一种变压器状态评估与故障预警方法

    公开(公告)号:CN113671421A

    公开(公告)日:2021-11-19

    申请号:CN202110976585.0

    申请日:2021-08-24

    IPC分类号: G01R31/62 G01R31/72

    摘要: 本发明提供了一种变压器状态评估与故障预警方法,该方法包括:通过采集模块采集监测参量,并将其传输给边缘代理模块中的智能分析模型,在智能分析模型中进行数据预处理及时序预测,得到序列数据,将序列数据传输给边缘代理模块中的综合分析模型,通过综合分析模型对序列数据进行诊断分析,得到变压器状态变化趋势及预警消息,将监测参量、变压器状态变化趋势及预警消息定时上传至云端管理平台,云端管理平台根据监测参量、变压器状态变化趋势及预警消息对变压器进行状态评估,得到变压器评估报告并返回至边缘代理模块。本发明提供的变压器状态评估与故障预警方法,改善了变压器的管理方法,提高了变压器的监测效率。

    基于Borderline SMOTE的电力变压器故障样本均衡化和故障诊断方法

    公开(公告)号:CN111832664A

    公开(公告)日:2020-10-27

    申请号:CN202010755926.7

    申请日:2020-07-31

    IPC分类号: G06K9/62 G01N30/86

    摘要: 本发明公开了一种基于Borderline SMOTE的电力变压器故障样本均衡化和故障诊断方法,均衡化方法包括搜索少数类样本、分类少数样本、生成新样本步骤,故障诊断方法还包括故障诊断步骤。本发明增加了边界样本附近的少数样本,降低了边界样本的误判率,从而提高了分类准确性;适用于多种人工智能算法对非均衡数据集的处理,可直接移植和扩展到分类算法中,具有较强的普适性和泛化性。

    一种基于代价敏感和集成学习的变压器故障诊断方法

    公开(公告)号:CN111860658A

    公开(公告)日:2020-10-30

    申请号:CN202010721965.5

    申请日:2020-07-24

    IPC分类号: G06K9/62 G06Q10/00 G06Q50/06

    摘要: 本发明公开了一种基于代价敏感和集成学习的变压器故障诊断方法,该方法包括:对多种变压器故障数据进行预处理,分为训练样本集和测试集;基于AdaCost算法建立变压器故障诊断模型;使用分布权重为Dt的训练样本集训练得到弱学习器ht(x);计算ht(x)的学习误差率和在形成强分类器过程中所占的权重;引入代价因子,更新训练样本集中各样本的权重分布;反复迭代,直至学习误差率满足误差率要求的迭代次数,形成强学习器;将测试集输入所述强学习器中,进行投票确定故障类型。本发明提供的基于代价敏感和集成学习的变压器故障诊断方法,基于AdaCost算法,解决不平衡数据集下分类器整体精度低的问题,进而提高故障判断准确性。

    一种面向电力设备红外图像的混合噪声去除方法

    公开(公告)号:CN113610735A

    公开(公告)日:2021-11-05

    申请号:CN202110982650.0

    申请日:2021-08-25

    IPC分类号: G06T5/00 G06T5/20 G06T7/13

    摘要: 本发明公开了一种面向电力设备红外图像的混合噪声去除方法,包括步骤:S1)利用TWSC模型对含有混合噪声的电力设备红外图像进行初步去噪,滤除掉高斯噪声;S2)采用SGTD模型对滤除掉高斯噪声的电力设备红外图像进行结构纹理分解,得到结构部分和纹理部分;S3)采用中值滤波对纹理部分的剩余脉冲噪声进行滤除,在保护电力设备红外图像结构信息的同时实现混合噪声的去除;S4)对去噪后的纹理分量和结构分量进行重构,得到去噪后的电力设备红外图像。本发明结合TWSC模型、图像结构纹理分解以及中值滤波算法对含有混合噪声的电力设备红外图像的噪声进行滤除,达到在滤除混合噪声的同时较好地保持了图像的边缘信息与纹理特征。