-
公开(公告)号：CN112016473B
公开(公告)日：2022-09-13
申请号：CN202010894524.5
申请日：2020-08-31
申请人： 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
摘要： 本发明公开了一种基于半监督学习和注意力机制的配电网高阻接地故障诊断方法，包括：1、将故障相电压时间序列数据集合分类成有标记样本集合和无标记样本集合；2、根据计算无标记样本和有标记样本集合的相似度更新两类样本集；3、利用有标记样本集合训练1NN分类器，并利用1NN分类器对无标记样本集合进行预测标注；4、构建基于注意力机制的LSTM‑CNN神经网络；5、利用注意力机制网络融合LSTM和CNN的特征向量；6、通过梯度下降反向传播算法更新LSTM‑CNN的神经网络参数。本发明使得故障检测模型具有时间、空间的特征表达能力，从而能提高配电网高阻接地的故障检测率。
-
公开(公告)号：CN111291691A
公开(公告)日：2020-06-16
申请号：CN202010096393.6
申请日：2020-02-17
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于深度学习的变电站二次设备仪表盘读数检测方法，包括：1、基于YOLOv3算法对仪表盘图像进行定位分类训练；2、利用训练好的YOLOv3模型，对所获取的实时图像进行仪表盘定位分类并进行裁剪保存；3、若分类结果为变压器温度表，使用hough变换获取温度表图像基准水平线和指针线，否则，使用OPENCV OCR和hough变换获取电流表和电压表图像类别标签、数字量程和指针线；4、计算仪表盘读数，并在边缘侧保存读数数据；5、巡检机器人完成一次周期巡检后，将所有仪表盘读数通过无线网络上传至云端服务器。本发明能提高变电站无人抄表的数据检测率，从而满足变电站设备故障诊断的实际需求。
-
公开(公告)号：CN111291691B
公开(公告)日：2022-03-15
申请号：CN202010096393.6
申请日：2020-02-17
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
IPC分类号： G06V20/10 , G06V10/26 , G06V30/148 , G06V10/44 , G06V10/774 , G06V10/764 , G06V30/19 , G06K9/62
摘要： 本发明公开了一种基于深度学习的变电站二次设备仪表盘读数检测方法，包括：1、基于YOLOv3算法对仪表盘图像进行定位分类训练；2、利用训练好的YOLOv3模型，对所获取的实时图像进行仪表盘定位分类并进行裁剪保存；3、若分类结果为变压器温度表，使用hough变换获取温度表图像基准水平线和指针线，否则，使用OPENCV OCR和hough变换获取电流表和电压表图像类别标签、数字量程和指针线；4、计算仪表盘读数，并在边缘侧保存读数数据；5、巡检机器人完成一次周期巡检后，将所有仪表盘读数通过无线网络上传至云端服务器。本发明能提高变电站无人抄表的数据检测率，从而满足变电站设备故障诊断的实际需求。
-
公开(公告)号：CN111142049B
公开(公告)日：2020-12-29
申请号：CN202010049713.2
申请日：2020-01-16
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于边云协同机制的变压器智能故障诊断方法，包括：1云端预训练ResNet‑18网络、ResNet‑50‑1,2和LSTM网络模型；2由边缘端采集并预处理变压器故障特征变量数据，并上传数据至云端；3利用边缘端ResNet‑18网络和云端ResNet‑50‑1网络对变压器故障类型进行协同判别；4若出现新故障类型，云端重新构建训练ResNet‑18网络和ResNet‑50‑2网络；5云端定时重新训练ResNet‑18网络，利用边云协同机制更新边缘端网络参数；6若边缘端向云端传输的过程中产生数据丢包，基于LSTM网络预测丢失的数据。本发明能提高变压器故障的状态检测率。
-
公开(公告)号：CN112016473A
公开(公告)日：2020-12-01
申请号：CN202010894524.5
申请日：2020-08-31
申请人： 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
摘要： 本发明公开了一种基于半监督学习和注意力机制的配电网高阻接地故障诊断方法，包括：1、将故障相电压时间序列数据集合分类成有标记样本集合和无标记样本集合；2、根据计算无标记样本和有标记样本集合的相似度更新两类样本集；3、利用有标记样本集合训练1NN分类器，并利用1NN分类器对无标记样本集合进行预测标注；4、构建基于注意力机制的LSTM-CNN神经网络；5、利用注意力机制网络融合LSTM和CNN的特征向量；6、通过梯度下降反向传播算法更新LSTM-CNN的神经网络参数。本发明使得故障检测模型具有时间、空间的特征表达能力，从而能提高配电网高阻接地的故障检测率。
-
公开(公告)号：CN111142049A
公开(公告)日：2020-05-12
申请号：CN202010049713.2
