一种基于机器学习的电能质量扰动信号识别方法

    公开(公告)号:CN116881808B

    公开(公告)日:2025-02-11

    申请号:CN202310898890.1

    申请日:2023-07-21

    Abstract: 本发明提供了一种基于机器学习的电能质量扰动信号识别方法,包括S1、对原始扰动信号应用DTCWT‑LPP,提取相应的特征量并进行降维处理;S2、原始扰动信号经过DTCWT‑LPP处理后得到相应的标准差、均值、最大值、最小值等特征量,将其作为输入样本输入到局部密度聚类中进行分类识别,建立相应的电能质量扰动识别的分类模型;S3、新数据输入时,根据DTCWT‑LPP变换后的电能质量分类模型对电能质量进行分类。本发明以有源配电网为研究背景,对DTCWT与LPP算法进行有效融合,利用DTCWT‑LPP提取各种电压质量扰动的特征并对特征量进行降维处理,采用多级局部密度聚类算法构建分类模型,对电能质量扰动源进行分类识别,从而解决电能质量扰动等问题。

    一种基于机器学习的电能质量扰动信号识别方法

    公开(公告)号:CN116881808A

    公开(公告)日:2023-10-13

    申请号:CN202310898890.1

    申请日:2023-07-21

    Abstract: 本发明提供了一种基于机器学习的电能质量扰动信号识别方法,包括S1、对原始扰动信号应用DTCWT‑LPP,提取相应的特征量并进行降维处理;S2、原始扰动信号经过DTCWT‑LPP处理后得到相应的标准差、均值、最大值、最小值等特征量,将其作为输入样本输入到局部密度聚类中进行分类识别,建立相应的电能质量扰动识别的分类模型;S3、新数据输入时,根据DTCWT‑LPP变换后的电能质量分类模型对电能质量进行分类。本发明以有源配电网为研究背景,对DTCWT与LPP算法进行有效融合,利用DTCWT‑LPP提取各种电压质量扰动的特征并对特征量进行降维处理,采用多级局部密度聚类算法构建分类模型,对电能质量扰动源进行分类识别,从而解决电能质量扰动等问题。

    一种变电站主设备安保用声音采集装置

    公开(公告)号:CN119290141A

    公开(公告)日:2025-01-10

    申请号:CN202411520498.4

    申请日:2024-10-29

    Abstract: 本发明涉及声波检测装置技术领域,特别是涉及一种变电站主设备声音波速测量装置,用于解决在变电站复杂电磁环境和噪声背景下主设备发出的声波不易定向接收的问题,该装置包括音源定位机构,音源定位机构包括箱体,箱体开设有端口并位于端口内连接有振动膜,箱体内连接有与振动膜接触的多个振动传感器,音波传递至振动膜时,振动膜震动,多个振动传感器先后感应振动膜的震动后,箱体的端口向先感应震动的振动传感器方向摆动,从而箱体的端口正对音源;箱体上设置有音波采集机构,箱体的端口正对音源时,音波采集机构启动;通过音源定位机构和音波采集机构,为变电站主设备的运行状态监测提供了可靠的数据支持。

Patent Agency Ranking