-
公开(公告)号：CN114092437A
公开(公告)日：2022-02-25
申请号：CN202111370261.9
申请日：2021-11-18
申请人： 国网四川省电力公司电力科学研究院 , 四川大学
摘要： 本发明公开了一种变压器渗漏油检测方法，通过获取所述变压器的紫外荧光图片，然后将所述紫外荧光图片转换为YUV图片，最后基于所述YUV图片确定变压器渗漏油区域，其中，确定渗漏油区域具体为先确定出YUV图片中的三个分量，然后将三个分量中的V色度分量通过预设分割算法确定出前景和背景的分割阈值，再基于三个分量中的灰度值分量和分割阈值确定出变压器渗漏油区域，本发明实现了自动判断变压器渗漏油情况，避免了人工识别的操作方式，实现了检测自动化、智能化。
-
公开(公告)号：CN114757938B
公开(公告)日：2023-09-15
申请号：CN202210526335.1
申请日：2022-05-16
申请人： 国网四川省电力公司电力科学研究院 , 四川大学
IPC分类号： G06V10/764 , G06V10/26 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/00
摘要： 本发明公开了一种变压器漏油识别方法和系统，该方法包括获取变压器漏油图像，构建基于融合注意力机制的残差U‑Net深度学习网络模型，并进行模型训练，利用训练后的基于融合注意力机制的残差U‑Net深度学习网络模型对获取的变压器漏油图像进行识别，得到漏油区域的分割结果。本发明通过引入一种自注意力机制来促进全局特征融合，加强像素特征间的语义关联，减少细节信息丢失，提升了分类准确率；然后采用ResNet18网络来代替传统U‑Net网络的编码器部分，并利用在ImageNet数据集上预训练得到的ResNet18权重进行模型参数的初始化，提升了模型的训练与检测效率；最后采用焦点损失Focal Loss函数作为改进网络的损失函数，解决漏油图像中前景与背景正负样本不平衡的问题。
-
公开(公告)号：CN114092437B
公开(公告)日：2023-04-25
申请号：CN202111370261.9
申请日：2021-11-18
申请人： 国网四川省电力公司电力科学研究院 , 四川大学
摘要： 本发明公开了一种变压器渗漏油检测方法，通过获取所述变压器的紫外荧光图片，然后将所述紫外荧光图片转换为YUV图片，最后基于所述YUV图片确定变压器渗漏油区域，其中，确定渗漏油区域具体为先确定出YUV图片中的三个分量，然后将三个分量中的V色度分量通过预设分割算法确定出前景和背景的分割阈值，再基于三个分量中的灰度值分量和分割阈值确定出变压器渗漏油区域，本发明实现了自动判断变压器渗漏油情况，避免了人工识别的操作方式，实现了检测自动化、智能化。
-
公开(公告)号：CN114757938A
公开(公告)日：2022-07-15
申请号：CN202210526335.1
申请日：2022-05-16
申请人： 国网四川省电力公司电力科学研究院 , 四川大学
摘要： 本发明公开了一种变压器漏油识别方法和系统，该方法包括获取变压器漏油图像，构建基于融合注意力机制的残差U‑Net深度学习网络模型，并进行模型训练，利用训练后的基于融合注意力机制的残差U‑Net深度学习网络模型对获取的变压器漏油图像进行识别，得到漏油区域的分割结果。本发明通过引入一种自注意力机制来促进全局特征融合，加强像素特征间的语义关联，减少细节信息丢失，提升了分类准确率；然后采用ResNet18网络来代替传统U‑Net网络的编码器部分，并利用在ImageNet数据集上预训练得到的ResNet18权重进行模型参数的初始化，提升了模型的训练与检测效率；最后采用焦点损失Focal Loss函数作为改进网络的损失函数，解决漏油图像中前景与背景正负样本不平衡的问题。
-
公开(公告)号：CN115441441B
公开(公告)日：2024-07-26
申请号：CN202211155064.X
申请日：2022-09-21
申请人： 四川大学
摘要： 本发明公开了一种基于振荡分量椭圆轨迹的次/超同步振荡的检测方法，包括以下步骤：S1、获取PMU数据样本，并计算其中振荡的频率；S2、根据所述振荡频率构建椭圆轨迹，得到椭圆轨迹特征值；S3、将所述椭圆轨迹特征值输入单隐层前馈神经网络，得到次/超同步振荡分类结果，完成次/超同步振荡的检测。本发明基于在实际工程中应用较广泛的同步向量测量装置的数据进行振荡类型检测的特点，将其从时域转化为频域，并利用振荡特有的椭圆轨迹特征，准确的对振荡类型进行了分类；采用了极限学习机智能算法，实现了振荡的实时检测与分类；鲁棒性强，在较强的噪声影响下，依然可达到较高的分类准确性，具有较大的实际工程价值。
