-
公开(公告)号:CN103558520A
公开(公告)日:2014-02-05
申请号:CN201310531834.0
申请日:2013-11-02
申请人: 国家电网公司 , 国网山西省电力公司电力科学研究院
摘要: 本发明公开了一种气体绝缘组合电器局部放电带电检测系统及定位方法。解决了现有技术存在检测灵敏度不高定位不准的问题,包括超声波传感器、外置耦合电容传感器、信号处理采集模块和工业触控平板电脑,超声波信号滤波放大器分别与可充电直流稳压电源、超声波传感器和USB数据采集卡连接;外置耦合电容信号放大检波器分别与可充电直流稳压电源、外置耦合电容传感器和USB数据采集卡连接;电池电量显示模块与可充电直流稳压电源连接。局部放电检测及定位是通过外置耦合电容传感器与超声波传感器联合检测,并利用外置耦合电容传感器高频检波信号与超声波信号的时间差实现对GIS内局部放电的定位。本发明原理简单,准确度高,提高了检测结果的准确性和可靠性。
-
公开(公告)号:CN103558519A
公开(公告)日:2014-02-05
申请号:CN201310531833.6
申请日:2013-11-02
申请人: 国家电网公司 , 国网山西省电力公司电力科学研究院
摘要: 本发明公开了一种GIS局部放电超声波信号识别方法,解决了GIS局部放电超声波检测和诊断的准确性和可靠性不高的问题,包括网络学习和缺陷识别过程,具体包括以下步骤:首先对GIS局部放电超声波信号已知样本进行预处理,然后提取平均幅值、方均根、峰值指标、峭度、波形指数、脉冲指标、裕度指标等放电特征参数,最后建立模糊逻辑聚类神经元网络,对待识别的GIS局部放电超声波信号进行预处理,然后提取相应的特征参数,最后利用建立的模型对包括待识别样本在内的所有样本进行分类,计算待识别样本与同一类中其他已知样本的模糊贴近度,根据贴近度的大小判断其缺陷类型。本发明对于评估GIS的绝缘状况并制定合理的检修策略具有重要意义。
-
公开(公告)号:CN105632501B
公开(公告)日:2019-09-03
申请号:CN201511021329.7
申请日:2015-12-30
申请人: 中国科学院自动化研究所 , 国网山西省电力公司电力科学研究院 , 山西振中电力股份有限公司
摘要: 本发明公开了一种基于深度学习技术的自动口音分类方法和装置,方法包括:对训练集中的所有带口音语音进行去除静音并提取MFCC特征;根据所提取的MFCC特征训练各种带口音语音的深层神经网络,以描述各种带口音语音的声学特性,其中所述深层神经网络指至少包含两个隐层的前向人工神经网络;计算待识别语音中各语音帧在深层神经网络上的各口音分类的概率得分,将概率得分最大的口音类别标签置为该语音帧的口音类别标签;使用待识别语音中的每个语音帧的口音类别进行多数投票,得到待识别语音相对应的口音类别。本发明可以有效利用上下文信息,从而可以提供比传统浅层模型更好的分类效果。
-
公开(公告)号:CN105319479B
公开(公告)日:2018-08-10
申请号:CN201410232805.9
申请日:2014-05-29
申请人: 国网山西省电力公司电力科学研究院
IPC分类号: G01R31/08
摘要: 本发明公开了一种输电线路双端故障测距系统,包括高频数据采集模块、低频数据采集模块、控制逻辑电路模块、A/D转换模块、计算机装置;所述高频数据采集模块,用于采集高频数据;所述低频数据采集模块,用于采集低频数据;所述高频数据采集模块和所述低频数据采集模块的数据采集受到控制逻辑电路模块的同步控制,保证采集数据的同时性;A/D转换模块,用于对所述高频数据采集模块采集的高频数据进行转换,以及对所述低频数据采集模块采集的低频数据进行转换;计算机装置,用于根据转换后的数据进行故障测距。无需GPS装置即可实现输电线路双端故障测距系统。
-
公开(公告)号:CN104852304B
公开(公告)日:2017-02-01
申请号:CN201510332005.9
申请日:2015-06-16
申请人: 国网山西省电力公司电力科学研究院
摘要: 本发明公开了一种可调式跌落式熔断器安装支架,解决了跌落式熔断器角度调整困难的问题。包括烟袋锅状支架(15)的下部为凸轮状盒体4),凸轮状盒体(4)活动设置在底板(2)上,烟袋锅状支架(15)的顶端与跌落式熔断器卡箍(17)的连接板(16)固定连接,在底板(2)上固定设置有两固定支架(3),凸轮状盒体(4)活动设置在两固定支架(3)之间,两固定支架(3)之间的连接销轴(6)是活动穿接在凸轮状盒体(4)的中心处的,在连接销轴(6)的中心处固定设置有齿轮(5),拨杆(7)的中部铰接在销轴(8)上,拨杆(7)顶端的拨钩与齿轮(5)上的齿顶接。本发明安装牢固,可以方便灵活实现跌落式熔断器的角度调节。
-
公开(公告)号:CN105632501A
