-
公开(公告)号：CN115762529B
公开(公告)日：2024-09-10
申请号：CN202211267984.0
申请日：2022-10-17
申请人： 国网青海省电力公司海北供电公司 , 国网青海省电力公司 , 国家电网有限公司
摘要： 本发明涉及一种利用声音识别感知算法预防电缆外破的方法，通过目标定位以确定施工机械距地埋电缆线路的距离，通过目标识别以确定施工机械的类型；则达到提醒施工人员与配网人员的目的，以采取相应的措施预防电缆外破。在目标定位中，沿地埋电缆线路设置三个声音传感器，分别为点A、O和B，并且各点处于一条直线上，设定声音传感器的感知范围阈值为SO，当外力破坏源进入声音传感器的感知范围时，则声音传感器向外输出报警启动信号；在目标识别中，将MFCC音频静态特性转换为newMFCC特征数据，具有动态地表示音频的特性，进而提高了准确率。
-
公开(公告)号：CN117874395A
公开(公告)日：2024-04-12
申请号：CN202311862517.7
申请日：2023-12-29
申请人： 国网青海省电力公司海北供电公司 , 国网青海省电力公司 , 国家电网有限公司
发明人： 陈凯 , 刘泓乐 , 陈鑫 , 杨关旭 , 莫志武 , 李文成 , 王峰 , 李亮 , 罗毅 , 胡春华 , 强富华 , 赖鑫 , 张东锋 , 魏中 , 刘权琦 , 孙永柯 , 黄梦超 , 罗斌 , 祁宏海 , 李云峰
摘要： 配电线路雷击跳闸率的计算方法，方法中，在ArcGIS软件中，导入雷电数据、配电线路和杆塔数据；基于所述雷电数据统计计算得到落雷密度、雷电流幅值概率分布，基于配电线路和杆塔数据计算线路直击雷水平和感应雷耐雷水平；将杆塔所在地形网格化，按水平面剖分为正方形网格，正方形网格包括用于体现微地形差异的高程数据；根据每个正方形网格与线路和杆塔的位置，分别计算其直击雷和感应雷跳闸次数；将所有正方形网格雷击跳闸次数相加，折算成总的雷击跳闸率。
-
公开(公告)号：CN115762529A
公开(公告)日：2023-03-07
申请号：CN202211267984.0
申请日：2022-10-17
申请人： 国网青海省电力公司海北供电公司 , 国网青海省电力公司 , 国家电网有限公司
摘要： 本发明涉及一种利用声音识别感知算法预防电缆外破的方法，通过目标定位以确定施工机械距地埋电缆线路的距离，通过目标识别以确定施工机械的类型；则达到提醒施工人员与配网人员的目的，以采取相应的措施预防电缆外破。在目标定位中，沿地埋电缆线路设置三个声音传感器，分别为点A、O和B，并且各点处于一条直线上，设定声音传感器的感知范围阈值为SO，当外力破坏源进入声音传感器的感知范围时，则声音传感器向外输出报警启动信号；在目标识别中，将MFCC音频静态特性转换为newMFCC特征数据，具有动态地表示音频的特性，进而提高了准确率。
-
公开(公告)号：CN117992720A
公开(公告)日：2024-05-07
申请号：CN202311873723.8
申请日：2023-12-29
申请人： 国网青海省电力公司海北供电公司 , 国网青海省电力公司 , 国家电网有限公司
发明人： 李亮 , 罗毅 , 胡春华 , 强富华 , 赖鑫 , 张东锋 , 刘泓乐 , 魏中 , 刘权琦 , 陈凯 , 莫志武 , 李文成 , 王峰 , 陈鑫 , 杨关旭 , 孙永柯 , 黄梦超 , 李云峰 , 祁宏海 , 罗斌
IPC分类号： G06F17/18 , G06F17/10 , G06Q50/06 , G06Q10/0635
摘要： 基于ArcGIS的高原配电线路雷害风险特征参数计算方法及系统，方法中，导入高原配电线路所在区域的地图并新建图层使其网格化；通过经纬度定位，在新建图层上创建杆塔位置，并导入杆塔的参数及对应于参数的数据并将参数写入要素字段；通过杆塔的地理位置信息以及DEM数字高程地图和坡度、坡向栅格获取每个杆塔的海拔、坡度、坡向等信息并写入杆塔要素字段；根据高原配电线路所在区域的雷电的经纬度信息，创建雷电数据点图层，并导入雷电流幅值信息将其写入雷电点要素字段；利用网格画图层使用网格法进行雷暴日的统计以及落雷密度的计算，并根据计算结果设置级数进行分级渲染；根据雷电点要素字段的雷电流幅值，采用最小二乘法进行雷电流幅值概率曲线拟合；结合杆塔的参数及对应于参数的数据并考虑高原海拔的影响，进行雷击跳闸率的计算，并将结果可视化展示。
-
公开(公告)号：CN117493953B
公开(公告)日：2024-08-23
