-
公开(公告)号：CN119848698A
公开(公告)日：2025-04-18
申请号：CN202510004986.8
申请日：2025-01-02
Applicant: 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州市余杭区供电公司 , 国网浙江省电力有限公司杭州供电公司 , 浙江群力电气有限公司
IPC: G06F18/2431 , G06F18/241 , G06F18/214 , G06F18/2135 , G06F18/2136 , G06F18/25 , G06N3/0499 , G06N3/0985 , G01R31/00
Abstract: 本发明涉及变压器故障诊断方法。本发明公开了一种融合数字孪生模型的油浸式变压器故障诊断方法，具体分为4步：第1步，采用迭代近邻过采样(I NNOS)达到故障样本均衡化；第2步，提取9维候选比值征兆，利用稀疏主成分分析(SPCA)对比值征兆融合降维；第3步，搭建核极限学习机模型(KELM)，引入天鹰优化算法(AO)对其参数寻优，建立AO‑KELM最优诊断模型；第4步，建立数字孪生五维模型，达到物理实体与虚拟空间的实时交互映射，实现变压器故障在线诊断。本发明能够实时模拟变压器运行状态，提升故障诊断精度，实现变压器数字孪生的智能应用。
-
公开(公告)号：CN119807848A
公开(公告)日：2025-04-11
申请号：CN202510004985.3
申请日：2025-01-02
Applicant: 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州市余杭区供电公司 , 国网浙江省电力有限公司杭州供电公司 , 浙江群力电气有限公司
IPC: G06F18/241 , G06F18/2431 , G06F18/214 , G06F18/10 , G06N3/006 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/096 , G06N7/08 , G01M13/00
Abstract: 本发明公开了一种强噪音背景下基于混沌理论对比学习变压器故障诊断方法，包括以下步骤：第一步，获取变压器箱体振动信号无标签数据集和有标签数据集，将采集的信号进行归一化处理；第二步，利用蜣螂优化算法获得各个故障状态下振动信号进行ICEEMDAN分解的最佳参数，将振动信号进行ICEEMDAN分解以获取多个模态分量IMF，计算各个模态分量的多尺度模糊熵，筛选较小熵值的分量并重构信号，进行数据清洗去噪；第三步，将降噪后的无标签数据集随机数据增强，并定义正负样本对，进行相空间重构，完成对比学习预训练模型，将训练好的编码器参数迁移到下游任务；第四步，将降噪后的有标签数据集进行相空间重构，微调后输入训练好的编码器中；第五步，将无标签测试数据经过预处理及相空间重构后输入训练好的编码器内；第六步，将输出特征输入到分类器分类完成故障诊断。本发明有效的解决了变压器故障诊断中由于强噪音环境和缺少带标记数据导致的诊断精度低的问题以及振动信号非线性特性导致的误判、漏判问题。
-
公开(公告)号：CN119848688A
公开(公告)日：2025-04-18
申请号：CN202411744591.3
申请日：2024-12-01
Applicant: 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州市余杭区供电公司 , 国网浙江省电力有限公司杭州供电公司 , 浙江群力电气有限公司
IPC: G06F18/2431 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094 , G01R31/62
Abstract: 本发明涉及一种变压器故障诊断方法，具体公开了一种基于GAN‑MCNN的变压器故障诊断方法，步骤如下：第一步，将采样集的变压器故障诊断数据进行标准化处理，然后，基于比值法将原始样本特征维度由5维增至25维，增强样本特征；第二步，采用生成对抗网络算法增强少数类故障样本数量；第三步，通过在1DCNN的结构上增加多尺度卷积层，设计了基于多尺度卷积神经网络的变压器故障识别模型；第四步，利用维度与数量增强后的数据集对所设计的模型进行训练与测试，并通过与一些智能算法进行泛化性实验对比，结果表明本发明所提出的方法平均识别准确率为93.58％，泛化性能良好。
-
公开(公告)号：CN119725852A
公开(公告)日：2025-03-28
申请号：CN202411754134.2
申请日：2024-12-02
Applicant: 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州市余杭区供电公司 , 国网浙江省电力有限公司杭州供电公司 , 浙江群力电气有限公司
