-
公开(公告)号：CN114360569A
公开(公告)日：2022-04-15
申请号：CN202210031821.6
申请日：2022-01-12
Applicant: 华北电力大学(保定) , 中国电力科学研究院有限公司 , 国网江西省电力有限公司
IPC: G10L21/0216 , G10L21/0272 , G10L25/27 , G01H11/06 , G06K9/62
Abstract: 本发明公开的基于麦克风阵列的电抗器声信号提取方法、系统及装置，属于变电站噪声信号测量领域，包括以下步骤：通过麦克风阵列采集目标电抗器的第一初始声信号，第一初始声信号用于通过消除第一初始声信号的非同向噪声和同向噪声，获取电抗器声信号；通过基于掩蔽函数的波束形成算法消除非同向噪声；利用基于K‑DPC聚类算法的欠定盲源分离算法，消除同向噪声，生成电抗器声信号；本发明通过麦克风阵列以及与麦克风阵列连接的多通道声音采集器获取第一初始声信号，并通过电抗器声信号提取方法，获取电抗器声信号；具备了从复杂的变电站环境内准确分离目标电抗器噪声的特点。
-
公开(公告)号：CN114360569B
公开(公告)日：2024-06-14
申请号：CN202210031821.6
申请日：2022-01-12
Applicant: 华北电力大学(保定) , 中国电力科学研究院有限公司 , 国网江西省电力有限公司
IPC: G10L21/0216 , G10L21/0272 , G10L25/27 , G01H11/06 , G06F18/21
Abstract: 本发明公开的基于麦克风阵列的电抗器声信号提取方法、系统及装置，属于变电站噪声信号测量领域，包括以下步骤：通过麦克风阵列采集目标电抗器的第一初始声信号，第一初始声信号用于通过消除第一初始声信号的非同向噪声和同向噪声，获取电抗器声信号；通过基于掩蔽函数的波束形成算法消除非同向噪声；利用基于K‑DPC聚类算法的欠定盲源分离算法，消除同向噪声，生成电抗器声信号；本发明通过麦克风阵列以及与麦克风阵列连接的多通道声音采集器获取第一初始声信号，并通过电抗器声信号提取方法，获取电抗器声信号；具备了从复杂的变电站环境内准确分离目标电抗器噪声的特点。
-
公开(公告)号：CN113591028B
公开(公告)日：2023-09-12
申请号：CN202110760395.5
申请日：2021-07-06
Applicant: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 华北电力大学(保定)
IPC: G06F17/16 , G06F30/20 , G06F113/04 , G06F119/02
Abstract: 本发明为一种适用于直流偏磁风险评估的41点快速汉克尔变换的方法，具体做法为利用特殊形式的汉克尔变换理论公式形成代数方程求解汉克尔变换的权重系数，并引入索末菲积分公式进行数值验证，得出41点汉克尔变换全局误差最小的滤波权重版本。该方法可快速且精确地计算地表电位，进而应用于电网直流偏磁风险的评估计算。
-
公开(公告)号：CN113591028A
公开(公告)日：2021-11-02
申请号：CN202110760395.5
申请日：2021-07-06
Applicant: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 华北电力大学(保定)
IPC: G06F17/16 , G06F30/20 , G06F113/04 , G06F119/02
Abstract: 本发明为一种适用于直流偏磁风险评估的41点快速汉克尔变换的方法，具体做法为利用特殊形式的汉克尔变换理论公式形成代数方程求解汉克尔变换的权重系数，并引入索末菲积分公式进行数值验证，得出41点汉克尔变换全局误差最小的滤波权重版本。该方法可快速且精确地计算地表电位，进而应用于电网直流偏磁风险的评估计算。
-
公开(公告)号：CN114528773B
公开(公告)日：2022-09-02
申请号：CN202210435426.4
申请日：2022-04-24
Applicant: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网江西省电力有限公司
Abstract: 本发明公开了基于大数据分析的轨道交通杂散电流波形预测系统及方法，该方法通过轨道交通杂散电流分析大数据库收集轨道交通的杂散电流历史波形数据、轨道交通历史运行数据、非交通类历史数据和非交通类短期预测数据，对收集到的数据进行分类归集，通过人工智能技术预测短期轨道交通运行数据；对杂散电流历史波形数据预处理形成杂散电流波形特征数据集，并输入XGBoost模型训练，将短期轨道交通运行数据和非交通类短期预测数据输入训练后的XGBoost模型，实现对未来时刻轨道交通的杂散电流波形进行预测，再将预测后的波形特征数据集作为测试集，检验和修正XGBoost模型，保证XGBoost模型预测的精准度。
-
Patent Agency Ranking
公开(公告)号：CN112966990A
公开(公告)日：2021-06-15
申请号：CN202110539663.0
申请日：2021-05-18
Applicant: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网江西省电力有限公司 , 南昌大学
