-
公开(公告)号：CN118072152B
公开(公告)日：2024-09-13
申请号：CN202410464753.1
申请日：2024-04-18
申请人： 国网山东省电力公司菏泽供电公司 , 上海交通大学
IPC分类号： G06V10/98 , G06V10/44 , G06V10/54 , G06V10/30 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
摘要： 本发明适用于电力检测技术领域，提供了一种基于图像融合的电力设备运行故障检测方法及系统，采集电力设备部件的图像数据，对以上所述图像数据进行预处理，分别提取预处理后的红外热成像图像中的热故障区域分布图和可见光图像中的外形轮廓图，利用卷积神经网络算法分类识别热故障区域分布图和外形轮廓图，将热故障区域分布图和外形轮廓图输入卷积神经网络模型，利用双边滤波原理对热故障区域分布图进行滤波优化检测，获取热故障区域最终检测结果，利用基于DCT的hash方法识别外形轮廓图中的纹理异常检测结果或形状异常检测结果，将热故障区域分布图和外形轮廓图进行图像融合分析，输出故障信息，具备故障分析具体和直观的特点。
-
公开(公告)号：CN118017694B
公开(公告)日：2024-07-23
申请号：CN202410410967.0
申请日：2024-04-08
申请人： 国网山东省电力公司菏泽供电公司 , 上海交通大学
摘要： 本发明适用于变电站设备运行状态监控技术领域，提供了一种变电站设备监控方法及系统，通过搜集变电站内的各个变电站设备的传感器汇报数据，并根据传感器汇报数据获取实时温度监测参数汇总；分析实时温度监测参数汇总，并根据实时温度监测参数汇总确定处于等待辅助散热状态的目标变电站设备。当变电站中的变电站设备需要高效的辅助散热时，能够智能且及时的往变电站设备上配设水冷散热措施，以提高变电站设备的散热效率，且与此同时，还能够将变电站设备的热能充分利用起来，以为变电站及其附近的生活区域提供供热便利，从而提高了能源的使用效率，并提高了本变电站设备监控方法的智能程度。
-
公开(公告)号：CN118366064A
公开(公告)日：2024-07-19
申请号：CN202410496488.5
申请日：2024-04-24
申请人： 国网山东省电力公司菏泽供电公司
摘要： 本发明适用于电力工程管理技术领域，提供了一种用于变电站的智能巡检方法和系统，所述方法包括以下步骤：获取无人机此次巡检的规划方案，所述规划方案包括规划线路和检查点位；通过后台根据规划方案将标准图像发送至正在进行巡检工作的无人机；当无人机沿着规划线路飞行并在检查点位获取当前图像时，并使得无人机将当前图像与标准图像进行比对；当标准图像与当前图像比对出现差异时，将所述当前图像整合对应的规划线路和检查点位上传至后台系统进行分析。本发明利用巡检变电设备的固定性，在现场便可以完成图像识别比对，能够大大减少无人机与后台之间的图像传输压力，利用无人机可以对获取的图像进行预先筛选。
-
公开(公告)号：CN118017694A
公开(公告)日：2024-05-10
申请号：CN202410410967.0
申请日：2024-04-08
申请人： 国网山东省电力公司菏泽供电公司
摘要： 本发明适用于变电站设备运行状态监控技术领域，提供了一种变电站设备监控方法及系统，通过搜集变电站内的各个变电站设备的传感器汇报数据，并根据传感器汇报数据获取实时温度监测参数汇总；分析实时温度监测参数汇总，并根据实时温度监测参数汇总确定处于等待辅助散热状态的目标变电站设备。当变电站中的变电站设备需要高效的辅助散热时，能够智能且及时的往变电站设备上配设水冷散热措施，以提高变电站设备的散热效率，且与此同时，还能够将变电站设备的热能充分利用起来，以为变电站及其附近的生活区域提供供热便利，从而提高了能源的使用效率，并提高了本变电站设备监控方法的智能程度。
-
公开(公告)号：CN118072152A
公开(公告)日：2024-05-24
申请号：CN202410464753.1
申请日：2024-04-18
申请人： 国网山东省电力公司菏泽供电公司
IPC分类号： G06V10/98 , G06V10/44 , G06V10/54 , G06V10/30 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