-
公开(公告)号：CN115841217A
公开(公告)日：2023-03-24
申请号：CN202211211864.9
申请日：2022-09-30
申请人： 四川大学 , 国网河南省电力公司电力科学研究院
IPC分类号： G06Q10/0631 , G06N3/006 , G06Q50/06 , H02J3/00 , H02J3/16 , H02J3/18 , H02J3/38 , H02J3/48 , H02J3/50
摘要： 本发明公开了一种计及逆变器无功支撑能力的主动配电网双层优化配置方法，首先获取负荷信息、网架结构信息及光伏出力信息，选取典型日，构建优化配置场景；然后初始化上层粒子群，并将其传递到下层，采用粒子群算法求出最优下层目标函数，将计算的结果返回上层；结合下层返回的每个场景决策值计算上层目标函数值，并更新粒子群；判断达到收敛条件后，以上层粒子所对应的参数为所求的规划方案，以下层粒子所对应的参数为所求的运行方案。本发明为分布式光伏选择最佳的接入点与接入容量，最大化光伏并网效益，实现硬件资源的高效利用，在不增加专用治理设备的场景下，解决配网电压越限问题，提升配网电压质量，同时优化配网网损。
-
公开(公告)号：CN115441441A
公开(公告)日：2022-12-06
申请号：CN202211155064.X
申请日：2022-09-21
申请人： 四川大学
摘要： 本发明公开了一种基于振荡分量椭圆轨迹的次/超同步振荡的检测方法，包括以下步骤：S1、获取PMU数据样本，并计算其中振荡的频率；S2、根据所述振荡频率构建椭圆轨迹，得到椭圆轨迹特征值；S3、将所述椭圆轨迹特征值输入单隐层前馈神经网络，得到次/超同步振荡分类结果，完成次/超同步振荡的检测。本发明基于在实际工程中应用较广泛的同步向量测量装置的数据进行振荡类型检测的特点，将其从时域转化为频域，并利用振荡特有的椭圆轨迹特征，准确的对振荡类型进行了分类；采用了极限学习机智能算法，实现了振荡的实时检测与分类；鲁棒性强，在较强的噪声影响下，依然可达到较高的分类准确性，具有较大的实际工程价值。
-
公开(公告)号：CN115112999A
公开(公告)日：2022-09-27
申请号：CN202210756215.0
申请日：2022-06-30
申请人： 四川大学
摘要： 本发明公开了一种基于低压侧特征电压的中压配网故障区段定位方法，其包括以下步骤：获取变压器联结方式和故障类型；获取低压侧各测点的电压相量并计算对应的特征电压；根据特征电压最大值获取可疑故障路径，并对可疑故障路径进行分段；根据可疑故障路径中各区段两端特征电压计算该区段对应的特征电流；根据故障上下游特征电流的差异确定故障区段。本发明能够准确有效的实现中压配电网的故障区段定位，定位效果受故障电阻、故障距离中性点接地方式影响较小，且不受故障类型影响。本发明的电压测点位于低压侧，安装、运维成本较低，且有利于降低铁磁谐振风险。
-
公开(公告)号：CN114578186A
公开(公告)日：2022-06-03
申请号：CN202210188972.2
申请日：2022-02-28
申请人： 四川大学
IPC分类号： G01R31/08
摘要： 本发明公开了一种基于伏安特性分析的电缆早期故障严重程度评价方法，包括以下步骤：S1、采集变电站的若干组电流和电压数据；S2、根据采集的电流和电压数据计算故障点估计电压和故障电流；S3、根据故障点估计电压和故障电流计算早期故障非线性指标，完成电缆早期故障严重程度的评价。电缆早期故障是发生永久性故障前的重要指征，辨识早期故障发展的阶段和状态可以反映电缆运行状态和绝缘劣化水平，本发明可以实现对永久性故障的预警，指导指定检修策略，提高供电可靠性。
-
公开(公告)号：CN113295966A
公开(公告)日：2021-08-24
申请号：CN202110572570.8
申请日：2021-05-25
IPC分类号： G01R31/08 , G01R19/175
摘要： 本发明公开了一种早期故障类型的识别方法和装置，其中，该方法包括：采集扰动事件的扰动波形数据；判断早期故障扰动持续时间是否在早期故障时间范围内，若是，则判断电压的故障初相角是否在电压峰值的裕度范围内；在判断电压的故障初相角是否在电压峰值的裕度范围内时，若是，则判断负荷电流变化量是否小于等于设定电流阈值；在判断负荷电流变化量是否小于等于设定电流阈值时，若是，则执行第一组判据，若否，则执行第二组判据；依据第一组判据或者第二组判据，识别出扰动事件的早期故障类型。本发明解决了如何识别小电流接地系统中单相接地型早期故障和异名相两点接地型早期故障的技术问题。
-
-
-
-
-
-
-
-
-
搜索结果
55 条记录 (耗时 0.061 秒)
