基于精简集约简不均衡SVM变压器故障检测方法

    公开(公告)号:CN103941131B

    公开(公告)日:2017-10-03

    申请号:CN201410204294.X

    申请日:2014-05-14

    Abstract: 基于精简集约简不均衡SVM变压器故障检测方法。本发明包括:(1)利用基于GARCH模型的故障特征提取方法得到变压器特征矢量集合,然后针对少数类样本进行边界样本的确定,所述的少数类样本是故障样本,得到少数类边界样本集合;(2)随机选取,为集合的基数,,设置为1,利用精简集求解算法得到,重复操作次,其中:是多数类样本数目,是少数类样本个数,于是得到个人工少数类样本,保证至少一次;(3)将步骤(2)产生的人工少数类样本同原有的少数类样本结合后,与原有多数类样本集合共同组合作为SVM分类器的训练样本,最终得到SVM决策模型;(4)将新得到的变压器特征矢量输入到决策模型中进行判断。本发明用于变压器故障检测。

    基于精简集约简不均衡SVM变压器故障检测方法

    公开(公告)号:CN103941131A

    公开(公告)日:2014-07-23

    申请号:CN201410204294.X

    申请日:2014-05-14

    Abstract: 基于精简集约简不均衡SVM变压器故障检测方法。本发明包括:(1)利用基于GARCH模型的故障特征提取方法得到变压器特征矢量集合,然后针对少数类样本进行边界样本的确定,所述的少数类样本是故障样本,得到少数类边界样本集合;(2)随机选取,为集合的基数,,设置为1,利用精简集求解算法得到,重复操作次,其中:是多数类样本数目,是少数类样本个数,于是得到个人工少数类样本,保证至少一次 ;(3)将步骤(2)产生的人工少数类样本同原有的少数类样本结合后,与原有多数类样本集合共同组合作为SVM分类器的训练样本,最终得到SVM决策模型;(4)将新得到的变压器特征矢量输入到决策模型中进行判断。本发明用于变压器故障检测。

    基于EEMD峰度阈值的变压器振动信号降噪方法

    公开(公告)号:CN103902844A

    公开(公告)日:2014-07-02

    申请号:CN201410167375.7

    申请日:2014-04-24

    Abstract: 基于EEMD峰度阈值的变压器振动信号降噪方法。针对非平稳信号的降噪,国内外学者已提出许多方法,大致可分为基于时间域统计、基于傅立叶变换及基于小波变换的时频分析方法三大类。这些方法都有各自的优缺点,如:频域方法理论成熟,但难以分离频率重叠部分的信号;小波变换方法虽具有多分辨性能,但其降噪效果往往依赖于小波基和阈值的选择。本发明的组成包括:首先对随机信号进行EEMD分解,然后针对每一个本征模函数IMF进行自相关函数计算并求其峰度系数,然后利用阈值将这些本征模函数IMF进行区分,进而剔除噪声信号。本发明用于变压器振动信号降噪。

    电力设备监控中使用的图像识别方法

    公开(公告)号:CN104408459A

    公开(公告)日:2015-03-11

    申请号:CN201410580984.5

    申请日:2014-10-27

    CPC classification number: G06K9/00771

    Abstract: 电力设备监控中使用的图像识别方法。近年来出现的远程图像监控系统,通过固定的红外摄像头来实现定期的巡检,将所得图像发回控制室再进行人工分析,可以说在一定程度上减少了人力劳动量。但是,上述这些方法仍然都疏于对诊断智能化的研究,未能摆脱对人工分析的依赖,耗时费力,也不易得到及时精确的诊断结果。 本发明方法包括如下步骤:首先对电力设备的特征进行提取,对图像进行图像预处理,去除图像中的暗的干扰物体,然后进行图像分割,将分割区域的合并,确定电气设备的故障区域,进行目标区域故障的检测识别。本发明用于电力设备在故障检测方面的图像识别。

Patent Agency Ranking