申请号：CN202311432776.6
申请日：2023-10-31
申请人： 国网青海省电力公司海北供电公司 , 国网青海省电力公司
发明人： 罗毅 , 李东生 , 丁海波 , 马益鑫 , 曾博 , 李刚 , 朱朝平 , 常宽 , 张元月 , 庞伟生 , 杨振宇 , 魏中 , 李亮 , 陈凯 , 陈苹苹 , 庞磊 , 曹有锦 , 代珍山 , 郑高洁 , 许宝宏 , 柳强明 , 马明忠 , 刘一帆 , 朱锦伟 , 黄腾 , 李振兴 , 孙永柯 , 张雁君
IPC分类号： G06F18/241 , G06F18/231 , G06F18/214 , G06N3/0464 , G01R31/12
摘要： 本发明提出一种基于缺陷数据挖掘的避雷器状态评估方法。为了准确判断与分析配网避雷器运行状态。不同于对时序数据的预测并设置相关阈值的状态分析，我们基于层次聚类算法，从设备的运行数据挖掘出避雷器缺陷数据，以原子聚类、原子簇合并、基于层次聚类算法的缺陷数据识别三步骤以及自适应编解码框架将缺陷数据降维进而提取特征，并设成基于综合维度的神经网络的状态分类模型的输入数据。通过设置缺陷特征指标集、缺陷级别标签后，有效挖掘避雷器缺陷数据，然后通过神经网络模型，实现避雷器的缺陷状态识别。
-
公开(公告)号：CN117332352B
公开(公告)日：2024-07-05
申请号：CN202311322098.8
申请日：2023-10-12
申请人： 国网青海省电力公司海北供电公司 , 国网青海省电力公司
发明人： 罗毅 , 李东生 , 丁海波 , 马益鑫 , 曾博 , 李刚 , 朱朝平 , 常宽 , 张元月 , 庞伟生 , 杨振宇 , 魏中 , 李亮 , 陈凯 , 陈苹苹 , 庞磊 , 曹有锦 , 代珍山 , 郑高洁 , 许宝宏 , 柳强明 , 马明忠 , 刘一帆 , 朱锦伟 , 黄腾 , 李振兴 , 孙永柯 , 张雁君
IPC分类号： G06F18/2433 , G06F18/213 , G06V10/20 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F123/02
摘要： 本发明公开了一种基于BAM‑AlexNet的避雷器信号缺陷识别方法，包括：通过传感器获取工作时间段内出现的避雷器信号波形，对获得的每一个目标信号波形进行时频分析，得到全部信号的二维时频表示(TFR)；TFR数据集按比例分为训练集和测试集，将训练集送入BAM‑AlexNet网络中进行训练，后者是一种融合了BAM注意力机制的改进的AlexNet人工神经网络，经过通道注意力机制和空间注意力机制增强后，得到训练完成的BAM‑AlexNet；测试集数据送入完成的BAM‑AlexNet得到预测结果，判定待测信号是否为故障信号。
-
公开(公告)号：CN117407675A
公开(公告)日：2024-01-16
申请号：CN202311405335.7
申请日：2023-10-26
申请人： 国网青海省电力公司海北供电公司 , 国网青海省电力公司
发明人： 罗毅 , 李东生 , 丁海波 , 马益鑫 , 曾博 , 李刚 , 朱朝平 , 常宽 , 张元月 , 庞伟生 , 杨振宇 , 魏中 , 李亮 , 陈凯 , 陈苹苹 , 庞磊 , 曹有锦 , 代珍山 , 郑高洁 , 许宝宏 , 柳强明 , 马明忠 , 刘一帆 , 朱锦伟 , 黄腾 , 李振兴 , 孙永柯 , 张雁君
摘要： 本发明公开了一种基于多变量重构联合动态权重的避雷器泄漏电流预测方法，提取历史氧化锌避雷器的电流数据和相应的外部环境数据；对多渠道的数据预处理；构造泄漏电流和外部因素的多变量空间数据结构；结合非线性自回归神经网络(NARX)和径向基函数(RBF)神经网络强大的非线性拟合能力，建立了基于多变量相空间重构和动态权重优化的神经网络泄漏电流预测模型。本发明在综合考虑外部因素和历史数据的非线性关系的同时优化预测模型的精确度，使得氧化锌避雷器(MOA)的维护具备更可靠的实时性和保障性，为配电网提供了高效、准确的解决方案并具备广泛的现场实时应用场景。
-
公开(公告)号：CN117332352A
公开(公告)日：2024-01-02
申请号：CN202311322098.8
申请日：2023-10-12
申请人： 国网青海省电力公司海北供电公司 , 国网青海省电力公司