IPC: H01M10/613 , H01M10/655 , H01M10/653 , H01M10/6554 , H01M10/6556 , H01M10/6566 , H01M10/6563
Abstract: 本发明公开一种储能电池散热架，包括电池架、导热硅胶垫、纯铝散热片、横向通风管及竖向通风管，电池架分为多层；纯铝散热片固定安装在电池架每一层；导热硅胶垫放置在纯铝散热片顶部；横向通风管与竖向通风管连接，固定在电池架的后侧，电池架的每一层安装一个横向通风管，同时其内侧设置开关，用于控制每层横向通风管的开启与关闭；竖向通风管与室内的通风设备连接。本发明适用于集装箱式储能站，解决箱式储能站内电池体集中，散热缓慢问题，通过导热硅胶垫和纯铝散热片进行良好的导热与散热，利用横向通风管进行侧边吹风，加速纯铝散热片散热，有效降低每块电池体温度；横向通风管内侧设计开关，可以依据需要进行每层横向通风管开启。
-
公开(公告)号：CN119848689A
公开(公告)日：2025-04-18
申请号：CN202411744592.8
申请日：2024-12-01
Applicant: 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州市余杭区供电公司 , 国网浙江省电力有限公司杭州供电公司 , 浙江群力电气有限公司
IPC: G06F18/2431 , G06F18/241 , G06F18/214 , G01R31/62 , G06N3/045 , G06N3/0985 , G06N3/006
Abstract: 本发明公开了一种基于改进哈里斯鹰优化多核极限学习机的变压器故障诊断方法，步骤如下：第一步，使用SMOTE算法对变压器故障样本中的少数类样本进行数据增强，使得各类样本达到类别平衡；第二步，对平衡后的各类样本数据进行归一化处理，并划分为训练集、验证集和测试集；第三步，选取多个不同的核函数构建多核极限学习机分类模型，并使用训练集对其进行训练；第四步，采用改进的哈里斯鹰算法对多核极限学习机的超参数进行优化，并以验证集的识别误差为适应度函数得到最优的多核极限学习机模型；第五步，用测试集测试最优多核极限学习机模型的分类性能。本发明通过使用多核极限学习机有效增强了对变压器故障样本的非线性表征，能够提高变压器故障诊断的准确率和可靠度；同时，通过使用收敛速度更快、参数寻优的搜索能力更强的改进哈里斯鹰优化算法，有效增强了多核极限学习机的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN119808002A
公开(公告)日：2025-04-11
申请号：CN202510004990.4
申请日：2025-01-02
Applicant: 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州市余杭区供电公司 , 国网浙江省电力有限公司杭州供电公司 , 浙江群力电气有限公司
IPC: G06F18/25 , G06F18/241 , G06F18/2431 , G06F18/10 , G06F18/213 , G06F18/2135 , G06N3/006 , G06N3/0499 , G06N3/0985 , G01R31/00 , G01H17/00 , G06F123/02
Abstract: 本发明公开了一种多传感器多域特征融合的变压器故障诊断方法，包括以下步骤：第一步，获取变压器箱体振动信号数据集，将采集的信号进行去中心化处理；第二步，采用蜣螂优化的ICEEMD方法分解去中心化后的变压器振动信号，计算其IMF分量与原信号的皮尔逊相关系数，选择强相关的分量对变压器振动信号进行重建，从而对变压器振动信号进行滤波和去噪；第三步，分别采用MVAR模型、VMD‑BIS分解和黎曼流形提取变压器振动信号中的时域、频域和空域特征，构造联合特征向量；第四步，采用核主成分分析算法进行融合降维，得到融合降维特征向量；第五步，构建核极限学习机模型，结合时‑频‑空融合特征对其参数进行训练，并结合哈里斯鹰优化算法对其超参数进行优化，进而得到最优的核极限学习机分类模型。本发明有效的解决了变压器故障诊断中振动信号非线性特性导致的误判、漏判和分布不均衡导致诊断率低的问题。
-
公开(公告)号：CN119807881A
公开(公告)日：2025-04-11
申请号：CN202510004992.3
申请日：2025-01-02
Applicant: 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州市余杭区供电公司 , 国网浙江省电力有限公司杭州供电公司 , 浙江群力电气有限公司
IPC: G06F18/2411 , G06F18/10 , G06F18/2113 , G06F18/2131 , G06N3/006 , G06N20/10 , G01R31/62 , G01H17/00