申请日：2020-01-16
申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于边云协同机制的变压器智能故障诊断方法，包括：1云端预训练ResNet-18网络、ResNet-50-1,2和LSTM网络模型；2由边缘端采集并预处理变压器故障特征变量数据，并上传数据至云端；3利用边缘端ResNet-18网络和云端ResNet-50-1网络对变压器故障类型进行协同判别；4若出现新故障类型，云端重新构建训练ResNet-18网络和ResNet-50-2网络；5云端定时重新训练ResNet-18网络，利用边云协同机制更新边缘端网络参数；6若边缘端向云端传输的过程中产生数据丢包，基于LSTM网络预测丢失的数据。本发明能提高变压器故障的状态检测率。
-
公开(公告)号：CN117039832A
公开(公告)日：2023-11-10
申请号：CN202311284979.5
申请日：2023-10-07
申请人： 合肥工业大学 , 国网安徽省电力有限公司歙县供电公司
发明人： 袁保平 , 方峥胜 , 王健铎 , 董晓宏 , 汪健 , 许冬良 , 陈凡 , 张应兵 , 刘万旭 , 朱朝晖 , 吴刚 , 凌志英 , 赵欣宇 , 方健 , 丁晔 , 张继磊 , 凌永华 , 宋浩杰 , 任泰安 , 金浩然 , 刘成军
IPC分类号： H02J1/14
摘要： 本发明涉及能量优化管理技术领域，具体公开一种用于直流配电网的能量优化管理方法及其系统，该方法包括指定直流配电网区域划分、供给端电力产出分析、储能端能量转化分析、传输端干扰程度分析、电力负荷端关联影响信息分析和能量调度优先级判定，本发明通过分析储能端的电量转化数据和储能设备干扰参数，不仅能够综合性的反映出直流配电网区域中储能运维的细致情况，且为后续分析能量调度优先级提供更加科学的数据支撑，同时通过对各传输端的传输线缆和气象数据进行分析，并综合评定各传输端的干扰程度值，有助于反映电力供给端与需求端之间存在的供需差异性，为直流配电网的能量调度提供了更加细致化的分析结果。
-
公开(公告)号：CN107036923A
公开(公告)日：2017-08-11
申请号：CN201710446043.6
申请日：2017-06-14
申请人： 合肥工业大学
IPC分类号： G01N3/56
摘要： 本发明公开了一种用于硬质合金或耐磨涂层的摩擦磨损试验机及摩擦磨损测试方法，其中摩擦磨损试验机包括电动机、变频器、机架和磨盘，所述电动机安装在机架的下方并与变频器相连，所述磨盘通过圆心的螺孔套接固定于电动机的输出轴上；除此之外，在机架上垂直设置有多个螺杆支撑臂，所述螺杆支撑臂的下部套接安装支撑弹簧，所述螺杆支撑臂的上部套接安装加载弹簧；在机架的上方水平设置一上夹板，上夹板通过支撑弹簧和加载弹簧夹持固定，并通过螺杆支撑臂顶部的调节螺母调节水平及载荷。本发明装置通过改变加载弹簧的伸长量来调节压力的大小，结构简单、造价低廉、适用硬质合金或者表面含有耐磨涂层的摩擦磨损试验，实验时间短，省时省力。
-
公开(公告)号：CN115050022A
公开(公告)日：2022-09-13
申请号：CN202210640236.6
申请日：2022-06-08
申请人： 合肥工业大学
IPC分类号： G06V20/68 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 一种基于多层级自适应注意力的农作物病虫害识别方法，应用于图像识别技术领域，解决传统卷积神经网络模型对相似度很高的农作物病虫害图像识别度低的问题；通过构建基于注意力机制的神经网络模型，构建多层级识别网络，使用模糊积分对多层次网络输出进行特征融合并输出检测结果；在网络中引入注意力机制，增强网络分类相似样本的能力，对多层级网络模型集识别结果进行融合，提升模型精度，克服单一网络模型适用性低的现象，能够根据实际需要调整参数，满足准确化快速识别农作物病虫害的实际需求，通过交错组卷积优化卷积计算量，减少模型推理时间；通过训练不同层级网络模型，通过模糊积分融合多模型识别结果，提高了农作物病虫害的识别精度。
-
公开(公告)号：CN115050022B
公开(公告)日：2024-08-09
申请号：CN202210640236.6
申请日：2022-06-08
申请人： 合肥工业大学
IPC分类号： G06V20/68 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 一种基于多层级自适应注意力的农作物病虫害识别方法，应用于图像识别技术领域，解决传统卷积神经网络模型对相似度很高的农作物病虫害图像识别度低的问题；通过构建基于注意力机制的神经网络模型，构建多层级识别网络，使用模糊积分对多层次网络输出进行特征融合并输出检测结果；在网络中引入注意力机制，增强网络分类相似样本的能力，对多层级网络模型集识别结果进行融合，提升模型精度，克服单一网络模型适用性低的现象，能够根据实际需要调整参数，满足准确化快速识别农作物病虫害的实际需求，通过交错组卷积优化卷积计算量，减少模型推理时间；通过训练不同层级网络模型，通过模糊积分融合多模型识别结果，提高了农作物病虫害的识别精度。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.123 秒)
