-
公开(公告)号：CN114581261A
公开(公告)日：2022-06-03
申请号：CN202210048196.6
申请日：2022-01-17
Applicant: 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种基于快速图计算的故障诊断方法、系统、设备及存储介质，包括：对电力运检领域知识图谱图中的节点进行聚类，生成图的节点组序列；根据所述图的节点组序列确定多尺度图神经网络中各池化层的稀疏表示矩阵，构建多尺度图神经网络；将所述图的节点组序列输入到多尺度图神经网络中，完成快速图神经网络的计算，得多尺度图神经网络的输出结果，完成电力设备的故障类型诊断，该方法、系统、设备及存储介质能够精确、高效率的对电力运检领域知识图谱图中电力设备的故障类型进行诊断。
-
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
Applicant: 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: G06F18/214 , G06N5/022 , G06F18/24 , G06N5/04 , G06F18/213 , G06N3/0464
Abstract: 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：CN117910556A
公开(公告)日：2024-04-19
申请号：CN202410023704.4
申请日：2024-01-05
Applicant: 中国电力科学研究院有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种针对电力设备故障的因果图生成方法、系统、设备及介质，属于电力设备故障诊断技术领域，包括：获取电力设备事理图谱；从电力设备事理图谱中提取若干候选链路；依次对所有候选链路进行知识涌现及同指消岐，得到若干具有不同特征结构的简单宏观链路；确定所述各简单宏观链路的权重；根据所述各简单宏观链路及其权重生成故障因果图，该方法、系统、设备及存储介质能够基于电力设备事理图谱自动生成故障因果图。
-
公开(公告)号：CN117851913A
公开(公告)日：2024-04-09
申请号：CN202311791177.3
申请日：2023-12-23
Applicant: 中国电力科学研究院有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明涉及一种基于溶解气体因果推理的电力变压器故障诊断方法和装置，包括获取电力变压器油中目标溶解气体集中各目标溶解气体的质量浓度值；对目标溶解气体的质量浓度值进行气体比例化和模糊化处理，得到目标溶解气体集的区间值集合；将得到目标溶解气体集的区间值集合输入到溶解气体模型，得到电力变压器的故障类型。本发明提出小样本数据下溶解气体因果模型生成策略，优化溶解气体模型生成过程，简化模型训练难度。同时减少了计算成本，解决了模型训练耗时长的问题。构建基于因果推理的电力变压器故障诊断模型，实现高可靠、可解释的电力变压器溶解气体故障诊断。本发明还涉及一种基于溶解气体因果推理的电力变压器故障诊断设备和存储介质。
-
公开(公告)号：CN115965004A
公开(公告)日：2023-04-14
申请号：CN202211726645.4
申请日：2022-12-29
Applicant: 中国电力科学研究院有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
IPC: G06F40/211 , G06F40/253 , G06F16/36 , G01R31/12
Abstract: 本发明属于电力领域事理图谱构建技术领域，具体涉及一种变压器故障事件的因果网络构建方法、装置、设备及介质。本发明提供的因果网络构建方法，首先基于变压器故障案例文本语料库，通过事件抽取、事件因果关系抽取及因果关联强度计算，构建变压器故障因果网络。其中，对应于变压器故障因果网络，节点表示故障事件，有向带权边表示事件间的因果关系，边的路径系数表示因果关联强度。可实现变压器故障案例文本的有效信息提取与高效组织管理，通过构建因果网络凝练变压器故障演化规律，并定量描述故障原因与现象间的因果影响，提高变压器故障分析的可解释性，为变压器故障溯源研究提供了一种新的技术支撑。
-
Patent Agency Ranking
公开(公告)号：CN118797477A
公开(公告)日：2024-10-18
申请号：CN202410803612.8
申请日：2024-06-20
Applicant: 中国电力科学研究院有限公司 , 国网山西省电力公司电力科学研究院 , 国家电网有限公司
IPC: G06F18/2415 , G06F18/214 , G06F18/213 , G06N3/042 , G06N3/0464
Abstract: 本发明涉及一种基于反事实分析的变压器故障诊断模型构建方法和装置，包括获取变压器油中溶解气体数据，并设计结构因果模型，所述结构因果模型表示变压器工作状态、溶解气体数据、模型抽取特征和故障预测之间的关系；创建图卷积神经网络GCN，基于所述溶解气体数据得到邻接矩阵，根据所述邻接矩阵和所述GCN，得到所述模型抽取特征中的事实特征和反事实特征；利用所述事实特征、所述反事实特征和反事实特征策略训练所述结构因果模型，得到变压器故障诊断模型。本发明实现高精度、高鲁棒性的变压器故障诊断，有效解决对不平衡故障样本的误判和漏判问题。本发明还涉及一种变压器故障诊断方法、一种设备和存储介质。
-
公开(公告)号：CN119087152A
公开(公告)日：2024-12-06
申请号：CN202411202957.4
申请日：2024-08-29
Applicant: 中国电力科学研究院有限公司 , 国家电网有限公司
Abstract: 本发明公开一种绝缘缺陷辨识方法、系统及相关装置，属于故障诊断技术领域。该方法包括：获取设备内部交界面微观形貌的电磁波检测数据；将所述电磁波检测数据输入至预先训练的绝缘缺陷辨识模型中，进行缺陷分析，得到绝缘缺陷辨识结果；该方法实现对内部绝缘缺陷的自动识别，有助于引入物理驱动的约束项，提升缺陷识别的可靠性。
-
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
Applicant: 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: G06F18/23 , G06F18/25 , G06N3/0442 , G06F18/213 , G06N3/047 , G06N3/045 , G06N3/08
Abstract: 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：CN115508672B
公开(公告)日：2023-04-07
申请号：CN202211466273.6
申请日：2022-11-22
Applicant: 中国电力科学研究院有限公司
Abstract: 本发明涉及电力系统领域，公开了一种电网主设备故障溯源推理方法、系统、设备及介质，获取设备现象集合；将设备现象集合输入预构建的电网主设备故障溯源推理模型中，获得故障类型及故障原因。本发明的电网主设备故障溯源推理模型能够总结设备故障溯源过程，通过给定的设备现象，推理得出最能解释设备现象的故障原因，实现电力设备知识的积累、固化与传承，本发明方法能够解决电网主设备故障推理决策模型可靠性与可解释性低的问题，辅助业务人员开展运维检修工作，提升工作质量和效率。
-
公开(公告)号：CN118964900B
公开(公告)日：2024-12-17
申请号：CN202411438746.0
申请日：2024-10-15
Applicant: 中国电力科学研究院有限公司
IPC: G06F18/20 , G06N3/045 , G06N3/08 , G06N5/04 , G06N7/01 , G06F18/213 , G06F18/2413 , G01R31/00
Abstract: 本发明公开了一种基于因果知识引导的电力设备故障诊断方法及系统，属于故障预测技术领域。该方法包括：将实时监测数据按模态输入对应的空间映射网络得到映射特征；将映射特征送入到预先训练的故障诊断模型中得到故障诊断结果；所述预先训练的故障诊断模型的训练过程包括：构建知识引导的因果推理故障诊断模型，将因果关系图作为先验知识引入模型，引导面向融合特征的因果推理故障诊断模型训练，完成基于历史数据对知识引导的因果推理模型的训练和推理任务，得到所述预先训练的故障诊断模型。本发明涉及电力设备的故障诊断，实现结合检修知识的电力设备故障诊断分析，提供准确性高、可解释性强的电力设备故障诊断结果。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.056 seconds)
