-
公开(公告)号：CN118261064A
公开(公告)日：2024-06-28
申请号：CN202410477683.3
申请日：2024-04-19
申请人： 中国电力科学研究院有限公司 , 国网江西省电力有限公司 , 国家电网有限公司
IPC分类号： G06F30/27 , G06N3/0499 , G06F30/28 , G06N3/084 , G06F111/04 , G06F113/08 , G06F119/14
摘要： 本发明公开了一种抽蓄机组流场快速计算方法及其相关装置，建立水泵水轮机流场分布的数学模型；对水泵水轮机的几何参数信息进行预处理，得到边界条件；构建前馈神经网络模型，基于得到的数学模型和边界条件，结合初始条件构建前馈神经网络模型的物理约束损失函数；选取配点对前馈神经网络模型进行训练；基于前馈神经网络模型实现流场分布计算。本发明方法具有响应速度快、计算实时性强的特点，显著提升流场分布的计算效率。
-
公开(公告)号：CN117350152A
公开(公告)日：2024-01-05
申请号：CN202311278715.9
申请日：2023-09-28
申请人： 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国家电网有限公司
IPC分类号： G06F30/27 , G06N3/0499
摘要： 本发明属于深度学习以及电磁场分布建模技术领域，公开了一种基于机理数据融合的电磁场建模方法、系统、设备及介质；所述基于机理数据融合的电磁场建模方法包括以下步骤：基于待电磁场分布建模的变压器，获取电磁场分布建模所需数据；基于获取的所述电磁场分布建模所需数据，利用训练好的物理约束神经网络模型进行预测，获得矢量磁位矩阵预测值；计算获得电磁场量矩阵，进而获得电磁场分布；其中，训练采用的损失函数为基于矢量磁位方程、边界条件、初始条件及数据信息构建的物理约束损失函数。本发明可解决现有传统数值计算方法建模速度慢、效率过低以及目前人工神经网络等传统数据驱动方法可解释性差、可靠性不足的技术问题。
-
公开(公告)号：CN115859780A
公开(公告)日：2023-03-28
申请号：CN202211414707.8
申请日：2022-11-11
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司
IPC分类号： G06F30/27 , G06N3/048 , G06N3/084 , G06F17/11 , G06F119/14 , G06F111/04 , G06F113/08
摘要： 本发明涉及一种基于物理约束神经网络的电力设备振动仿真方法及系统,属于电力系统仿真技术领域。方法包括：构建振动传播数学物理模型，对输入信息进行预处理，所述输入信息包括时间信息及空间坐标信息；根据所述振动传播数学物理模型和所述预处理的输入信息，构建物理约束深度学习模型；构建物理约束损失函数，基于所述物理约束损失函数和已有的振动数据训练所述物理约束深度学习模型；利用训练的所述物理约束深度学习模型和目标电力设备的空间坐标和时间信息，预测所述目标电力设备内部的振动情况。本方法解决了传统的深度学习模型对数据依赖性强、稳定性差、可解释性差、传统数值方法建模速度慢、效率过低的问题。
-
公开(公告)号：CN115758874A
公开(公告)日：2023-03-07
申请号：CN202211414768.4
申请日：2022-11-11
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司
IPC分类号： G06F30/27 , G06F17/11 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06F119/08 , G06F113/08 , G06F111/04
摘要： 本发明涉及一种基于物理约束神经网络的电力设备传热建模方法及系统，属于电力系统建模技术领域。方法包括：构建设备传热物理模型，对输入信息进行预处理，所述输入信息包括热源位置信息和时间信息；根据所述设备传热物理模型和所述预处理的输入信息，构建卷积神经网络模型；构建物理约束损失函数，基于所述物理约束损失函数和已有的传热数据训练所述卷积神经网络模型；利用训练的所述卷积神经网络模型和目标对象的热源位置信息和时间信息，预测所述目标对象的体内温度场分布。本方法针对传热问题，构建物理约束神经网络模型，解决传统的神经网络精度不足、可解释性差、传统数值模拟建模速度慢、效率过低的问题。
-
公开(公告)号：CN118916721A
公开(公告)日：2024-11-08
申请号：CN202411043718.9
申请日：2024-07-31
申请人： 中国电力科学研究院有限公司 , 国网江西省电力有限公司柘林水电厂 , 国网新源控股有限公司 , 国家电网有限公司
IPC分类号： G06F18/23 , G06F18/25 , G06N3/0442 , G06F18/213 , G06N3/047 , G06N3/045 , G06N3/08
摘要： 本发明公开了一种基于多模态融合的抽水蓄能机组缺陷辨识溯因方法和系统，涉及抽水蓄能机组缺陷辨识和缺陷溯因技术领域，包括：对抽水蓄能机组运行过程中产生的多模态数据分别进行图结构表示学习，构建时序模态图表示、图像模态图表示和文本模态图表示；基于多层级长短期记忆网络对时序模态图表示、图像模态图表示和文本模态图表示进行融合，得到多模态融合图结构表示；基于图蒸馏方法对多模态融合图结构表示进行信息压缩，得到压缩图结构表示；对压缩图结构表示进行图聚类分析和基于因果推理方法的图路径搜索，得到抽水蓄能机组的缺陷辨识结果和缺陷溯因结果。本发明缓解了现有技术存在的状态评价不全面、运行预警实现困难的技术问题。
