-
公开(公告)号：CN117036674A
公开(公告)日：2023-11-10
申请号：CN202310856298.5
申请日：2023-07-12
申请人： 国网湖北省电力有限公司超高压公司 , 武汉大学
IPC分类号： G06V10/25 , G06V10/26 , G06V10/28 , G06V10/34 , G06V10/36 , G06V10/422 , G06V10/56 , G06V10/75 , G06V10/764 , G06V10/80 , G06T5/00 , G06T7/73
摘要： 本发明提供一种智能变电站硬压板定位识别方法，首先对采集的压板图像进行畸变矫正预处理；接着利用HSI颜色特征提取技术对图像进行分割处理；然后对连通域进行形态特征分析，利用连通域的边界信息去除标识牌，使用极限腐蚀算法实现粘连连通域的分离；最后采用外接矩形定位出压板位置和编号，并基于简单外接矩形边界特征与面积外接矩形的偏转角度特征融合识别压板状态。本发明通过将亮度信息与颜色信息分离开，在复杂光照环境下适应性更强，通过减小了压板识别的工作量和利用面积特征简化图像中的信息，提高压板识别的效率，通过一种极限腐蚀算法，提高对模糊图像压板状态的识别率，通过融合两种识别方法提高了识别率。
-
公开(公告)号：CN117909802A
公开(公告)日：2024-04-19
申请号：CN202311535936.X
申请日：2023-11-15
申请人： 国网湖北省电力有限公司超高压公司 , 许继电气股份有限公司 , 河南许继继保电气自动化有限公司 , 华北电力大学
IPC分类号： G06F18/241 , G06F18/214 , G06F18/25
摘要： 本发明涉及一种基于深度学习的高压断路器故障诊断方法和装置，属于高压断路器技术领域，本发明通过收集高压断路器工况运行数据和对应的高压断路器状态，作为训练数据；构建联合故障诊断模型，包括第一分类模型、第二分类模型和D‑S证据理论，利用训练数据对联合故障诊断模型进行训练；使用训练后的联合故障诊断模型对待测高压断路器进行故障判别，最后得到故障诊断结果，本发明使用多种数据模型对高压断路器进行诊断，综合多种模型的优点有效的提高了诊断精度。
-
公开(公告)号：CN116882766A
公开(公告)日：2023-10-13
申请号：CN202311146669.7
申请日：2023-09-07
申请人： 国网湖北省电力有限公司超高压公司
IPC分类号： G06Q10/0635 , H02J3/26 , G06Q50/06
摘要： 本发明公开一种用电异常配变风险分析方法及系统，方法包括：获取每台配变在某一日任一采集时刻的三相电流实时量测数据；根据三相电流实时量测数据计算某一日任一采集时刻的三相电流平均值，并选取某一日任一采集时刻的三相电流平均值中的最大值，作为某一日的最大电流值；根据配变的容量参数和配变的计量点安装位置计算配变计量点侧额定电流值；根据某一日的最大电流值和配变计量点侧额定电流值计算配变某一日的最大负载率，并判断最大负载率是否大于第一预设阈值且最大负载率是否小于第二预设阈值。通过获取变压器电流量测数据，对线路下运行异常配变进行梳理，达到定位异常配变范围效果，使提升治理效率。
-
公开(公告)号：CN118739209A
公开(公告)日：2024-10-01
申请号：CN202410743981.2
申请日：2024-06-11
申请人： 国网湖北省电力有限公司超高压公司
发明人： 周凯 , 焦龄霄 , 毕如玉 , 李煜磊 , 张员宁 , 时伟君 , 罗浪 , 侯博文 , 张子熙 , 陈立达 , 胡伯立 , 舒益萌 , 况静 , 胡晶 , 余雪 , 方书涵 , 倪周 , 李璐 , 刘杜 , 贺丰婕 , 江渊 , 陈理 , 吕青媛 , 黄景光 , 洪聪 , 李振华 , 林湘宁 , 徐志凌
IPC分类号： H02H7/26 , H02H1/00 , G06F18/213 , G06F18/241 , G01R31/08
摘要： 一种特高压交流输电线路纵差保护的方法，包括：采集特高压交流输电线路保护安装处的线路两侧电流值；采用特征离散化的方式对所述电流值进行处理，提取线路两侧的电流故障分量，将所述故障分量转化为Wasserstein距离表示的状态向量W；获取所述状态向量W的补集WS，将所述补集WS作为特高压交流输电线路纵联保护判据，对特高压交流输电线路进行纵差保护。本发明采用的Wasserstein距离相较其他统计距离具有较强的鲁棒性，具有良好的抗噪性能。本发明自带良好的抗CT饱和能力，增强了区外故障时的动作安全性，在保证区内故障不会拒动的条件下，可以无需另外辅加CT饱和判别程序，保护发出跳闸信号的速度因此得以提升。
-
公开(公告)号：CN118572632A
公开(公告)日：2024-08-30
申请号：CN202410669274.3
申请日：2024-05-28
申请人： 国网湖北省电力有限公司超高压公司
