文信息丰富的词向量表示,之后通过BiLSTM层和Attention层对这些词向量进行处理,最后利用CRF层进行序列标注;本方案解决了现有技术模型对电力专业文本及关键词和上下文理解能力较弱,需要手动构建词典,需要大量专业知识,依赖人工手动添加的问题,可以有效避免因字级别的遮罩而导致的模型学习偏差,提高处理复杂电力专业词汇时模型理解能力,并捕获各电力实体间复杂的依赖关系。
-
公开(公告)号:CN114421613B
公开(公告)日:2023-11-14
申请号:CN202111601830.6
申请日:2021-12-24
申请人: 国网湖北省电力有限公司宜昌供电公司
IPC分类号: H02J13/00 , G06V20/52 , G06V10/25 , G06V10/422 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
摘要: 变电站二次保护设备运行状态判断与处理方法,包括以下步骤:建立关于指示灯、压板、空开的分类器,采集分类器数据样本并标识,计算并提取各个分类器的特征值;获取变电站保护装置的定点图片,截取候选识别区域,通过计算提取候选区域特征值,得到候选识别区域的置信度,剔除置信度较低的区域,输出变电站保护装置上指示灯、压板、空开结果。根据输出的指示灯、压板、空开结果,判断线路运行模式,从而判断压板是否投退正常,输出结果并上传至主站。本发明方法能够实现巡检后自动生成巡检结果,提取保护装置的异常信息,有效降低了巡检的劳动强度、降低了失误率,实现变电站保护装置的智能化监控。
-
公开(公告)号:CN114421613A
公开(公告)日:2022-04-29
申请号:CN202111601830.6
申请日:2021-12-24
申请人: 国网湖北省电力有限公司宜昌供电公司
摘要: 变电站二次保护设备运行状态判断与处理方法,包括以下步骤:建立关于指示灯、压板、空开的分类器,采集分类器数据样本并标识,计算并提取各个分类器的特征值;获取变电站保护装置的定点图片,截取候选识别区域,通过计算提取候选区域特征值,得到候选识别区域的置信度,剔除置信度较低的区域,输出变电站保护装置上指示灯、压板、空开结果。根据输出的指示灯、压板、空开结果,判断线路运行模式,从而判断压板是否投退正常,输出结果并上传至主站。本发明方法能够实现巡检后自动生成巡检结果,提取保护装置的异常信息,有效降低了巡检的劳动强度、降低了失误率,实现变电站保护装置的智能化监控。
-
公开(公告)号:CN111967622A
公开(公告)日:2020-11-20
申请号:CN202010789783.1
申请日:2020-08-07
摘要: 本发明涉及变电站设备检修领域。一种变电二次运检专业化信息管理系统,包括服务器和终端设备,终端设备包括电脑终端和移动终端;其特征在于服务器包括内网服务器数据存储模块和内网服务器逻辑处理模块;所述内网服务器数据存储模块用于存储变电站设备信息和用户信息,所述内网服务器逻辑处理模块至少包括用户管理子模块、装置管理子模块和台账子模块,所述台账子模块中变电站设备数据以树形结构展示给用户,用户通过终端设备进行数据的查询、添加或删除,并对添加数据进行归类排序。实现资料和记录的统一化、无纸化、信息化,提升了检修的效率,提高了设备信息的共享能力,保障电力系统的稳定运行。
-
公开(公告)号:CN115270857A
公开(公告)日:2022-11-01
申请号:CN202210794801.4
申请日:2022-07-07
申请人: 国网湖北省电力有限公司宜昌供电公司
摘要: 基于数据融合的变电站故障诊断方法,包括以下步骤:获取故障信号,包括电气设备振动信号、电气设备声波信号;通过HHT对电气设备故障信号进行分析,并提取故障的特征;构建基于RBF神经网络的动态网络结构在线训练算法;基于HHT与RBF神经网络的初步故障诊断;基于D‑S证据理论数据融合,得到故障诊断结果。该方法实用简单,能快速有效的对变电站电气设备进行故障诊断,保证故障诊断的计算效率和精度,且利用神经网络与证据理论的结合,能够有效地提高了诊断系统对故障类型的分类识别能力,并减小因为保护及开关的误动、拒动和因信道干扰造成的信息缺失等的影响。
-
-
-
-
-
-
-
-
-