一种主变压器运行多模态数据的异常鉴别方法

    公开(公告)号:CN119939456A

    公开(公告)日:2025-05-06

    申请号:CN202411981714.5

    申请日:2024-12-31

    Abstract: 本发明属于数据异常鉴别技术领域,具体涉及一种主变压器运行多模态数据的异常鉴别方法,所述异常鉴别方法包括以下步骤:步骤1.数据采集:收集主变压器运行中的各种数据,包括电流、电压、温度、振动、噪声;步骤2.数据预处理:对采集的数据进行清洗和整理,包括去除噪声、填补缺失值、数据平滑操作;步骤3.特征提取:从预处理后的数据中提取关键特征,包括统计特征、频域特征,将原始数据转换为用于分析的形式;步骤4.建模与训练:利用机器学习或深度学习模型对特征进行训练,模型包括决策树、支持向量机。该发明通过多层次、多维度的异常检测和处理机制,不仅提升了变压器运行的安全性和可靠性,也优化了运维管理的效率和成本。

    一种电力设备多模态异常检测边缘计算平台

    公开(公告)号:CN119691817A

    公开(公告)日:2025-03-25

    申请号:CN202411767908.5

    申请日:2024-12-04

    Abstract: 本发明公开了一种电力设备多模态异常检测边缘计算平台,涉及电力设备异常检测技术领域,包括硬件平台和软件平台,所述软件平台包括数据融合管理、设备状态实时监测、设备故障概览、区块链安全服务、边缘计算服务、安全和隐私保护,硬件平台包括数据采集模块、设备接入模块、边缘网关模块;本发明通过边缘计算服务使数据可以在接近数据源的地方处理,减少了数据传输延迟,这意味着电力设备的异常检测和响应可以在第一时间进行,且使用区块链技术赋能边缘计算提供了数据的去中心化管理和不可篡改性,通过对数据进行哈希处理并存储在区块链上,可以确保数据在传输和存储过程中不会被篡改,同时通过加密技术进一步增强数据安全性。

    一种基于自编码器的异常检测预测性维护算法

    公开(公告)号:CN118965233A

    公开(公告)日:2024-11-15

    申请号:CN202411159039.8

    申请日:2024-08-22

    Abstract: 本发明公开了一种基于自编码器的异常检测预测性维护算法,涉及异常检测技术领域,包括数据预处理单元、特征提取与重构单元、异常检测单元、事件分类单元、优化单元和预测性维护单元;本发明通过编码器将原始数据转换为低维的特征向量,并通过解码器从低维特征向量重构原始输入,有助于提取关键特征并降低数据维度;利用自编码器重构误差来检测异常值,能够全面、多方面地对数据进行异常检测,识别出与正常操作模式不一致的数据点;通过事件分类单元和预测性维护单元,能够对异常事件进行分类,识别具体的故障类型或异常原因,并根据历史数据和当前检测结果,预测未来可能发生的故障;且采用综合损失函数进行优化,能全面地衡量系统的性能。

Patent Agency Ranking