-
公开(公告)号：CN118246799A
公开(公告)日：2024-06-25
申请号：CN202410341289.7
申请日：2024-03-25
Applicant: 上海交通大学 , 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 国网新疆电力有限公司电力科学研究院
Inventor： 孙炜昊 , 付慧 , 路永玲 , 王真 , 刘征宇 , 朱雪琼 , 许永鹏 , 李泽 , 钱庆林 , 臧奕茗 , 钱勇 , 刘亚东 , 盛戈皞 , 江秀臣 , 公多虎 , 地尼亚尔
IPC: G06Q10/0639 , H02B1/24 , H02B13/065 , H02J13/00 , G01D21/02 , G06Q50/06 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种GIS状态预测和故障预警方法及系统、存储介质，应用于电力设备监测技术领域。包括：获取外部环境数据集和内部状态数据集，并对数据集进行归一化处理；建立神经网络预测模型并采用混沌博弈算法进行权值优化；训练基于混沌博弈算法优化的神经网络；构建状态预警模型，计算窗口时间段内预测的残差，并采用统计学拟合方法设置残差绝对值的预警阈值；提取预警之后的状态数据作为精确故障预测的数据集，对Stacking融合算法第一层基学习器进行训练，输出预测结果；将预测结果作为新数据集并作为第二层元学习器的输入进行训练，输出最终的精确预测结果。本发明获得最优的预测结果，有效提高了故障预测精度。
-
公开(公告)号：CN118246599A
公开(公告)日：2024-06-25
申请号：CN202410360073.5
申请日：2024-03-27
Applicant: 上海交通大学 , 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 国网新疆电力有限公司电力科学研究院
Inventor： 孙炜昊 , 付慧 , 路永玲 , 王真 , 刘征宇 , 朱雪琼 , 许永鹏 , 李泽 , 钱庆林 , 臧奕茗 , 钱勇 , 刘亚东 , 盛戈皞 , 江秀臣 , 公多虎 , 地尼亚尔
IPC: G06Q10/04 , G06Q10/0635 , G06Q50/06 , G06N3/006 , G06N20/00
Abstract: 本发明公开了一种气体绝缘全封闭组合电器设备风险评估方法、系统及介质和设备，涉及设备风险评估技术领域。具体包括：针对于GIS设备，通过采集GIS输入检测量对其进行分析引入核主成分分析处理方法，提取贡献率较大的成分，随后通过鲸鱼智能优化算法优化核极限学习机对设备风险进行模型组合预测。本发明相较于以往的设备评估方法，在减少计算量的同时提高了模型评估的泛化性能，同时在数据提取方面，减少了噪声和剔除不相关因素情况，该技术有着较强的应用前景，为GIS设备风险评估方法提供了现实的理论依据。
-
公开(公告)号：CN117332268A
公开(公告)日：2024-01-02
申请号：CN202311291699.7
申请日：2023-10-08
Applicant: 上海交通大学 , 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司
IPC: G06F18/214 , G06F18/25 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06N3/045 , G06N3/0442 , G06F18/213 , G06F18/24
Abstract: 本发明公开了一种改进GAN的GIS局放数据增强方法及系统，属于GIS局部放电检测技术领域，包括采用NSCT算法将特高频、光学图谱融合，得到光电融合图谱作为原始数据集；融合VAE与GAN网络结构，引入平滑性能更优的Wasserstein距离以及梯度惩罚机制，改善网络的损失函数、增强VAE‑GAN模型的稳定性与样本生成能力；在VAE‑GAN网络中加入自注意力机制，调节尺度参数的大小，使得网络对重要信息的关注度达到最优；使用训练好的自注意力VAE‑GAN模型数据，采用KAZE与极坐标分布熵的特征提取方法，代入LSTM网络进行局部放电故障诊断，诊断平均准确率较高，且诊断结果具有良好的鲁棒性。
-
公开(公告)号：CN117310412B
公开(公告)日：2024-08-13
申请号：CN202311291704.4
申请日：2023-10-08
Applicant: 上海交通大学 , 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司
IPC: G01R31/12 , G06F18/27 , G06N3/0464
Abstract: 本发明公开了一种基于声光电联合信号的局部放电定位方法及系统，涉及电力设备绝缘缺陷故障诊断技术领域，包括对局部放电信号进行声光电信号联合采集；根据声光电信号构建局部放电声光电信号指纹库；对GRNN网络采用Parzen窗模拟概率分布函数以及采用Holdout方法优化GRNN网络的平滑因子得到局部放电定位模型；通过局部放电声光电信号指纹库对局部放电定位模型进行迭代训练，获得最优局部放电定位模型；将实时数据输入至最优局部放电定位模型中获取放电源坐标。本发明融合三种传感器的信息，实现更精确的局部放电定位，基于声光电多信号信息融合的局部放电定位技术，提高了定位的可靠性。
-
公开(公告)号：CN117310412A
公开(公告)日：2023-12-29
