-
公开(公告)号：CN119782886A
公开(公告)日：2025-04-08
申请号：CN202411913055.1
申请日：2024-12-24
Applicant: 北京交通大学
IPC: G06F18/24 , G06F18/25 , G06F17/10 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/048 , G06F30/20 , G01R31/08 , G01R31/52 , G06F113/04
Abstract: 本发明公开了一种融合时空图信息的配网故障区段定位及可解释性分析方法，属于配电网故障诊断与人工智能深度学习技术领域。包括以下步骤：通过构建一种融合时间连续性与空间整体性的时空图信息故障表征结构，刻画时空特征与故障区段之间的映射关系；从时间特征捕捉和空间特征感知两个维度提取故障特征，建立融合时空图信息的配电网故障定位模型；设计可解释性分析校验模块，对模型决策依据及其内在工作机制进行事后可解释性分析，实现故障定位结果的校验。本发明可实现在新能源出力波动及拓扑变化等复杂运行场景下的高精度故障定位任务，对模型本身和故障预测的原理刨析刻画，为基于深度学习的故障定位方法在实际系统中的应用提供技术支持。
-
公开(公告)号：CN117148034A
公开(公告)日：2023-12-01
申请号：CN202310994871.9
申请日：2023-08-09
Applicant: 国网吉林省电力有限公司电力科学研究院 , 吉林省电力科学研究院有限公司 , 北京交通大学 , 国网吉林省电力有限公司 , 国网吉林省电力有限公司长春供电公司
Inventor： 李成钢 , 刘亚东 , 侍哲 , 罗国敏 , 于非桐 , 刘乃毓 , 董洪达 , 王伟 , 崔运海 , 吴奎忠 , 金骁 , 李生珠 , 罗思敏 , 尚博阳 , 杨雪凤 , 茹嘉昕 , 谭颖婕 , 张大海
IPC: G01R31/08 , G01R19/175
Abstract: 基于经验小波变换及图注意力网络的配电网故障选线方法属于电力系统及其自动化技术领域。本发明利用经验小波变换可以自适应划分频带的特点，对配电网的零序电流信号进行特征分析，利用提取暂态信息集中分布的频段，有利于后续对故障馈线进行正确判断；基于图注意力神经网络将输入特征转化为更高层次的特征并进行分类，从而实现故障选线。实验结果证明经验小波变换算法能很好地分割含分布式电源配电网故障时零序电流数据的频带，并结合包络熵对特征分量进行提取，然后通过图注意力神经网络算法对特征分量进行学习测试，并返回馈线类型，馈线类型为故障馈线和健全馈线的二分类，从而实现对含分布式电源配电网的故障选线。
-
公开(公告)号：CN119782939A
公开(公告)日：2025-04-08
申请号：CN202411913059.X
申请日：2024-12-24
Applicant: 北京交通大学
IPC: G06F18/2415 , G06F17/10 , G06N3/0442 , G06N3/048 , G06F18/214 , G06N3/084 , G06F18/213 , G01R31/08 , G01R31/52
Abstract: 本发明公开了一种基于经验引导的输电线路故障原因辨识方法，属于输电线路故障诊断与人工智能深度学习技术领域。通过合成少数类过采样技术对不平衡样本进行扩充；通过长短期记忆神经网络充分提取故障暂态波形中的隐含特征，初步建立故障录波与故障原因间的非线性映射关系；整理运维人员的工程经验，结合专家知识库并利用专家经验引导模型训练与输出，形成内嵌专家经验的输电线路故障辨识模型。将模型保存并应用于在线故障辨识任务。通过SMOTE方法对不平衡样本进行扩充，以缓解样本不平衡问题对模型性能的影响；将专家知识库并将其引入模型决策过程，提高故障辨识模型的准确度及可解释性，易于运维人员理解模型内部工作机制。
-
公开(公告)号：CN117929913A
公开(公告)日：2024-04-26
申请号：CN202311621771.8
申请日：2023-11-30
Applicant: 北京交通大学
IPC: G01R31/08
Abstract: 本发明提供一种全链条可解释的配电网单相接地故障类型辨识方法及系统，属于基于人工智能深度学习的配电网故障识别技术领域，通过挖掘故障零序电压的多域故障特征实现事前样本解释；利用含自注意力机制的Transformer编码器建立故障辨识模型，通过可视化各特征注意力权重的动态分配，实现事中内嵌解释；基于SHAP归因理论对故障辨识模型和样本分类结果进行事后溯源分析。本发明通过事前多域特征库的建立分析、事中内嵌自注意力机制的辨识网络的构建和样本分类结果的事后溯源分析，形成故障辨识模型“数据‑建模‑决策‑提升”的全链条可解释闭环迭代方案，提升了模型决策过程的透明度和分类结果的可信度，提升了检修人员故障处置效率。
-
公开(公告)号：CN110783897A
公开(公告)日：2020-02-11
申请号：CN201910911219.X
申请日：2019-09-25
Applicant: 北京交通大学 , 全球能源互联网研究院有限公司 , 国网江苏省电力有限公司 , 国家电网有限公司 , 清华大学
Abstract: 本发明提供了基于GPU加速的电网短路电流并行计算的方法和系统，用于大型电力系统批量三相对称节点短路电流并行计算，首先根据大电网数据网络信息同时对各节点短路时节点短路电流计算，然后同时对各节点短路后各节点电压进行批量计算，最后同时对各节点短路后各支路电流进行批量并行求解，有效克服了现有考虑三相对称节点短路情况下各节点短路电流计算时间较长的不足，进一步为大电网设计及整定提供实时有效数据。
