-
公开(公告)号：CN110082697B
公开(公告)日：2021-08-24
申请号：CN201910395573.1
申请日：2019-05-13
IPC分类号： G01R35/00
摘要： 本发明提供一种标定雷电定位系统性能参数的方法与装置，该方法包括如下步骤：规划标定信号源装置的行进路线，通过高/低频雷电信号发生器产生模拟的雷电电磁波信号，并经由高/低频天线向外发送，触发待标定的雷电定位系统开始记录数据；标定过程中根据卫星定位系统对装置进行定位，与雷电定位系统的定位结果进行对比，以计算雷电定位系统的定位精度、探测效率，及传感站的测时精度和测向精度；所述标定信号源装置包括卫星导航定位模块、高/低频雷电信号发生器、高/低频天线、波形记录模块和频谱分析模块。本发明所述方法可对雷电定位系统在其覆盖范围内的整体运行性能进行标定，同时可标定三维雷电定位系统的性能参数。
-
公开(公告)号：CN110082697A
公开(公告)日：2019-08-02
申请号：CN201910395573.1
申请日：2019-05-13
IPC分类号： G01R35/00
摘要： 本发明提供一种标定雷电定位系统性能参数的方法与装置，该方法包括如下步骤：规划标定信号源装置的行进路线，通过高/低频雷电信号发生器产生模拟的雷电电磁波信号，并经由高/低频天线向外发送，触发待标定的雷电定位系统开始记录数据；标定过程中根据卫星定位系统对装置进行定位，与雷电定位系统的定位结果进行对比，以计算雷电定位系统的定位精度、探测效率，及传感站的测时精度和测向精度；所述标定信号源装置包括卫星导航定位模块、高/低频雷电信号发生器、高/低频天线、波形记录模块和频谱分析模块。本发明所述方法可对雷电定位系统在其覆盖范围内的整体运行性能进行标定，同时可标定三维雷电定位系统的性能参数。
-
公开(公告)号：CN108828332A
公开(公告)日：2018-11-16
申请号：CN201810580766.X
申请日：2018-06-07
摘要： 本发明公开了一种计算雷电定位系统探测效率的方法，包括以下步骤：S1：将雷电流幅值划分成若干个区段，对各个幅值区段计算雷电定位系统中每一个探测站的探测效率；S2：将被评估区域划分为若干个测定区域，计算各个所述测定区域内各个幅值区段雷电的探测效率；S3：计算各个所述测定区域的总雷电探测效率。通过本技术方案，可以更加真实反映雷电定位系统探测效率，从而更准确地评估雷电定位系统运行性能。
-
公开(公告)号：CN108828332B
公开(公告)日：2020-11-06
申请号：CN201810580766.X
申请日：2018-06-07
摘要： 本发明公开了一种计算雷电定位系统探测效率的方法，包括以下步骤：S1：将雷电流幅值划分成若干个区段，对各个幅值区段计算雷电定位系统中每一个探测站的探测效率；S2：将被评估区域划分为若干个测定区域，计算各个所述测定区域内各个幅值区段雷电的探测效率；S3：计算各个所述测定区域的总雷电探测效率。通过本技术方案，可以更加真实反映雷电定位系统探测效率，从而更准确地评估雷电定位系统运行性能。
-
公开(公告)号：CN111881723B
公开(公告)日：2022-08-09
申请号：CN202010528035.8
申请日：2020-06-09
申请人： 南瑞集团有限公司 , 国网电力科学研究院武汉南瑞有限责任公司 , 国网江苏省电力有限公司 , 国家电网有限公司
摘要： 本发明涉及雷电信号自动识别技术领域，具体涉及一种雷电地闪回击波形的自动识别方法、系统及电子设备。包括采集真实雷电信号；利用预先训练得到的识别模型对真实雷电信号的波形进行识别；得到识别结果输出；其中，预先训练得到的识别模型为通过对采集到的雷电原始波形数据，进行雷电信号类别标注以及特征提取，根据各个特征的重要程度进行特征筛选，并基于机器学习算法对筛选出的特征进行训练得到。采用机器学习方法建立雷电地闪回击的自动识别模型，通过对样本数据的自学习和自训练，能提取出大量时域和频域特征参数，基于该识别模型进行雷电波形自动识别，能极大提高识别准确率，解决基于固定、少量时域特征进行识别导致的误判和漏判问题。
-
公开(公告)号：CN111881723A
公开(公告)日：2020-11-03
申请号：CN202010528035.8
申请日：2020-06-09
申请人： 南瑞集团有限公司 , 国网电力科学研究院武汉南瑞有限责任公司 , 国网江苏省电力有限公司 , 国家电网有限公司