Abstract: 本发明公开了一种基于参数优化VMD与快速谱相关的变压器故障在线诊断方法，包括以下步骤：第一步，采集变压器箱体振动信号；第二步，变压器故障信号降噪处理：利用鹈鹕优化算法搜索各个故障状态下振动信号的最佳VMD参数，将振动信号进行VMD分解以获取多个模态分量IMF，并计算各个模态分量的Person相关系数，选取关联性较高的模态分量重构信号；第三步，特征提取：对重构信号进行快速谱相关计算，得到快速谱相关谱并计算每组快速谱相关谱在变压器振动信号基频以及其倍频处的能量均值，建立特征向量；第四步，模型训练：将训练集、验证集和测试集输入POA‑TWSVM进行离线模型训练，构建最优变压器故障诊断模型；第五步，以最优POA‑TWSVM模型完成在线变压器故障诊断。本发明有效的解决了变压器故障振动信号特征提取效果不佳导致的诊断精度低的问题。
-
公开(公告)号：CN119807849A
公开(公告)日：2025-04-11
申请号：CN202510004988.7
申请日：2025-01-02
Applicant: 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州市余杭区供电公司 , 国网浙江省电力有限公司杭州供电公司 , 浙江群力电气有限公司
IPC: G06F18/241 , G06F18/2411 , G06F18/2431 , G06F18/214 , G06F18/213 , G06F18/20 , G06F18/23213 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N20/10 , G06N20/20 , G01D21/02
Abstract: 本发明公开了一种不平衡多源小样本条件下的变压器在线寿命预测方法，步骤如下：将采集到的变压器振动信号故障样本数据消除噪声信号，在保留少数类样本数据特征前提下扩充样本数量；将采集到的变压器故障样本数据进行标准化处理，并划分为训练集、测试集和验证集，分别提取特征；构建CNN变压器故障诊断模型，将RP处理后的信号通过CNN模型得到故障诊断结果1；构建变压器故障诊断模型，利用验证集调整模型超参数，得到故障诊断结果2；将得到的故障诊断结果1和故障诊断结果2送入FCNN模型中进行对FCNN模型的调整，然后通过测试集得到故障诊断结果。该发明能够有效解决对少数类故障样本的误判和漏判问题，提升模型的诊断精度。
-
公开(公告)号：CN114089831B
公开(公告)日：2024-09-06
申请号：CN202111374551.0
申请日：2021-11-17
Applicant: 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州市余杭区供电公司 , 国网浙江省电力有限公司杭州供电公司
Abstract: 本发明公开了一种用于箱变内互感器辅助拆装的自动升降装置控制方法，包括舌电信号控制和眼电信号控制，舌电信号控制利用BP神经网络识别人体舌头处于不同状态下的舌电信号，从而控制升降装置的升降；眼电信号控制首先是通过Pearson相关性分析识别眼动信号，其次，拟合信号局部斜率，从而识别出左眼动信号和右眼动信号控制自动升降装置的左右移动。本发明通过识别人体生理信号控制自动升降装置的升降和左右移动，在箱变狭小的空间内，一个人可实现箱变内互感器等大部件的拆装，不需其他操作人员辅助，节省了劳动力，而且识别程度高，系统易于建立，方法易于实现，达到自动升降装置精准控制的目的，具有科学合理，适用性强等优点。
-
公开(公告)号：CN116683533A
公开(公告)日：2023-09-01
申请号：CN202310630351.X
申请日：2023-05-31
Applicant: 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州市余杭区供电公司 , 国网浙江省电力有限公司杭州供电公司 , 安徽艾克瑞德科技有限公司
Abstract: 本发明涉及电力领域，具体涉及一种电力储能系统，根据当地的用电类型需求将电力储能模块分割成若干个储能节点，每一个储能节点配置有不同的电能储存协议和电能调用协议，且各储能节点之间配置有对应的应急互调协议，以实现各种类型的电能联合调度。在某一个储能节点内的电能无法满足需求时，以调动成本最低，其他各储能节点内的电能余量至少可以满足48小时的正常用电需求为约束条件实现部分电能类型的转化调度。本发明可以实现各储存节点的联合调度，在可以简化整个系统的前提下，可以提高电力储能的合理性。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.236 seconds)