摘要： 本发明适用于电力检测技术领域，提供了一种基于图像融合的电力设备运行故障检测方法及系统，采集电力设备部件的图像数据，对以上所述图像数据进行预处理，分别提取预处理后的红外热成像图像中的热故障区域分布图和可见光图像中的外形轮廓图，利用卷积神经网络算法分类识别热故障区域分布图和外形轮廓图，将热故障区域分布图和外形轮廓图输入卷积神经网络模型，利用双边滤波原理对热故障区域分布图进行滤波优化检测，获取热故障区域最终检测结果，利用基于DCT的hash方法识别外形轮廓图中的纹理异常检测结果或形状异常检测结果，将热故障区域分布图和外形轮廓图进行图像融合分析，输出故障信息，具备故障分析具体和直观的特点。
-
公开(公告)号：CN110334948A
公开(公告)日：2019-10-15
申请号：CN201910602681.1
申请日：2019-07-05
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要： 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
公开(公告)号：CN110334865A
公开(公告)日：2019-10-15
申请号：CN201910602682.6
申请日：2019-07-05
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要： 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法，其包括训练步骤和预测步骤，其中，训练步骤包括：(1)收集电力设备的案例PRPS图谱；(2)对收集的案例PRPS图谱数据进行预处理；(3)构建第一卷积神经网络模块，并对第一卷积神经网络模块进行训练，以使其输出为案例PRPS图谱数据对应的缺陷类型；(4)基于缺陷类型构建各个缺陷类型的数据集；(5)对应各个缺陷类型分别构建各自的故障二分类子模块，其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建；训练第二卷积神经网络，以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值，而输出电力设备是否发生故障的判断。
-
公开(公告)号：CN110008964A
公开(公告)日：2019-07-12
申请号：CN201910241551.X
申请日：2019-03-28
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC分类号： G06K9/46
摘要： 本发明公开了一种高效的异源图像的角点特征提取与描述方法，对于特征相似度较低的异源图像，先采用FAST方法提取图像中的结构性特征较为显著的角点，再采用PIIFD特征描述符考虑异源图像的梯度翻转效应，对角点特征进行统一的描述。本发明技术解决方案简单，鲁棒性高，实用性强，不易受图像品质的影响，能克服异源图像特征差异较大、特征较为模糊、图像噪声干扰较大等问题，可以很好地解决目前主要特征提取方法在处理异源图像时特征提取准确率低、特征显著性低、计算复杂度高、可靠性差的问题。
-
公开(公告)号：CN110334948B
公开(公告)日：2023-04-07
申请号：CN201910602681.1
申请日：2019-07-05
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC分类号： G06Q10/0635 , G06Q10/0639 , G06Q50/06 , G06F18/214 , G01R31/12
摘要： 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
公开(公告)号：CN110334866B
公开(公告)日：2022-11-11
申请号：CN201910602683.0
申请日：2019-07-05
申请人： 上海交通大学 , 上海交通大学烟台信息技术研究院
摘要： 本发明公开了一种考虑绝缘缺陷类别与故障关联性的电力设备故障概率预测方法，其包括步骤：(1)采集电力设备的PRPS图谱数据并对其进行预处理；(2)基于经过预处理的PRPS图谱数据提取局部放电特征；(3)将局部放电特征输入经过训练的卷积神经网络，经过训练的卷积神经网络输出电力设备具有某类绝缘缺陷的概率值P(Dk)；并且还将局部放电特征输入经过训练的长短时记忆神经网络，经过训练的长短时记忆神经网络输出电力设备在Dk的条件下发生故障的概率P(F|Dk)；(4)基于下述公式获得电力设备的最终故障概率P(F)：此外，本发明还公开了一种电力设备故障概率预测系统。
-
-
-
-
-
-
-
-
-
搜索结果
155 条记录 (耗时 0.051 秒)