申请号：CN202311291704.4
申请日：2023-10-08
Applicant: 上海交通大学 , 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司
IPC: G01R31/12 , G06F18/27 , G06N3/0464
Abstract: 本发明公开了一种基于声光电联合信号的局部放电定位方法及系统，涉及电力设备绝缘缺陷故障诊断技术领域，包括对局部放电信号进行声光电信号联合采集；根据声光电信号构建局部放电声光电信号指纹库；对GRNN网络采用Parzen窗模拟概率分布函数以及采用Holdout方法优化GRNN网络的平滑因子得到局部放电定位模型；通过局部放电声光电信号指纹库对局部放电定位模型进行迭代训练，获得最优局部放电定位模型；将实时数据输入至最优局部放电定位模型中获取放电源坐标。本发明融合三种传感器的信息，实现更精确的局部放电定位，基于声光电多信号信息融合的局部放电定位技术，提高了定位的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN116882567A
公开(公告)日：2023-10-13
申请号：CN202310842534.8
申请日：2023-07-11
Applicant: 国网江苏省电力有限公司电力科学研究院 , 上海交通大学
Abstract: 本发明提供了一种基于关联置信度的输电线路运行状态预测方法，其包括步骤：采集若干项输电线路运行状态参量的历史数据；基于历史数据，构建各输电线路运行状态参量之间的关联关系网络；基于关联关系网络计算关联关系置信度，以获得具有强关联关系的输电线路运行状态参量以及具有强关联关系的输电线路运行状态参量的置信度矩阵；将具有强关联关系的输电线路运行状态参量的历史数据输入神经网络，并且以置信度矩阵作为神经网络的初始化参数，对所述神经网络进行训练，以使所述神经网络输出对输电线路运行状态的预测。相应地，本发明还提供了一种基于关联置信度的输电线路运行状态预测系统。本发明可以提高对输电线路运行状态预测的准确性。
-
公开(公告)号：CN110309865A
公开(公告)日：2019-10-08
申请号：CN201910530052.2
申请日：2019-06-19
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明涉及一种无人机巡视输电线路销钉缺陷分级图像识别方法，包括：S0、利用巡视采集图像对区域推荐卷积神经网络和SVM分类器进行预训练；S1、巡视采集图像送入区域推荐卷积神经网络；S2、利用区域推荐卷积神经网络对销钉进行定位，输出销钉定位矩形框图像；S3、对销钉定位矩形框图像上采样并作灰度化处理；S4、提取步骤S3处理后图像的SIFT特征；S5、对图像SIFT特征采用K-means算法聚类并制作成词袋模型；S6、词袋模型送入SVM分类器判断销钉是否存在缺陷。有益效果是简化了输电线路巡检人员的工作量，提高了输电线路销钉缺陷的检出率。
-
公开(公告)号：CN110516551B
公开(公告)日：2023-04-07
申请号：CN201910686677.8
申请日：2019-07-29
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G06V20/17 , G06V10/25 , G06V10/774 , G05D1/12
Abstract: 本发明提供了一种基于视觉的巡线位置偏移识别系统，包括：特征提取网络、电力线识别模块、电力塔架及部件识别模块；各个部分相互配合，在无人机巡线时实时执行当前位置识别，并在无人机偏离巡线目标时发出信号。特征提取网络负责提取图像的各级特征，用于后续的识别工作。电力线识别模块在训练时仅需类别标签，大大降低了样本标注的工作量。电力塔架及部件识别模块基于目标检测算法，在电力线识别模块识别到电力线形状变化时开始识别此处的部件类型，根据识别框的大小及位置确定无人机当前位置是否偏移。同时提供了一种识别方法和无人机。本发明实现了对巡线无人机的位置识别，并在位置偏移时发出信号，可用于辅助操控或无人机自动巡线等工作。
-
公开(公告)号：CN110334948A
公开(公告)日：2019-10-15
申请号：CN201910602681.1
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
公开(公告)号：CN110334865A
公开(公告)日：2019-10-15
申请号：CN201910602682.6
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法，其包括训练步骤和预测步骤，其中，训练步骤包括：(1)收集电力设备的案例PRPS图谱；(2)对收集的案例PRPS图谱数据进行预处理；(3)构建第一卷积神经网络模块，并对第一卷积神经网络模块进行训练，以使其输出为案例PRPS图谱数据对应的缺陷类型；(4)基于缺陷类型构建各个缺陷类型的数据集；(5)对应各个缺陷类型分别构建各自的故障二分类子模块，其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建；训练第二卷积神经网络，以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值，而输出电力设备是否发生故障的判断。
-
-
-
-
-
-
-
-
-
Search Results
434
records
(took 0.1 seconds)
