-
公开(公告)号：CN118783368A
公开(公告)日：2024-10-15
申请号：CN202410811543.5
申请日：2024-06-21
Applicant: 国网湖北省电力有限公司电力科学研究院 , 华北电力大学(保定)
Abstract: 一种单相接地故障的消弧及性质辨识协同配合方法，包括以下步骤：监测系统母线三相电压，当电压发生越限时，将消弧支路和故障性质辨识支路通过故障相及其超前相接入系统一次侧；将消弧支路中的消弧开关闭合，进行消弧操作，将故障相电压钳位至零；经消弧设定时间后，断开消弧开关，闭合故障性质辨识支路的故障性质辨识开关，依据瞬时性故障判据判别故障类型；当判别故障类型为瞬时性故障时，开断消弧及故障性质辨识支路，系统恢复正常运行；当判别故障类型为永久性故障时，要对故障进行持续消弧避免事故影响扩大。本发明在保证设备安全条件下实现了具有可靠故障判据的故障性质辨识技术。
-
公开(公告)号：CN117129802A
公开(公告)日：2023-11-28
申请号：CN202311220170.6
申请日：2023-09-20
Applicant: 国网湖北省电力有限公司电力科学研究院 , 华北电力大学(保定)
Abstract: 本发明公开了一种特高压交流输电线路的单相接地故障性质辨识方法及装置，该方法包括：特高压交流输电线路检测到单相接地故障后，断开故障相两端的断路器，测量断开相的电压波形；利用小波变换提取断开相的电压波形中的低频分量，实现对断开相电压波形中高频分量的滤波；对所得到的低频分量进行变分模态分解，实现对瞬时性故障中自由振荡分量和工频分量的分解，得到至少两层本征模态分量；计算可移动时间窗内第二层本征模态分量与第一层本征模态分量的能量比值d；根据计算所得能量比值d对所述单相接地故障进行瞬时性接地故障和永久性接地故障的辨识。本发明可对特高压输电线路的接地故障性质进行准确识别，为故障后是否进行重合闸操作提供指示。
-
公开(公告)号：CN119741253A
公开(公告)日：2025-04-01
申请号：CN202411583032.9
申请日：2024-11-07
Applicant: 华北电力大学(保定)
IPC: G06T7/00 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/0895 , G06N3/09 , G06N3/096
Abstract: 本发明提供一种基于多模态对比学习的输电线路缺陷识别方法，构建输电线路图像‑文本‑标签数据集，在利用现有视觉‑语言模型中强大预训练表征的同时，通过电力领域特有的辅助预训练任务引入了文本模态数据中蕴含的电力语义知识，有效改善了输电线路缺陷识别的精度。同时，设计基于对比学习的微调策略，在下游输电线路缺陷识别任务的基础上添加I TC，使用两种任务微调整个识别模型来缓解微调阶段的过拟合问题，训练得到最终的输电线路缺陷识别模型。
-
公开(公告)号：CN115695343B
公开(公告)日：2024-05-31
申请号：CN202211150048.1
申请日：2022-09-21
Applicant: 华北电力大学(保定)
IPC: H04L49/9015 , H04L12/12
Abstract: 本发明涉及一种通过智能感知网络业务流量实现设备动态节能的方法，通过根据DRAM中已经占用的子存储单元的地址信息以及用于标识入端口报文存储在DRAM中的具体存储单元的地址信息，构建存储状态链表；根据处于空闲状态的子存储单元的地址信息构建空状态链表；将存储状态链表和空状态链表构建成指针缓存器；指针缓存器根据当前DRAM存储单元数量以及空闲存储单元的数量的相对关系，进而控制网络设备出端口状态的切换。本发明基于一定的水线判别机制，可以极大降低设备在空闲状态时的功耗水平，尤其是该方法可以很好地匹配已经完成的IEEE8023节能以太网端口规范，匹配该规范对应的网络设备的感知与动作方法，实现整个网络设备的系统化节能减排，绿色网络的诉求及设计理念。
-
公开(公告)号：CN117079078A
公开(公告)日：2023-11-17
申请号：CN202311105621.1
申请日：2023-08-30
Applicant: 华北电力大学(保定)
IPC: G06V10/774 , G06V10/776 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种变电设备缺陷图像数据扩充与数据清洗方法，包括：利用预设数据集对风格迁移网络进行训练，得到训练好的网络权重参数；遍历原始变电设备缺陷图像和弱光场景图像，并利用加载所述网络权重参数的所述风格迁移网络，根据所述原始变电设备缺陷图像和弱光场景图像对缺陷图像数据进行扩充，得到低光照变电设备缺陷图像数据，并验证风格迁移效果；滤除所述低光照变电设备缺陷图像数据中的低质量生成图像，并依托对抗验证方法利用分类模型筛选出与真实图像集合样本分布近似的生成图像，得到最终扩充的低光照变电设备缺陷图像集合。本发明有助于解决深度学习模型在弱光场景泛化性弱的问题。
