-
公开(公告)号：CN102353877B
公开(公告)日：2013-12-18
申请号：CN201110157180.0
申请日：2011-06-10
IPC: G01R31/12
Abstract: 本发明提供一种可实现PRPD与TRPD图谱的局部放电检测方法，用于高压电力设备绝缘监测与诊断。其特点是该方法基于数字存储式示波器和计算机及在其上运行的虚拟仪器数据处理模块能够对多种电力设备的局部放电信号进行检测，检测模式包括面向PRPD局部放电图谱的峰值检测模式和面向TRPD局部放电图谱的快速帧分段存储模式，其能够将检测结果通过上述两种局部放电图谱显示在计算机显示器上，便于对局部放电检测结果进行分析。
-
公开(公告)号：CN102435922A
公开(公告)日：2012-05-02
申请号：CN201110330042.8
申请日：2011-10-26
IPC: G01R31/12
CPC classification number: G06F8/34
Abstract: 一种GIS局部放电声电联合检测系统和定位方法，本系统将高速采集装置、低速采集装置集成于一体，通过局部放电脉冲信号本身作为触发源，同步触发信号的高速采集和低速采集，以实现对GIS局部放电的超高频信号、高频电流信号和超声波信号的同步电声联合检测。本发明通过对超高频信号、高频电流信号和超声波信号三种信号的综合分析，可有效排除现场干扰，提高局部放电检测的准确性。通过计算所检测的局部放电超高频脉冲信号与超声波脉冲信号本身或两者之间的时差可实现对局部放电源的精确定位。
-
公开(公告)号：CN102353877A
公开(公告)日：2012-02-15
申请号：CN201110157180.0
申请日：2011-06-10
IPC: G01R31/12
Abstract: 本发明提供一种可实现PRPD与TRPD图谱的局部放电检测方法，用于高压电力设备绝缘监测与诊断。其特点是该方法基于数字存储式示波器和计算机及在其上运行的虚拟仪器数据处理模块能够对多种电力设备的局部放电信号进行检测，检测模式包括面向PRPD局部放电图谱的峰值检测模式和面向TRPD局部放电图谱的快速帧分段存储模式，其能够将检测结果通过上述两种局部放电图谱显示在计算机显示器上，便于对局部放电检测结果进行分析。
-
公开(公告)号：CN102262204A
公开(公告)日：2011-11-30
申请号：CN201110156521.2
申请日：2011-06-10
IPC: G01R31/12
Abstract: 本发明提供一种可用于PRPD与TRPD检测的局部放电检测系统，用于高压电力设备绝缘监测与诊断。该装置包括信号耦合单元、数据采集装置和数据处理及显示单元，其特点是所述信号耦合单元是根据测量要求选择的任意现有的耦合单元，所述数据采集装置是数字存储示波器，所述数据处理及显示单元是计算机及运行在其上的虚拟仪器数据处理模块。本发明可根据需要改变数据采样率，运行于PRPD和TRPD两种测量模式，实现同一检测系统对多种局部放电检测方法的单个应用或者联合应用，同一检测系统对多种电力设备局部放电的检测。
-
公开(公告)号：CN202433482U
公开(公告)日：2012-09-12
申请号：CN201120414016.9
申请日：2011-10-26
IPC: G01R31/12
Abstract: 一种便携式GIS局部放电声电联合检测装置，本装置硬件包括超高速数据处理模块、低速数据处理模块和控制分析模块，超高速数据处理模块包括超高频信号处理电路、高频电流处理电路，低速数据处理模块包括超声信号处理电路和工频信号处理电路。本实用新型通过对GIS局部放电的超高频信号、高频电流信号和超声波信号进行同步检测，可实现对局部放电源的精确定位，具有抗现场干扰能力强，局部放电检测的准确性高，测量简便效率高的特点。
-
Patent Agency Ranking
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：CN110334612A
公开(公告)日：2019-10-15
申请号：CN201910529984.5
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: 本发明涉及具有自学习能力的电力巡检图像目标检测方法，包括：将含有目标对象的图片样本、目标对象位置标注文件送入Context CNN，训练Context模型；基于Context模型对输入的背景图片、扩充的目标对象图片进行图像融合处理得到扩充的图片样本及目标对象位置标注文件；基于送入Faster R-CNN的图片样本、位置标注文件训练目标检测模型1、目标检测模型2；Faster R-CNN基于目标检测模型1、和/或目标检测模型2输出采集的图片样本中是、否含有目标对象的检测结果。有益效果是克服电力行业应用图像识别技术存在的训练数据集不足的情况，在使用过程中自动提升识别性能。
-
公开(公告)号：CN110503135A
公开(公告)日：2019-11-26
申请号：CN201910698625.2
申请日：2019-07-31
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G06K9/62
Abstract: 本发明提供了一种用于电力设备边缘侧识别的深度学习模型压缩方法，通过直接修改已训练完成的深度学习模型，实现相关识别模型的压缩和加速，包括：批量归一化层融合：将批量归一化层与其之前的卷积层进行融合；针对全连接层的奇异值分解：基于矩阵的奇异值分解算法，在全连接层之前加入中间层，对全连接层的参数进行压缩；模型权重的量化：采用权值共享方法，根据深度学习模型的冗余性，对参数进行量化转换。各步骤既可独立使用，也可相互配合工作。同时提供了一种压缩系统。本发明实现对已训练完成的深度学习模型的压缩和加速，在当前电力公司积极推进泛在电力物联网的环境下，有着广泛的应用前景。
-
公开(公告)号：CN110503135B
公开(公告)日：2023-04-25
申请号：CN201910698625.2
申请日：2019-07-31
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G06F18/21
Abstract: 本发明提供了一种用于电力设备边缘侧识别的深度学习模型压缩方法，通过直接修改已训练完成的深度学习模型，实现相关识别模型的压缩和加速，包括：批量归一化层融合：将批量归一化层与其之前的卷积层进行融合；针对全连接层的奇异值分解：基于矩阵的奇异值分解算法，在全连接层之前加入中间层，对全连接层的参数进行压缩；模型权重的量化：采用权值共享方法，根据深度学习模型的冗余性，对参数进行量化转换。各步骤既可独立使用，也可相互配合工作。同时提供了一种压缩系统。本发明实现对已训练完成的深度学习模型的压缩和加速，在当前电力公司积极推进泛在电力物联网的环境下，有着广泛的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
610
records
(took 0.051 seconds)
