一种基于多参量的直流转换开关振荡参数测量方法

    公开(公告)号:CN108957307B

    公开(公告)日:2023-04-28

    申请号:CN201810761881.7

    申请日:2018-07-12

    Abstract: 本发明提供一种基于多参量的直流转换开关振荡参数测量方法,包括以下具体步骤,完成试验接线,闭合试验辅助开关QD,利用直流试验电源DC对振荡回路中的电容器组进行充电,直至试验电压;断开试验辅助开关QD,之后闭合直流转换开关中的开断装置QB,利用数据采集系统记录回路的振荡电流波形和电容两端的电压波形;若所测振荡电流、电压波形出现中断或畸变,适当提升试验电压,重复上述步骤,直至测得完整无中断、无畸变波形;根据振荡特性计算公式,得到回路等效电感值、回路等效电容值和回路阻尼电阻值。本发明可及时全面的综合分析并诊断直流转换开关早期缺陷,对直流转换开关的设备状态及直流转换能力进行准确评价与判断,保障超、特高压直流跨区电网的安全稳定运行。

    一种基于多参量的直流转换开关振荡参数测量方法

    公开(公告)号:CN108957307A

    公开(公告)日:2018-12-07

    申请号:CN201810761881.7

    申请日:2018-07-12

    CPC classification number: G01R31/327

    Abstract: 本发明提供一种基于多参量的直流转换开关振荡参数测量方法,包括以下具体步骤,完成试验接线,闭合试验辅助开关QD,利用直流试验电源DC对振荡回路中的电容器组进行充电,直至试验电压;断开试验辅助开关QD,之后闭合直流转换开关中的开断装置QB,利用数据采集系统记录回路的振荡电流波形和电容两端的电压波形;若所测振荡电流、电压波形出现中断或畸变,适当提升试验电压,重复上述步骤,直至测得完整无中断、无畸变波形;根据振荡特性计算公式,得到回路等效电感值、回路等效电容值和回路阻尼电阻值。本发明可及时全面的综合分析并诊断直流转换开关早期缺陷,对直流转换开关的设备状态及直流转换能力进行准确评价与判断,保障超、特高压直流跨区电网的安全稳定运行。

    一种基于信息熵的分布式电源孤岛检测方法

    公开(公告)号:CN114925749B

    公开(公告)日:2024-12-13

    申请号:CN202210433787.5

    申请日:2022-04-24

    Applicant: 武汉大学

    Abstract: 本发明涉及电力设备检测技术,具体涉及一种基于信息熵的分布式电源孤岛检测方法,该方法通过实时数字仿真系统对包含需要孤岛检测的分布式电源的配电系统进行建模,不同情况下多次仿真得到瞬时有功功率数据集;将数据集拆分为训练集与测试集,以40毫秒和60毫秒为数据长度分别训练两个支持向量机;训练完成后以行波进入检测窗格的时间为基础得到两个支持向量机分类准确率的概率密度曲线;拟合概率密度曲线并分别得到两个支持向量机的信息熵;比较信息熵获得最终孤岛检测结果。该方法对微电网中的分布式电源进行就地孤岛检测,保障了微电网正常稳定运行。提高了分布式电源孤岛检测的准确率,且分类精度高,检测时间短,可信度强。

    基于掩膜区域卷积神经网络的变电设备缺陷识别的方法

    公开(公告)号:CN112288694B

    公开(公告)日:2022-10-04

    申请号:CN202011118132.6

    申请日:2020-10-19

    Applicant: 武汉大学

    Abstract: 本发明提出了一种基于掩膜区域卷积神经网的变电设备缺陷识别的方法。本发明通过变电站视频设备采集变电设备图像,将采集的变电设备图像通过对抗生成网络方法得到变电设备图像数据集;对变电设备图像数据集中每幅变电设备图像依次进行人工标定,得到每幅变电设备图像中多个缺陷标定框以及多个缺陷类型,并得到人工标定后变电设备图像数据集;构建掩膜区域卷积神经网络,将人工标定后变电设备图像数据集作为训练集,对掩膜区域卷积神经网络进行训练得到训练后掩膜区域卷积神经网络。本发明提高了变电设备的运维巡检效率以及变电设备及其缺陷识别的模型精度,且本发明方法识别精度高、缺陷识别效率高。

    一种基于掩膜区域卷积神经网的变电设备缺陷识别的方法

    公开(公告)号:CN112288694A

    公开(公告)日:2021-01-29

    申请号:CN202011118132.6

    申请日:2020-10-19

    Applicant: 武汉大学

    Abstract: 本发明提出了一种基于掩膜区域卷积神经网的变电设备缺陷识别的方法。本发明通过变电站视频设备采集变电设备图像,将采集的变电设备图像通过对抗生成网络方法得到变电设备图像数据集;对变电设备图像数据集中每幅变电设备图像依次进行人工标定,得到每幅变电设备图像中多个缺陷标定框以及多个缺陷类型,并得到人工标定后变电设备图像数据集;构建掩膜区域卷积神经网络,将人工标定后变电设备图像数据集作为训练集,对掩膜区域卷积神经网络进行训练得到训练后掩膜区域卷积神经网络。本发明提高了变电设备的运维巡检效率以及变电设备及其缺陷识别的模型精度,且本发明方法识别精度高、缺陷识别效率高。

    一种基于信息熵的分布式电源孤岛检测方法

    公开(公告)号:CN114925749A

    公开(公告)日:2022-08-19

    申请号:CN202210433787.5

    申请日:2022-04-24

    Applicant: 武汉大学

    Abstract: 本发明涉及电力设备检测技术,具体涉及一种基于信息熵的分布式电源孤岛检测方法,该方法通过实时数字仿真系统对包含需要孤岛检测的分布式电源的配电系统进行建模,不同情况下多次仿真得到瞬时有功功率数据集;将数据集拆分为训练集与测试集,以40毫秒和60毫秒为数据长度分别训练两个支持向量机;训练完成后以行波进入检测窗格的时间为基础得到两个支持向量机分类准确率的概率密度曲线;拟合概率密度曲线并分别得到两个支持向量机的信息熵;比较信息熵获得最终孤岛检测结果。该方法对微电网中的分布式电源进行就地孤岛检测,保障了微电网正常稳定运行。提高了分布式电源孤岛检测的准确率,且分类精度高,检测时间短,可信度强。

Patent Agency Ranking