-
公开(公告)号：CN108008244B
公开(公告)日：2019-07-26
申请号：CN201711006521.8
申请日：2017-10-25
Applicant: 国网湖北省电力公司电力科学研究院 , 国家电网公司 , 中国石油大学(华东)
IPC: G01R31/08
Abstract: 一种小电流接地故障多层次递进式分类识别方法，设置了包括将故障特征分按时域特性、故障点的性质等，自上而下的四层递进式故障分类数据模块，有效解决了小电流接地故障分类不完整、识别类型单一等问题，据此提出了识别方法的5步骤，在不同层次提取零序电压、零序电流等故障波形特征，采用时域特征辨识、启发式分割算法、FFT分析等逐层识别故障类型，最终得出全面表示故障特征的故障类型。所述方法能够有效避免故障识别过程中概念模糊的问题，一方面可深层次掌握故障原因及其分布规律，促进配电网运检查管理精益化水平的持续完善；另一方面可辅助运维人员及时发现配电网“潜伏性隐患”，进一步缩短故障查找时间，促进配网运行可靠性的不断提升。
-
公开(公告)号：CN108008244A
公开(公告)日：2018-05-08
申请号：CN201711006521.8
申请日：2017-10-25
Applicant: 国网湖北省电力公司电力科学研究院 , 国家电网公司 , 中国石油大学(华东)
IPC: G01R31/08
CPC classification number: G01R31/088
Abstract: 一种小电流接地故障多层次递进式分类识别方法，设置了包括将故障特征分按时域特性、故障点的性质等，自上而下的四层递进式故障分类数据模块，有效解决了小电流接地故障分类不完整、识别类型单一等问题，据此提出了识别方法的5步骤，在不同层次提取零序电压、零序电流等故障波形特征，采用时域特征辨识、启发式分割算法、FFT分析等逐层识别故障类型，最终得出全面表示故障特征的故障类型。所述方法能够有效避免故障识别过程中概念模糊的问题，一方面可深层次掌握故障原因及其分布规律，促进配电网运检查管理精益化水平的持续完善；另一方面可辅助运维人员及时发现配电网“潜伏性隐患”，进一步缩短故障查找时间，促进配网运行可靠性的不断提升。
-
公开(公告)号：CN105975709B
公开(公告)日：2019-02-26
申请号：CN201610323832.6
申请日：2016-05-16
Applicant: 中国石油大学(华东)
IPC: G06F17/50
Abstract: 本发明公开了一种多工况参数辨识优化的变压器热点温度预测方法，包括以下步骤：实时采集变压器测试数据，根据其运行工况，将测试数据划分为训练集和预测集；选取IEEE模型在不同工况下明显变化的参数作为待辨识优化的参数，构造各个工况下IEEE模型的参数辨识优化目标函数；基于各个运行工况的训练集，利用搜索方法寻找各工况下的参数辨识优化目标函数的最优解，将各个工况下的辨识优化参数代入，利用IEEE模型对每个工况下的预测集测试数据进行预测，得到变压器热点温度预测序列。本发明可获得精度较高的热点温度预测值，能够可靠地分析热点温度的动态变化趋势，进而提升了变压器在热特性衡量方面的准确度。
-
Patent Agency Ranking
公开(公告)号：CN108508319A
公开(公告)日：2018-09-07
申请号：CN201810251648.4
申请日：2018-03-26
Applicant: 中国石油大学(华东)
IPC: G01R31/02
Abstract: 一种基于故障特征气体间关联特征的变压器故障类型识别方法，该方法基于大量电力变压器多种故障状态下的多种故障特征气体浓度数据，以定量相关关系分析获得不同故障特征气体间在不同故障类型下关联程度的定量表征，进而绘制不同故障状态下多种特征气体间关联程度的曲线，提取不同故障下的关联特征量及其分布范围，并以提取的关联特征为依据进行故障诊断。与基于传统特征量的方法相比，本发明依托于大量历史数据，挖掘不同特征气体之间的关联特征并提取诊断用关联特征量，一定程度地表征了变压器故障时多种变量间的耦合关系，为变压器故障的类型识别提供了一种新的特征量。
-
公开(公告)号：CN107894969A
公开(公告)日：2018-04-10
申请号：CN201710822442.8
申请日：2017-09-13
Applicant: 中国石油大学(华东)
CPC classification number: G06F17/18 , G01N33/0063
Abstract: 本发明公开了一种基于趋势分析的变压器潜伏性故障预警方法。基于非参数回归方法对历史数据进行平滑处理，通过准确率、召回率和带宽等异常值检测评价指标，得到最优的平滑因子及与之对应的上下限时间序列数据。以该上下限序列数据为历史数据，建立气体浓度自适应预测模型，预测未来时间段内的上下限气体浓度数据。通过实际检测数据与预测上下限数据的对比，确定预警策略。本发明提出的方法，避免了固定阈值存在的漏报和误报等问题，能够满足现场应用的要求，有利于提高变压器潜伏性故障的预警可靠性，为变压器的维修工作提供了更可靠的参考，保证了变压器和电力系统的安全稳定运行。
-
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
Applicant: 国网湖北省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国石油大学(华东)
IPC: G01R31/08
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。
-
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
Applicant: 国网湖北省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国石油大学(华东)
IPC: G01R31/08
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。
-
公开(公告)号：CN105975709A
公开(公告)日：2016-09-28
申请号：CN201610323832.6
申请日：2016-05-16
Applicant: 中国石油大学(华东)
IPC: G06F17/50
CPC classification number: G06F17/5036 , G06F2217/80
Abstract: 本发明公开了一种多工况参数辨识优化的变压器热点温度预测方法，包括以下步骤：实时采集变压器测试数据，根据其运行工况，将测试数据划分为训练集和预测集；选取IEEE模型在不同工况下明显变化的参数作为待辨识优化的参数，构造各个工况下IEEE模型的参数辨识优化目标函数；基于各个运行工况的训练集，利用搜索方法寻找各工况下的参数辨识优化目标函数的最优解，将各个工况下的辨识优化参数代入，利用IEEE模型对每个工况下的预测集测试数据进行预测，得到变压器热点温度预测序列。本发明可获得精度较高的热点温度预测值，能够可靠地分析热点温度的动态变化趋势，进而提升了变压器在热特性衡量方面的准确度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.064 seconds)