Abstract: 本发明公开了一种变电设备综合状态评价的方法，导入状态指标数据处理结果，电力变压器状态评价以表征电力变压器异常状态的数据集为基础，按状态指标的分类、指标数据的处理、构建分层评价体系、使用主客观融合赋权法制定指标权重并据此得到电力变压器的状态评价结果四个步骤进行；在线监测装置的状态评价以由在线监测装置工作的异常导致的异常数据集为基础，状态评价包括构建异常模式的数据与在线监测装置异常状态之间的表征关系、异常状态概率表征、使用模糊评价理论中隶属度函数完成在线监测装置的状态评价三步。本发明针对电力变压器与在线监测装置分别建立其状态评价模型，从而构成基于数据驱动的变电设备综合状态评价体系。
-
公开(公告)号：CN119762789A
公开(公告)日：2025-04-04
申请号：CN202510258992.6
申请日：2025-03-06
Applicant: 南昌科晨电力试验研究有限公司 , 国网江西省电力有限公司电力科学研究院 , 国网江西省电力有限公司
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/084 , G06N3/0985 , G06N3/045
Abstract: 本发明公开了一种针对电力设备红外图像的实例分割方法及系统，该方法包括如下步骤：获取电力设备的红外图像并预处理；对预处理后的红外图像中的电力设备区域进行标注；采用标注后红外图像构建数据集；构建改进Mask R‑CNN模型并通过数据集训练，同时调整模型的分类损失权重和掩膜损失权重，结合余弦退火策略和Adam优化器调整模型的学习率，得到最优的模型；将红外图像输入至最优的模型中，输出分割结果；本发明设计的改进Mask R‑CNN模型改善了原始Mask R‑CNN参数量大，分割精确度不足等问题，能够在复杂环境对红外图像中的电力设备快速、准确地识别，具有低计算量和低存储需求的特点。
-
公开(公告)号：CN114528773A
公开(公告)日：2022-05-24
申请号：CN202210435426.4
申请日：2022-04-24
Applicant: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网江西省电力有限公司
Abstract: 本发明公开了基于大数据分析的轨道交通杂散电流波形预测系统及方法，该方法通过轨道交通杂散电流分析大数据库收集轨道交通的杂散电流历史波形数据、轨道交通历史运行数据、非交通类历史数据和非交通类短期预测数据，对收集到的数据进行分类归集，通过人工智能技术预测短期轨道交通运行数据；对杂散电流历史波形数据预处理形成杂散电流波形特征数据集，并输入XGBoost模型训练，将短期轨道交通运行数据和非交通类短期预测数据输入训练后的XGBoost模型，实现对未来时刻轨道交通的杂散电流波形进行预测，再将预测后的波形特征数据集作为测试集，检验和修正XGBoost模型，保证XGBoost模型预测的精准度。
-
公开(公告)号：CN112966990B
公开(公告)日：2021-09-10
申请号：CN202110539663.0
申请日：2021-05-18
Applicant: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网江西省电力有限公司 , 南昌大学
Abstract: 本发明公开了一种变电设备综合状态评价的方法，导入状态指标数据处理结果，电力变压器状态评价以表征电力变压器异常状态的数据集为基础，按状态指标的分类、指标数据的处理、构建分层评价体系、使用主客观融合赋权法制定指标权重并据此得到电力变压器的状态评价结果四个步骤进行；在线监测装置的状态评价以由在线监测装置工作的异常导致的异常数据集为基础，状态评价包括构建异常模式的数据与在线监测装置异常状态之间的表征关系、异常状态概率表征、使用模糊评价理论中隶属度函数完成在线监测装置的状态评价三步。本发明针对电力变压器与在线监测装置分别建立其状态评价模型，从而构成基于数据驱动的变电设备综合状态评价体系。
-
公开(公告)号：CN113792754A
公开(公告)日：2021-12-14
申请号：CN202110922307.7
申请日：2021-08-12
Applicant: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网江西省电力有限公司 , 南昌大学
IPC: G06K9/62 , G06N3/00 , G06F16/215
Abstract: 本发明公开了一种先除异后修复的换流变DGA在线监测数据处理方法，第一阶段引入滑动窗口算法的思想，使用分段线性化算法将序列数据划分为若干由斜率与跨度表征的线段，再使用基于最大最小距离改进的K‑means聚类将在线监测数据符号化，最后使用APRIORI算法挖掘DGA中不同指标之间的关联性，并以此发掘其中存在的异常数值；第二阶段，根据筛除的异常数值采样点，提出改进的粒子群优化的支持向量回归算法，定义粒子解集之间的距离，使用模糊推理规则划分不同类型的粒子，并以此定义不同更新公式，保证算法的求解速度与求解多样性，优化支持向量回归算法中的关键参数对这些采样点进行修复，实现在线DGA监测数据的处理。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.083 seconds)