发明人： 罗毅 , 李东生 , 丁海波 , 马益鑫 , 曾博 , 李刚 , 朱朝平 , 常宽 , 张元月 , 庞伟生 , 杨振宇 , 魏中 , 李亮 , 陈凯 , 陈苹苹 , 庞磊 , 曹有锦 , 代珍山 , 郑高洁 , 许宝宏 , 柳强明 , 马明忠 , 刘一帆 , 朱锦伟 , 黄腾 , 李振兴 , 孙永柯 , 张雁君
IPC分类号： G06F18/2433 , G06F18/213 , G06V10/20 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F123/02
摘要： 本发明公开了一种基于BAM‑AlexNet的避雷器信号缺陷识别方法，包括：通过传感器获取工作时间段内出现的避雷器信号波形，对获得的每一个目标信号波形进行时频分析，得到全部信号的二维时频表示(TFR)；TFR数据集按比例分为训练集和测试集，将训练集送入BAM‑AlexNet网络中进行训练，后者是一种融合了BAM注意力机制的改进的AlexNet人工神经网络，经过通道注意力机制和空间注意力机制增强后，得到训练完成的BAM‑AlexNet；测试集数据送入完成的BAM‑AlexNet得到预测结果，判定待测信号是否为故障信号。
-
公开(公告)号：CN117725378A
公开(公告)日：2024-03-19
申请号：CN202311500871.5
申请日：2023-11-13
申请人： 国网青海省电力公司海北供电公司 , 国网青海省电力公司
发明人： 罗毅 , 李东生 , 丁海波 , 马益鑫 , 曾博 , 李刚 , 朱朝平 , 常宽 , 张元月 , 庞伟生 , 杨振宇 , 魏中 , 李亮 , 陈凯 , 陈苹苹 , 庞磊 , 曹有锦 , 代珍山 , 郑高洁 , 许宝宏 , 柳强明 , 马明忠 , 刘一帆 , 朱锦伟 , 黄腾 , 李振兴 , 孙永柯 , 张雁君
IPC分类号： G06F18/20 , G01R31/00 , G06F18/10 , G06N3/0499 , G06F3/08
摘要： 本发明公开了一种基于基于VMD‑ELM‑AEFA的避雷器阻性电流预测方法，包括采用变分模态分解算法将原始的避雷器阻性电流进行序列的分解，减少原始序列的复杂性和非线性，同时提取序列的有效信息；对分解后的k个IMF分量提取并将分量数据进行归一化处理，划分相应的训练集和测试集；将分解的IMF分量和余量同时采用AEFA算法对ELM模型进行寻优，找到最优的种群位置，并计算ELM模型最优的权值和阈值后重新代入模型中进行预测，得到各个分量的模型预测结果；将模型预测得到各自分量的结果进行叠加得到最后阻性电流的预测结果。从最终的预测结果可以看到，单一的极限学习机因权值和阈值的随机产生不是最优情况因此对于阻性电流的拟合优度较差，MAPE值为1.129，随后引入AEFA算法优化ELM内部参数，模型的误差指标有所提升MAPE为0.97，最后本发明在组合模型的基础上，又引入VMD分解模型将非线性原始阻性电流序列去除噪声，并提取有效信息再进行组合，最后MAPE提升至0.483，与单一模型相比有着更高的泛化性。
-
公开(公告)号：CN117493953A
公开(公告)日：2024-02-02
申请号：CN202311432776.6
申请日：2023-10-31
申请人： 国网青海省电力公司海北供电公司 , 国网青海省电力公司
发明人： 罗毅 , 李东生 , 丁海波 , 马益鑫 , 曾博 , 李刚 , 朱朝平 , 常宽 , 张元月 , 庞伟生 , 杨振宇 , 魏中 , 李亮 , 陈凯 , 陈苹苹 , 庞磊 , 曹有锦 , 代珍山 , 郑高洁 , 许宝宏 , 柳强明 , 马明忠 , 刘一帆 , 朱锦伟 , 黄腾 , 李振兴 , 孙永柯 , 张雁君
IPC分类号： G06F18/241 , G06F18/231 , G06F18/214 , G06N3/0464 , G01R31/12
摘要： 本发明提出一种基于缺陷数据挖掘的避雷器状态评估方法。为了准确判断与分析配网避雷器运行状态。不同于对时序数据的预测并设置相关阈值的状态分析，我们基于层次聚类算法，从设备的运行数据挖掘出避雷器缺陷数据，以原子聚类、原子簇合并、基于层次聚类算法的缺陷数据识别三步骤以及自适应编解码框架将缺陷数据降维进而提取特征，并设成基于综合维度的神经网络的状态分类模型的输入数据。通过设置缺陷特征指标集、缺陷级别标签后，有效挖掘避雷器缺陷数据，然后通过神经网络模型，实现避雷器的缺陷状态识别。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.058 秒)
