中压配电电缆潜伏性故障引导学习辨识方法及系统

    公开(公告)号:CN117054811A

    公开(公告)日:2023-11-14

    申请号:CN202311047236.6

    申请日:2023-08-18

    Abstract: 本发明公开了一种中压配电电缆潜伏性故障引导学习辨识方法及系统,包括:获取电缆的潜伏性故障电流数据;提取故障电流数据在时域、频域和时频域工况下的故障特征向量,并对故障特征向量进行降维优化;基于优化后的故障特征向量,利用训练好的数据‑知识联合驱动故障辨识模型,得到电缆潜伏性故障辨识结果;其中,所述数据‑知识联合驱动故障辨识模型由基于极限学习机的纯数据驱动模型和领域经验知识融合得到;本发明将电缆潜伏性故障辨识领域经验知识引入纯数据驱动模型并对其引导限制,使得融合模型获得了经验知识引入带来的泛化性能强、稳定度高、鲁棒性强、不易发生严重分类错误的能力,实现了准确判别中压配电电缆潜伏性故障。

    一种基于KNN的配网接地故障原因识别方法

    公开(公告)号:CN108983042B

    公开(公告)日:2020-05-22

    申请号:CN201810824588.0

    申请日:2018-07-25

    Abstract: 本发明提供一种基于KNN的配网接地故障原因识别方法,通过人工接地试验或现场实际故障录波获取不同故障原因的零序电流波形数据,提取表征不同故障原因的自恢复性、过渡时间、零休时间、畸变程度、随机程度5项特征参量,形成特征样本库;当故障发生时,计算输入波形的上述特征,采用KNN算法查找其所属原因类别。本发明一方面可通过在故障巡查前聚焦故障原因,从而制定有针对性的巡查方案,大幅提升故障查找效率,减少停电损失;另一方面可准确掌握某一供区配电网故障原因分布规律,制定隐患治理及故障防范措施,促进配电网运维管理精益化水平的提升;且随着故障样本及特征数量的增加,特征样本库将更加完善,识别成功率更高。

    一种基于KNN的配网接地故障原因识别方法

    公开(公告)号:CN108983042A

    公开(公告)日:2018-12-11

    申请号:CN201810824588.0

    申请日:2018-07-25

    Abstract: 本发明提供一种基于KNN的配网接地故障原因识别方法,通过人工接地试验或现场实际故障录波获取不同故障原因的零序电流波形数据,提取表征不同故障原因的自恢复性、过渡时间、零休时间、畸变程度、随机程度5项特征参量,形成特征样本库;当故障发生时,计算输入波形的上述特征,采用KNN算法查找其所属原因类别。本发明一方面可通过在故障巡查前聚焦故障原因,从而制定有针对性的巡查方案,大幅提升故障查找效率,减少停电损失;另一方面可准确掌握某一供区配电网故障原因分布规律,制定隐患治理及故障防范措施,促进配电网运维管理精益化水平的提升;且随着故障样本及特征数量的增加,特征样本库将更加完善,识别成功率更高。

Patent Agency Ranking