-
Patent Agency Ranking
公开(公告)号：CN114158050B
公开(公告)日：2023-06-27
申请号：CN202110975637.2
申请日：2021-08-24
Applicant: 华北电力大学(保定)
IPC: H04W12/126 , H04W28/084 , H02J50/20
Abstract: 本发明提供一种提高WPT‑MEC系统安全计算性能的方法、装置及系统。该方法包括：建立WPT‑MEC系统的用户终端在传输周期内的本地计算任务量模型和安全卸载任务量模型，传输周期表示用户终端完成充电和卸载的周期；确定安全计算任务量目标函数和约束条件；获取设定的基站的通信参数、用户终端的运算能力参数以及传输周期作为输入参数；以安全计算任务量目标函数的函数值最大为优化目标，根据设定的优化算法、输入参数和约束条件进行优化，得到输出参数的目标值；输出参数的目标值用于对WPT‑MEC系统进行配置，以提高WPT‑MEC系统的安全计算性能。本发明在WPT‑MEC系统中加入IRS，IRS可以增加用户接收的能量信号并且无需增加系统能耗，确定IRS和WPT‑MEC系统的参数，可以提高WPT‑MEC系统的安全性。
-
公开(公告)号：CN110472668B
公开(公告)日：2021-02-19
申请号：CN201910659388.9
申请日：2019-07-22
Applicant: 华北电力大学(保定)
IPC: G06K9/62
Abstract: 本发明公开了一种图像分类方法，该方法具体为基于端到端双通道特征重标定密集连接卷积神经网络的图像分类方法，该方法通过一个网络模型即可完成通道特征重标定与层间特征重标定并进行合并，并且这个模型的训练过程是端到端训练，即本申请不需要分阶段完成训练，也不需要多个模型的多次存取，可以直接实现端到端训练，训练过程简单，训练及测试耗时大大缩短。
-
公开(公告)号：CN107896125A
公开(公告)日：2018-04-10
申请号：CN201711259581.0
申请日：2017-12-04
Applicant: 华北电力大学(保定)
IPC: H04B7/06 , H04B7/0452 , H04W52/24 , H04W52/34 , H04W52/42
CPC classification number: H04B7/0617 , H04B7/0452 , H04B7/0626 , H04W52/242 , H04W52/346 , H04W52/42
Abstract: 本发明利用了随机矩阵和非线性优化等理论工具，在全维度天线网络中分析了SWIPT系统的安全传输速率。通过最大化遍历传输速率获取最优的三维波束成型矢量，推导出收集能量约束条件下的系统安全传输速率。采用拉格朗日松弛优化算法联合优化发射功率和功率分流比，得到最大化系统安全速率的最优解。
-
公开(公告)号：CN118399357A
公开(公告)日：2024-07-26
申请号：CN202410483541.8
申请日：2024-04-22
Applicant: 华北电力大学(保定)
IPC: H02H9/08
Abstract: 本发明涉及发电机接地消弧技术领域，尤其涉及一种发电机接地消弧方法、装置、电子设备及存储介质，本发明方法首先获取发电机单相接地相的过渡电阻；然后向发电机的中性点注入一次注入电流；接着根据一次注入电流注入前后的中性点电压测量值、接地过渡电阻、中性点接地电阻、基波注入电流以及三次谐波注入电流，确定基波故障电势以及三次谐波故障电势；最后根据基波故障电势、三次谐波故障电势、中性点接地电阻以及发电机三相定子绕组对地电容之和，向发电机的中性点注入消弧电流。本发明实施方式是直接计算故障电势后消弧，避开了传统的依据定位结果进行消弧，不存在多解问题且消弧过程与发电机参数无关，不会受发电机参数误差的影响。
-
公开(公告)号：CN118072071A
公开(公告)日：2024-05-24
申请号：CN202311787098.5
申请日：2023-12-22
Applicant: 华北电力大学(保定)
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于注意力卷积的地基云图分类方法，选取多阶段分类器作为基本架构，使用改进的重参化深度卷积神经网络作为主干网络并分为训练和推理两个阶段。训练阶段，地基云深度表征卷积网络采用具有丰富的梯度信息和复杂的网络结构的多分支拓扑结构提取地基云图特征；为得到图像的全局特征表示，引入新高效通道注意力网络并学习序列间的特征关系；此外，CloudRVE在训练阶段引入学习率预热算法，可动态优化模型学习率，旨在加速模型参数收敛并增强训练效果。推理阶段，CloudRVE采用结构重参数化方法将多分支拓扑结构轻量化，转化为VGG‑style的单分支拓扑结构致使其推理速度增加，并避免过拟合现象并加快模型收敛速度。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.11 seconds)