发明人： 焦龄霄 , 周凯 , 毕如玉 , 李煜磊 , 张员宁 , 时伟君 , 罗浪 , 侯博文 , 陈立达 , 胡伯立 , 胡晶 , 况静 , 洪聪 , 卫健 , 张子熙 , 李璐 , 刘杜 , 贺丰婕 , 江渊 , 陈理 , 吕青媛 , 洪叶 , 黄景光 , 李振华 , 翁汉琍 , 林湘宁 , 徐志凌
摘要： 本发明属于电力系统继电保护技术领域，具体为一种风电场送出线路梯度能量匹配式纵联保护方法及系统，S001，采集风电场送出线路保护安装处的线路两侧电流值，将所述线路两侧电流值利用多分辨形态学梯度提取电流信号边缘信息；S002，根据所述线路两侧电流值和电流信号边缘信息生成梯度能量值，基于所述梯度能量值计算获得两侧梯度能量值的DTW距离；S003，判断所述DTW距离是否满足风电场送出线路梯度能量匹配式纵联保护判据；通过构造梯度能量比自适应地调整制动量大小，提高保护的可靠性和灵敏性。从而，可以不受风电场故障电流频率偏移特性的影响，提高保护的耐过渡电阻能力，不需另设阈值，适用范围更广，有利于实际风电场出线保护的应用及工程实现。
-
公开(公告)号：CN116882766B
公开(公告)日：2023-11-24
申请号：CN202311146669.7
申请日：2023-09-07
申请人： 国网湖北省电力有限公司超高压公司
IPC分类号： G06Q10/0635 , H02J3/26 , G06Q50/06
摘要： 本发明公开一种用电异常配变风险分析方法及系统，方法包括：获取每台配变在某一日任一采集时刻的三相电流实时量测数据；根据三相电流实时量测数据计算某一日任一采集时刻的三相电流平均值，并选取某一日任一采集时刻的三相电流平均值中的最大值，作为某一日的最大电流值；根据配变的容量参数和配变的计量点安装位置计算配变计量点侧额定电流值；根据某一日的最大电流值和配变计量点侧额定电流值计算配变某一日的最大负载率，并判断最大负载率是否大于第一预设阈值且最大负载率是否小于第二预设阈值。通过获取变压器电流量测数据，对线路下运行异常配变进行梳理，达到定位异常配变范围效果，使提升治理效率。
-
公开(公告)号：CN117054800A
公开(公告)日：2023-11-14
申请号：CN202310846927.6
申请日：2023-07-11
申请人： 国网湖北省电力有限公司超高压公司 , 许继电气股份有限公司 , 河南许继继保电气自动化有限公司
IPC分类号： G01R31/01 , G01R31/12 , G01R19/165 , G01M3/04
摘要： 本申请涉及一种集控站组合电容器状态预警系统及方法，属于集电站预警领域，集控站组合电容器状态预警方法包括如下步骤：获取电容器的相关数据，根据电容器的相关数据判断电容器的状态，当判断电容器出现的异常状态时，发出预警信号。其中，在判断异常状态时，先根据关键数据判断电容器的状态，当判断不到异常状态时，再结合辅助数据判断电容器的状态是否出现异常状态。通过关键数据和辅助数据共同判断电容器的状态，当出现异常状态时发出预警信号进行预警，保障电容器的安全；通过辅助数据能够补充关键数据遗漏的异常状态，保障全面识别电容器的异常状态，提高对异常状态判定结果的准确性。
-
公开(公告)号：CN114970345B
公开(公告)日：2024-07-26
申请号：CN202210583319.6
申请日：2022-05-25
申请人： 武汉大学
摘要： 本申请涉及一种短期负荷预测模型构建方法、装置、设备及可读存储介质，涉及短期负荷预测技术领域，基于mRMR‑IPSO对包括日历规则、天气影响和历史负荷等特征的原始特征集进行筛选得到初始特征数据集；基于初始特征数据集对初始Stacking集成学习模型进行训练得到初始预测模型；将初始特征数据集输入初始预测模型得到负荷预测误差序列，基于负荷预测误差序列构建误差特征集，并基于mRMR‑IPSO对误差特征集进行筛选得到误差特征数据集；基于误差特征数据集对初始Stacking集成学习模型进行训练得到误差预测模型；基于初始预测模型和误差预测模型创建短期负荷预测模型，提高了短期负荷预测模型的预测精度和泛化性能。
-
公开(公告)号：CN114970345A
公开(公告)日：2022-08-30
申请号：CN202210583319.6
申请日：2022-05-25
申请人： 武汉大学
摘要： 本申请涉及一种短期负荷预测模型构建方法、装置、设备及可读存储介质，涉及短期负荷预测技术领域，基于mRMR‑IPSO对包括日历规则、天气影响和历史负荷等特征的原始特征集进行筛选得到初始特征数据集；基于初始特征数据集对初始Stacking集成学习模型进行训练得到初始预测模型；将初始特征数据集输入初始预测模型得到负荷预测误差序列，基于负荷预测误差序列构建误差特征集，并基于mRMR‑IPSO对误差特征集进行筛选得到误差特征数据集；基于误差特征数据集对初始Stacking集成学习模型进行训练得到误差预测模型；基于初始预测模型和误差预测模型创建短期负荷预测模型，提高了短期负荷预测模型的预测精度和泛化性能。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.05 秒)