-
Patent Agency Ranking
公开(公告)号：CN119782938A
公开(公告)日：2025-04-08
申请号：CN202411913057.0
申请日：2024-12-24
Applicant: 北京交通大学
IPC: G06F18/2415 , G06F18/25 , G06F17/10 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06F18/213 , G06F18/15 , G01R31/08 , G01R31/52
Abstract: 本发明公开了一种基于深度特征融合的配电网高阻接地故障识别方法，属于配电网故障诊断与人工智能深度学习技术领域。包括以下步骤：利用离散小波变换对高阻故障信号的波形进行深度挖掘，构造多尺度时频特征图和全局统计特征矩阵以增强高阻故障特征的表达；结合轻量型残差网络结构和自注意力机制设计深度特征提取网络，实现局部和全局时频特征的融合提取；引入度量元学习用各类样本在度量空间中的特征计算类原型以及类原型与样本之间的距离，从而实现高阻故障分类器的构建。本发明可在不同复杂配电网运行条件的高阻故障识别任务，且在现场数据样本较少时仍有较好分类效果，为基于数据驱动的高阻故障识别方法在实际系统中的应用提供理论技术支撑。
-
公开(公告)号：CN116995626A
公开(公告)日：2023-11-03
申请号：CN202310998161.3
申请日：2023-08-09
Applicant: 北京交通大学
Abstract: 本发明提供一种分布式电源的配电网阶段性电流保护自适应整定方法及系统，属于电力系统及自动化技术领域，利用分布式电源容量占比方式对每段线路上每个分布式电源的实时捕捉功率进行估算，并计算该时刻下分布式电源的输出电流，确定故障位置和短路电流的关系，通过求导方式得到当前分布式电源接入情况下故障位置与短路电流函数的单调性，获取短路电流最小时的故障位置，结合当前时刻下分布式电源出力，采用迭代方式求解故障位置处的短路电流，计算实时整定系数，重新更新阶段式保护整定值。本发明克服了高比例DG接入配电网后，阶段式电流保护整定值均受逆变型电源控制策略、故障条件和捕获功率的影响，导致阶段式电流保护可靠性降低的问题。
-
公开(公告)号：CN116973677A
公开(公告)日：2023-10-31
申请号：CN202310860583.4
申请日：2023-07-13
Applicant: 国网吉林省电力有限公司电力科学研究院 , 吉林省电力科学研究院有限公司 , 北京交通大学 , 国网吉林省电力有限公司
Inventor： 李成钢 , 刘亚东 , 董洪达 , 罗国敏 , 侍哲 , 于非桐 , 崔运海 , 刘大鹏 , 吴奎忠 , 金骁 , 李生珠 , 杨雪凤 , 尚博阳 , 谭颖婕 , 刘雯琳 , 张大海 , 罗思敏 , 茹嘉欣 , 吴梦宇 , 赵祎薇 , 王韶亮
IPC: G01R31/08
Abstract: 基于空洞卷积与注意力机制的配网单相接地故障选线方法属于配电网故障选线技术领域。本发明通过采用小波去噪算法对获得的零序电流数据进行预处理，去除无关噪声对信号故障特征的影响；利用变分模态分解算法对预处理过的零序电流进行分解得到固有模态分量，按照高频到低频顺序将其排列，并按线路顺序拼接，获取时频数据矩阵并通过映射转换为像素矩阵，便于空洞卷积神经网络进行故障特征提取；构建基于注意力机制的空洞卷积神经网络，在普通卷积网络中加入空洞，能提高卷积神经网络对故障特征提取的能力，且具有较强的鲁棒性，引入注意力机制可以使故障信号特征更加明确，加快网络收敛速度，并在一定程度上缓解梯度消失问题，提高选线精度。
-
公开(公告)号：CN116298670A
公开(公告)日：2023-06-23
申请号：CN202310042798.5
申请日：2023-01-28
Applicant: 北京交通大学
IPC: G01R31/08
Abstract: 本发明提供一种适用于多分支配电线路的智能故障定位方法及系统，属于配电网线路故障定位技术领域，获取一级分支线路首端的相电压和相电流波形信息，以及二级分支线路末端的智能电表采集的电流有效值；基于二级分支线路末端的智能电表采集的电流有效值，判断故障线路；利用预先训练好的配电网故障测距模型，对获取的一级分支线路首端的相电压和相电流波形信息进行处理，完成故障点位置测距；综合故障线路判断结果和故障点位置测距，完成故障多分支配电线路故障定位。本发明实现了在多分支配电线路情况下的故障点精准定位，具有较强的普适性，结合实际配网拓扑图训练，训练好的定位网络精度极高，可靠性强，具有一定的发展前景。
-
公开(公告)号：CN110718919B
公开(公告)日：2021-06-01
申请号：CN201910911216.6
申请日：2019-09-25
Applicant: 北京交通大学 , 全球能源互联网研究院有限公司 , 国网江苏省电力有限公司 , 国家电网有限公司 , 清华大学
Abstract: 本发明提供的基于GPU加速的大电网静态安全分析故障筛选的方法，针对支路开断和发电机开断的预想故障，建立支路开断和发电机开断的模型并求解，获得计算所需的工作流和数据流，进一步设计了基于GPU加速的静态安全分析故障识别的细粒度并行算法，并通过批量生成各工况下的线路有功功率，获得故障隐患线路。本发明提供的静态安全分析故障筛选方法计算精度较高且获得了很大的加速效果，满足在线应用的需求。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.028 seconds)
