-
公开(公告)号：CN119535244A
公开(公告)日：2025-02-28
申请号：CN202510110435.X
申请日：2025-01-23
Applicant: 南昌工程学院
IPC: G01R31/367 , G01R31/392 , G01R31/396 , G06N3/006 , G06N3/049 , G06N3/0464 , G06N7/08
Abstract: 本发明公开了一种储能电池剩余使用寿命预测方法及系统，该方法通过获取电池容量时间序列数据；采用TVF‑EMD对电池容量时间序列数据进行分解得到本征模态分量；利用改进后的协同群优化算法对时间卷积神经网络模型的卷积核个数和卷积核大小进行优化；对完整的电池容量时间序列数据归一化，将归一化后的数据输入改进协同群优化算法优化后的时间卷积神经网络模型之中进行剩余使用寿命预测。本发明通过改进后的协同群优化算法优化的时间卷积神经网络模型，使其预测具有更高的准确性。
-
公开(公告)号：CN119249211A
公开(公告)日：2025-01-03
申请号：CN202411774478.X
申请日：2024-12-05
Applicant: 南昌工程学院
Abstract: 本发明公开了基于全频段多模态数据融合的配电变压器故障诊断方法，包括如下步骤：收集变压器的不同特征图；对收集的不同特征图进行特征提取并加权求和，得到多源融合特征向量；对多源融合特征向量进行数据预处理，数据预处理后再进行归一化处理；使用归一化处理后的多源融合特征训练改进概率神经网络；采用改进北极海鹦优化算法对训练好的改进概率神经网络的多项式阶数进行优化；采用优化后的改进概率神经网络进行变压器故障诊断；本发明采用改进北极海鹦优化算法通过模拟北极海鹦的觅食行为，有效结合全局搜索和局部搜索策略优化了改进概率神经网络的多项式阶数，提高了变压器数据融合诊断的准确率和概率神经网络的泛化能力。
-
公开(公告)号：CN117725397A
公开(公告)日：2024-03-19
申请号：CN202311686411.6
申请日：2023-12-11
Applicant: 国家电投集团江西电力工程有限公司 , 南昌工程学院
IPC: G06F18/213 , G06F18/241 , G06F18/25 , G06N3/006 , G01R31/12
Abstract: 本发明公开了一种开关柜的局部放电特征提取方法，收集开关柜产生的电信号并进行滤波处理，然后对开关柜局部放电耦合过程进行参数分析，根据开关柜运行过程中参数约束条件构建参数识别模型，将特征参数与特征常量作为局部放电信号提取的关键，通过对特征常量的获取，通过对各类特征参数的识别完成对模糊信息分析模型的构建，引入沙猫算法对处理后的信息关键信息与特征进一步的提取；对提取完的局部放电信号特征信号用部放电特征函数表示，并进行耦合处理，实现对开关柜的放电特性检测。本发明将局部放电信号视为一种“沙猫”(一种动物)的行走路径，通过模拟沙猫的行走路径来提取局部放电信号的特征，评估开关柜的运行状态。
-
公开(公告)号：CN116796213A
公开(公告)日：2023-09-22
申请号：CN202310160804.7
申请日：2023-02-24
Applicant: 南昌工程学院
IPC: G06F18/23213 , G06F18/2135
Abstract: 本发明属于配电网线变关系辨识技术领域，公开了一种基于聚类算法的配电网线变关系辨识方法，提取配变的电压数据经过预处理后生成电压时间序列作为原始特征，并划分为多个电压时间子序列；使用PCA降维法对电压时间子序列组成的原始特征矩阵进行降维，获取降维后保留了最多原始特征的前k维特征矩阵；将获取的降维后的新特征和配变的相关性系数矩阵进行拼接得到全新的特征矩阵；输入到meanshift聚类算法中进行线变关系的辨识。本发明能够解决传统辨识方法中的单一特征辨识引起的误判率高的问题。
-
公开(公告)号：CN116430188B
公开(公告)日：2023-08-29
申请号：CN202310697668.5
申请日：2023-06-13
Applicant: 南昌工程学院
Inventor： 章彧涵 , 康兵 , 高家通 , 王宗耀 , 丁贵立 , 许志浩 , 刘文轩 , 李斌 , 戴永熙 , 李雨彤 , 何言 , 蒋善旗 , 何登旋 , 杨梓萌 , 徐一舟 , 单惠敏
IPC: G01R31/12 , G06N3/006 , G06F18/213 , G06N20/00
Abstract: 本发明属于电力设备故障诊断技术领域，公开了一种基于改进白冠鸡优化算法的变压器故障声纹诊断方法，将变压器声音信号进行去噪，使用权重时移多尺度反向波动散布熵对分离出变压器本体声音信号计算时移尺度内的特征量并进行归一化，使用拉普拉斯得分选出最优特征维度，将核极限学习机的核函数参数和正则化因子以及权重时移多尺度反向波动散布熵的权重作为改进白冠鸡优化算法的初始种群位置进行寻优，对核极限学习机进行训练，得到变压器故障诊断模型，用于变压器的故障诊断。本发明解决了核极限学习机的超参和权重时移多尺度反向波动散布熵的权重难以准确选取的问题，能够实时准确的输出变压器内部的情况。
-
Patent Agency Ranking
公开(公告)号：CN116610911A
公开(公告)日：2023-08-18
申请号：CN202310884271.7