公开(公告)日:2016-06-01
申请号:CN201511021329.7
申请日:2015-12-30
申请人: 中国科学院自动化研究所 , 国网山西省电力公司电力科学研究院 , 山西振中电力股份有限公司
摘要: 本发明公开了一种基于深度学习技术的自动口音分类方法和装置,方法包括:对训练集中的所有带口音语音进行去除静音并提取MFCC特征;根据所提取的MFCC特征训练各种带口音语音的深层神经网络,以描述各种带口音语音的声学特性,其中所述深层神经网络指至少包含两个隐层的前向人工神经网络;计算待识别语音中各语音帧在深层神经网络上的各口音分类的概率得分,将概率得分最大的口音类别标签置为该语音帧的口音类别标签;使用待识别语音中的每个语音帧的口音类别进行多数投票,得到待识别语音相对应的口音类别。本发明可以有效利用上下文信息,从而可以提供比传统浅层模型更好的分类效果。
-
公开(公告)号:CN105243462A
公开(公告)日:2016-01-13
申请号:CN201410238753.6
申请日:2014-05-30
申请人: 国网山西省电力公司电力科学研究院
IPC分类号: G06Q10/06
摘要: 本发明公开了一种高压试验设备管理系统,包括:试验仪器使用人员指纹识别装置与服务器J2EE管理平台通信,用于通过试验仪器使用人员指纹识别试验仪器使用人员的身份,并将指纹识别结果发送至服务器J2EE管理平台;试验设备二维码扫描装置与服务器J2EE管理平台通信,用于根据试验设备的二维码识别试验设备,并将二维码识别结果发送至服务器J2EE管理平台;视频图象记录装置与服务器J2EE管理平台通信,用于记录参与实验人员的图像信息,并将图像信息发送至服务器J2EE管理平台;服务器J2EE管理平台,用于根据指纹识别结果、二维码识别结果以及图像信息,进行设备管理。本发明实施例的高压试验设备管理系统,能够对实验人员进行身份认证,实时监测试验设备状态。
-
公开(公告)号:CN105654944A
公开(公告)日:2016-06-08
申请号:CN201511020925.3
申请日:2015-12-30
申请人: 中国科学院自动化研究所 , 国网山西省电力公司电力科学研究院 , 山西振中电力股份有限公司
摘要: 本发明公开了一种融合了短时与长时特征建模的环境声识别方法及装置。本发明提出了一种模型级联融合的方法,使得短时和长时的信息在整个识别过程中都能够得以运用。本发明的方案包括下列步骤:对于滑动窗,首先基于短时特征使用混合高斯模型(GMM)建模进行预分类;对GMM的分类结果,进行置信度判别,置信度高的结果直接作为最终的分类结果,置信度较低时,则基于长时特征再分类;在第二阶段,基于对GMM分类结果混淆矩阵的分析,找出容易混淆的类,训练这些类之间的支持向量机(SVM)分类模型,使用SVM进行再分类。第二阶段的建模过程使用GMM的概率得分加入长时特征一起作为SVM的输入。
-
公开(公告)号:CN105319479A
公开(公告)日:2016-02-10
申请号:CN201410232805.9
申请日:2014-05-29
申请人: 国网山西省电力公司电力科学研究院
IPC分类号: G01R31/08
摘要: 本发明公开了一种输电线路双端故障测距系统,包括高频数据采集模块、工频数据采集模块、控制逻辑电路模块、A/D转换模块、计算机装置;所述高频数据采集模块,用于采集高频数据;所述低频数据采集模块,用于采集低频数据;所述高频数据采集模块和所述工频数据采集模块的数据采集受到控制逻辑电路模块的同步控制,保证采集数据的同时性;A/D转换模块,用于对所述高频数据采集模块采集的高频数据进行转换,以及对所述低频数据采集模块采集的低频数据进行转换;计算机装置,用于根据转换后的数据进行故障测距。无需GPS装置即可实现输电线路双端故障测距系统。
-
公开(公告)号:CN105654944B
公开(公告)日:2019-11-01
申请号:CN201511020925.3
申请日:2015-12-30
申请人: 中国科学院自动化研究所 , 国网山西省电力公司电力科学研究院 , 山西振中电力股份有限公司
摘要: 本发明公开了一种融合了短时与长时特征建模的环境声识别方法及装置。本发明提出了一种模型级联融合的方法,使得短时和长时的信息在整个识别过程中都能够得以运用。本发明的方案包括下列步骤:对于滑动窗,首先基于短时特征使用混合高斯模型(GMM)建模进行预分类;对GMM的分类结果,进行置信度判别,置信度高的结果直接作为最终的分类结果,置信度较低时,则基于长时特征再分类;在第二阶段,基于对GMM分类结果混淆矩阵的分析,找出容易混淆的类,训练这些类之间的支持向量机(SVM)分类模型,使用SVM进行再分类。第二阶段的建模过程使用GMM的概率得分加入长时特征一起作为SVM的输入。
-
-
-
-
-
-
-
-
-