-
公开(公告)号：CN117150240A
公开(公告)日：2023-12-01
申请号：CN202311147568.1
申请日：2023-09-06
申请人： 中国电力科学研究院有限公司 , 国网江西省电力有限公司 , 国家电网有限公司
IPC分类号： G06F18/20 , G06F18/213 , G06N3/0464 , G06N3/08 , G06Q50/06 , G06Q10/20
摘要： 本发明属于机器学习技术领域，具体涉及一种基于因果域适应和声振融合的电力设备故障诊断方法，本发明所提供的电力设备故障诊断方法，将目标电力设备故障时的声音实时信号数据输入声振转化模型，得到声音转化信号；将声音转化信号与振动实时信号数据一起输入因果域适应故障诊断模型，得到故障诊断结果。本方案通过声振转化模型解决传统深度学习模型因单模态故障样本稀缺而难以训练的问题，针对模型泛用性不足的问题，利用声振融合数据构建基于域适应融合的故障诊断模型，模型训练完毕后即可利用模型对实际任务中不同来源的声振数据进行故障诊断，解决传统的深度学习诊断模型处理不同来源数据时精度不足、泛用性差的问题。
-
公开(公告)号：CN118520771A
公开(公告)日：2024-08-20
申请号：CN202410691608.7
申请日：2024-05-30
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网电力科学研究院有限公司 , 国网安徽省电力有限公司 , 国网安徽省电力有限公司超高压分公司
IPC分类号： G06F30/27 , G06N3/0499 , G06N3/084 , G06F119/10
摘要： 本发明公开了一种机理数据混合驱动的变压器噪声计算方法、系统及设备，属于电网运行安全技术领域，方法包括基于变压器声波传播数学模型建立前馈神经网络模型的物理约束损失函数；通过物理约束损失函数对前馈神经网络模型进行训练，在训练完成的前馈神经网络模型中输入不同的位置信息和时间信息，输出对应的位移分布信息；通过对位移分布信息进行声能量和声压转换，得到变压器内噪声分布。本发明构建了物理约束神经网络作为声场分布建模的替代模型，通过对位移分布信息进行声能量和声压转换，即可得到变压器内噪声分布，提升了建模效率。同时，在构建深度学习替代模型的过程中考虑了物理机制的影响，提升了计算精度、可解释性与可靠性。
-
公开(公告)号：CN117932328A
公开(公告)日：2024-04-26
申请号：CN202311688623.8
申请日：2023-12-09
申请人： 中国电力科学研究院有限公司 , 国网福建省电力有限公司 , 国网福建省电力有限公司电力科学研究院 , 国家电网有限公司
IPC分类号： G06F18/214 , G06N5/022 , G06F18/24 , G06N5/04 , G06F18/213 , G06N3/0464
摘要： 本发明公开了一种变压器故障溯因推理方法、系统及相关设备，首先以设备多种监测数据和故障信息为节点构建多模态故障子图，其次通过特征提取模型获取子图中各模态节点的特征表示，然后利用归纳式图表示学习模型聚合邻居特征信息以更新故障节点嵌入，最后计算故障节点嵌入与故障原因语义表示的关联度进而实现故障成因推理。本发明基于归纳式图表示学习的故障溯因推理模型通过学习产生节点嵌入的映射，避免了对特定图结构的依赖，易于扩展至图结构变化的故障子图，具有良好的可扩展性和普适性。
-
公开(公告)号：CN117540160A
公开(公告)日：2024-02-09
申请号：CN202311484687.6
申请日：2023-11-08
申请人： 中国电力科学研究院有限公司 , 国网江西省电力有限公司 , 国家电网有限公司
IPC分类号： G06F18/20 , G06F18/24 , G06F18/214 , G06N3/042 , G06N3/09 , G06N3/0895 , G06Q50/06
摘要： 本发明属于电力设备故障诊断领域，公开一种基于知识约束的电力设备故障诊断方法及相关装置；所述方法，包括：获取待诊断电力设备运行的声音数据；将所述声音数据输入预先训练好的基于知识约束的半监督神经网络故障诊断模型，获得待诊断电力设备故障诊断结果；其中，基于知识约束的半监督神经网络故障诊断模型由知识约束的故障辨识算子和有监督学习神经网络模型构成；所述待诊断电力设备故障诊断结果由知识约束的故障辨识算子的输出与有监督学习神经网络模型输出的全连接层进行概率值整合获得。本发明由于在数据驱动模型中引入了故障规则知识的约束，从而使可解释性和可靠性提升，提升了预测的准确性。
-
公开(公告)号：CN117437923A
公开(公告)日：2024-01-23
申请号：CN202311310783.9
申请日：2023-10-10
申请人： 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国家电网有限公司
摘要： 本发明公开了一种基于三维交叉注意力机制的变压器声纹故障辨识方法及系统，包括：对采集的变压器声纹信号数据进行预处理，获取帧信号，对帧信号进行特征向量的提取，并将其正则化处理，然后计算不同分支特征向量之间的横向跨分支交叉注意力权重，从而得到多分支特征向量的横向注意力输出。然后，以不同分支特征性向量同一特征点为粒度向量，计算单元向量间的纵向跨粒度交叉注意力权重，得到纵向跨粒度注意力输出。将横纵向注意力输出进行线性相加得到三维交叉注意力输出结果。本发明能够提高辨识模型的抗噪声性能，同时具有良好的泛化性和适应性，有效支撑变压器的声纹故障辨识需求。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.046 秒)