申请日：2023-07-19
Applicant: 南昌工程学院 , 江西博微新技术有限公司
Abstract: 本发明属于数据修复领域，公开了一种基于贝叶斯高斯张量分解模型的用电数据修复方法及系统，收集天气、节假日、星期类型和用电量数据，构建成天气因子、节假日因子和星期因子，根据天气因子、节假日因子和星期因子构建相似度目标函数；使用野马优化算法对相似度目标函数进行寻优，在历史日中查找到与修复日相似度最高的M个相似日；以相似度最高的M个相似日的用电量数据构成三阶张量，将三阶张量输入到贝叶斯高斯张量分解模型中进行数据修复。本发明采用改进的野马优化算法选择相似日，输入贝叶斯高斯张量分解模型中对残缺数据进行修复，提升了修复准确率，以提高数据质量，达到提升预测等行为的精确性。
-
公开(公告)号：CN116342894B
公开(公告)日：2023-08-08
申请号：CN202310612697.7
申请日：2023-05-29
Applicant: 南昌工程学院
IPC: G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于改进YOLOv5的GIS红外特征识别系统及方法，GIS红外图像采集模块采集GIS设备部件红外图像，GIS红外特征识别模块内置基于改进YOLOv5的GIS红外目标检测网络模型，基于改进YOLOv5的GIS红外目标检测网络模型用于GIS设备部件识别；所述基于改进YOLOv5的GIS红外目标检测网络模型包括主干网络、颈部网络、头部网络三部分；将CA注意力模块与主干网络中对应的CSP模块相结合；在颈部网络中，将传统的卷积层替换为GS卷积层，在保持足够精度的同时降低了计算和网络结构的复杂性；在噪点较多、目标较多的情况下使用本发明对GIS设备部件进行识别，具有良好的识别效果。
-
公开(公告)号：CN116526478A
公开(公告)日：2023-08-01
申请号：CN202310800611.3
申请日：2023-07-03
Applicant: 南昌工程学院
IPC: H02J3/00 , H02J3/38 , G06F18/243 , G06F18/214 , G06N3/006 , G06N7/08 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于改进的蛇群优化算法的短期风电功率预测方法及系统，利用四分位法对风电场异常数据清洗并插补，建立极致梯度提升树分类模型并且利用改进的蛇群优化算法优化极致梯度提升树，对极致梯度提升树分类模型进行训练和测试，并且划分天气类型，根据分类结果构建不同天气下的多维特征矩阵，构建自适应预测模型并且预测转折性天气下的风电功率。本发明使用改进的蛇群优化算法对极致梯度提升树的学习率、树深度、最佳树的个数这三个参数进行优化可以提高极致梯度提升树分类模型的准确率，进而提高自适应预测模型的准确率，解决现有风电功率预测方案在转折性天气时段存在较大误差的问题。
-
公开(公告)号：CN116125235B
公开(公告)日：2023-07-18
申请号：CN202310399312.3
申请日：2023-04-14
Applicant: 南昌工程学院 , 中国电力科学研究院有限公司
IPC: G01R31/12 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/2411 , G06N20/10 , G06N3/006
Abstract: 本发明属于电力设备故障分析技术领域，公开了一种基于超声信号的GIS局部放电故障诊断方法，将GIS局部放电超声信号用基于广义S变换的瞬态提取变换的时频分析方法变换成反映某一频率在不同时间上变化的瞬时提取广义S变换时频谱，构建瞬时提取广义S变换时频谱数据集；通过局部线性嵌入算法对瞬时提取广义S变换时频谱数据集进行降维，得到低维特征数据集；利用改进的蝴蝶算法对LSSVM的超参进行优化，以所得的低维特征数据集为基础，构造PODSBOA‑LSSVM故障诊断模型，对未知的GIS局部放电超声信号进行诊断。本发明采用群延迟提取瞬时提取广义S变换时频谱，去除了干扰信号，增强了识别精度。
-
公开(公告)号：CN116127858B
公开(公告)日：2023-06-27
申请号：CN202310391836.8
申请日：2023-04-13
Applicant: 南昌工程学院 , 中国电力科学研究院有限公司
IPC: G06F30/27 , G06F17/16 , G06F119/08
Abstract: 本发明公开了一种基于改进沙猫算法优化的GIS设备温升预测方法及系统，该方法通过收集GIS设备的历史多维运行状态参量和实测的GIS设备的温升数据来构造初始样本数据集，对构造完成的初始样本数据集进行归一化处理；将BP神经网络的原始阈值和原始权重作为改进沙猫算法的初始种群位置进行寻优，获取BP神经网络的最优阈值和最优权重；训练BP神经网络得到GIS设备温升预测模型，根据实时采集的多维运行状态参量用GIS设备温升预测模型进行GIS设备的温升预测。本发明采用改进沙猫算法优化的BP神经网络进行GIS设备的温升预测，能够实时准确的输出GIS设备内部的温升情况。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.054 seconds)