摘要： 本发明涉及雷电信号自动识别技术领域，具体涉及一种雷电地闪回击波形的自动识别方法、系统及电子设备。包括采集真实雷电信号；利用预先训练得到的识别模型对真实雷电信号的波形进行识别；得到识别结果输出；其中，预先训练得到的识别模型为通过对采集到的雷电原始波形数据，进行雷电信号类别标注以及特征提取，根据各个特征的重要程度进行特征筛选，并基于机器学习算法对筛选出的特征进行训练得到。采用机器学习方法建立雷电地闪回击的自动识别模型，通过对样本数据的自学习和自训练，能提取出大量时域和频域特征参数，基于该识别模型进行雷电波形自动识别，能极大提高识别准确率，解决基于固定、少量时域特征进行识别导致的误判和漏判问题。
-
公开(公告)号：CN117332027A
公开(公告)日：2024-01-02
申请号：CN202311215418.X
申请日：2023-09-20
IPC分类号： G06F16/29 , G06F16/2457 , G06F16/27 , G06F16/215 , G06F9/52 , G06F9/50
摘要： 本发明属于雷电监测技术领域，特别涉及一种雷电定位的方法及系统，通过按照本申请流程进行分任务、分组及未参与计算数据的再循环步骤使得雷电定位计算的串行模式转化为并行模式，压缩了计算时间的同时使得雷电探测原始数据的利用率更高，避免了关键数据的遗漏；其中带筛选的分组流程极大减少了单次计算结果中涉及的组数，从而消除了设备执行计算流程中的遇到的堵点，排除了冗余数据对计算的干扰，可大幅提高雷电定位系统的探测效率。适合在雷电定位项目中推广。
-
公开(公告)号：CN113204903A
公开(公告)日：2021-08-03
申请号：CN202110474699.5
申请日：2021-04-29
申请人： 国网电力科学研究院武汉南瑞有限责任公司
IPC分类号： G06F30/23 , G06F30/27 , G06N3/04 , G06N3/08 , G06N20/00 , G01S7/41 , G01S13/95 , G06Q10/04 , G06Q50/26
摘要： 本发明属于雷电预警技术领域，公开了一种预测雷电的方法。包括数据预处理，雷电预测和输出预测结果三个阶段，其中数据预处理阶段用图像表征待处理数据的属性并模糊处理；雷电预测阶段是运用卷积运算抽取所述经模糊处理图像的特征，通过循环神经网络编码后得到反映雷电属性变化的函数，再进行反卷积运算将该函数表征的雷电属性未来变化状况解码为动态灰度图像；该方法消除了非对流性回波或非闪电位置回波导致的冗余和干扰，构建了与雷电发生直接相关的雷暴云团的局部空间特征和时序变化规律，从而提高了雷电预测的准确率。
-
公开(公告)号：CN113011302A
公开(公告)日：2021-06-22
申请号：CN202110266522.6
申请日：2021-03-11
申请人： 国网电力科学研究院武汉南瑞有限责任公司
摘要： 本发明公开了一种基于卷积神经网络的雷声信号识别系统及方法，针对雷声训练集数据进行雷声类型人工标注，建立雷声分类标签定位文件，提取雷声训练集数据的梅尔频率倒谱系数，基于卷积神经网络对梅尔频率倒谱系数进行训练获得雷声分类识别模型，最终实现待识别声音数据的分类识别。本发明方法利用深度学习方法提高传统雷声信号检测方法的鲁棒性和准确率，以满足雷声定位系统对识别结果的实时高效需求，不仅能够克服多种环境噪声对雷声信号识别过程中的干扰，而且还能适用于源自不同通道位置的特征各异的雷声信号。
-
公开(公告)号：CN112883543A
公开(公告)日：2021-06-01
申请号：CN202110041636.0
申请日：2021-01-13
申请人： 国网电力科学研究院武汉南瑞有限责任公司 , 南瑞集团有限公司
IPC分类号： G06F30/20 , G06Q10/06 , G06Q50/06 , G06F113/06
摘要： 本发明公开了一种适用于风电场风机集群的雷电活动参数分析区域划分方法，包括步骤1：将风电场集群风机的风机经纬度坐标转换为笛卡尔坐标系下的坐标，然后在笛卡尔坐标系下确定风电场外围矩形边界坐标；风电场外围矩形边界坐标位置对应的区域内利用Voronoi图法对电场集群风机位置进行空间划分，确定每台风机对应的Voronoi凸多边形区域；步骤2：对每台风机，以风机高度和叶片长度之和的3倍为半径，以风机所在位置为圆心画圆，确定每台风机对应的圆形区域；步骤3：对每台风机，求取步骤1的Voronoi凸多边形区域和步骤2的圆形区域的交集，获得最终的空间划分。本发明能得到更有针对性的雷电活动参数分析区域划分。
-
-
-
-
-
-
-
-
-
搜索结果
57 条记录 (耗时 0.139 秒)
