面向云边协同的输电线路监测系统和方法、识别系统和方法

    公开(公告)号:CN114362367A

    公开(公告)日:2022-04-15

    申请号:CN202111668276.3

    申请日:2021-12-30

    摘要: 本发明公开了一种面向云边协同的输电线路监测系统和方法、识别系统和方法。监测系统包括:感知层,包括电力物联网中的状态感知和执行的控制主体,用于对电力系统设备数据的监测、采集和感知得到感知数据;边缘层,包括边缘物联代理终端,用于在边缘计算节点对所述感知数据进行预处理;网络层,包括远程通信通道和本地接入通道,用于将预处理后的所述感知数据进行汇聚传输;云端,用于对汇聚传输的所述感知数据进行数据存储、数据分类、数据交换和数据分发,并依次向网络层、边缘层和感知层发送执行指令。本发明解决了云端计算架构模式下现场传感器信息处理时效性不足、信息传输难度大、现场故障诊断难于实施等众多问题。

    基于机理数据融合的电磁场建模方法、系统、设备及介质

    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

    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。

    一种面向云边协同的电力设备故障识别方法及系统

    公开(公告)号:CN115423009A

    公开(公告)日:2022-12-02

    申请号:CN202211026478.2

    申请日:2022-08-25

    摘要: 本发明公开了一种面向云边协同的电力设备故障识别方法及系统,包括:获取目标电力设备实时监测参量,由实时监测参量得到故障现象数据;将故障现象数据输入采用预先训练的故障原因识别模型,对故障原因进行分类得到不同的故障原因;对不同故障原因在故障分析中的重要程度进行计算,获取基于故障原因判断故障部件时的权重组合,根据故障原因和权重组合定位对应的故障部件。本发明通过边缘物联终端或者采集终端实时采集数据进行故障现象识别故障原因,故障原因定位故障部件,解决了云端计算架构模式下现场传感器信息处理时效性不足、信息传输难度大、现场故障诊断难于实施等众多问题,具有显著的应用价值。