-
公开(公告)号：CN110334948B
公开(公告)日：2023-04-07
申请号：CN201910602681.1
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC: G06Q10/0635 , G06Q10/0639 , G06Q50/06 , G06F18/214 , G01R31/12
Abstract: 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
公开(公告)号：CN110334866B
公开(公告)日：2022-11-11
申请号：CN201910602683.0
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种考虑绝缘缺陷类别与故障关联性的电力设备故障概率预测方法，其包括步骤：(1)采集电力设备的PRPS图谱数据并对其进行预处理；(2)基于经过预处理的PRPS图谱数据提取局部放电特征；(3)将局部放电特征输入经过训练的卷积神经网络，经过训练的卷积神经网络输出电力设备具有某类绝缘缺陷的概率值P(Dk)；并且还将局部放电特征输入经过训练的长短时记忆神经网络，经过训练的长短时记忆神经网络输出电力设备在Dk的条件下发生故障的概率P(F|Dk)；(4)基于下述公式获得电力设备的最终故障概率P(F)：此外，本发明还公开了一种电力设备故障概率预测系统。
-
公开(公告)号：CN110334866A
公开(公告)日：2019-10-15
申请号：CN201910602683.0
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种考虑绝缘缺陷类别与故障关联性的电力设备故障概率预测方法，其包括步骤：(1)采集电力设备的PRPS图谱数据并对其进行预处理；(2)基于经过预处理的PRPS图谱数据提取局部放电特征；(3)将局部放电特征输入经过训练的卷积神经网络，经过训练的卷积神经网络输出电力设备具有某类绝缘缺陷的概率值P(Dk)；并且还将局部放电特征输入经过训练的长短时记忆神经网络，经过训练的长短时记忆神经网络输出电力设备在Dk的条件下发生故障的概率P(F|Dk)；(4)基于下述公式获得电力设备的最终故障概率P(F)：此外，本发明还公开了一种电力设备故障概率预测系统。
-
公开(公告)号：CN110334865B
公开(公告)日：2023-04-18
申请号：CN201910602682.6
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC: G06Q10/04 , G06Q10/0635 , G06Q10/20 , G06Q50/06 , G06F18/243 , G06F18/2415 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法，其包括训练步骤和预测步骤，其中，训练步骤包括：(1)收集电力设备的案例PRPS图谱；(2)对收集的案例PRPS图谱数据进行预处理；(3)构建第一卷积神经网络模块，并对第一卷积神经网络模块进行训练，以使其输出为案例PRPS图谱数据对应的缺陷类型；(4)基于缺陷类型构建各个缺陷类型的数据集；(5)对应各个缺陷类型分别构建各自的故障二分类子模块，其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建；训练第二卷积神经网络，以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值，而输出电力设备是否发生故障的判断。
-
公开(公告)号：CN110334948A
公开(公告)日：2019-10-15
申请号：CN201910602681.1
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
Patent Agency Ranking
公开(公告)号：CN110334865A
公开(公告)日：2019-10-15
申请号：CN201910602682.6
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法，其包括训练步骤和预测步骤，其中，训练步骤包括：(1)收集电力设备的案例PRPS图谱；(2)对收集的案例PRPS图谱数据进行预处理；(3)构建第一卷积神经网络模块，并对第一卷积神经网络模块进行训练，以使其输出为案例PRPS图谱数据对应的缺陷类型；(4)基于缺陷类型构建各个缺陷类型的数据集；(5)对应各个缺陷类型分别构建各自的故障二分类子模块，其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建；训练第二卷积神经网络，以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值，而输出电力设备是否发生故障的判断。
-
公开(公告)号：CN118821537A
公开(公告)日：2024-10-22
申请号：CN202410885437.1
申请日：2024-07-03
Applicant: 上海交通大学
IPC: G06F30/23 , G06F30/25 , G06F17/13 , G01R31/12 , G06F111/10
Abstract: 本发明公开了一种变压器绝缘缺陷局部放电的全过程精确仿真方法，其包括步骤：构建变压器绕组的绝缘气隙放电数值仿真模型，所述绝缘气隙放电数值仿真模型包括：阴极电极、阳极电极、设于阴极电极和阳极电极之间的第一绝缘层和第二绝缘层，以及设于第一绝缘层和第二绝缘层之间的气隙层；基于等离子放电模型对所述绝缘气隙放电数值仿真模块进行局部放电仿真，获得气隙放电过程中的电场强度、带电粒子的浓度分布；基于气隙放电过程中的电场强度、带电粒子的浓度分布，计算获得气隙放电过程中的电流脉冲；构建变压器的电磁波传播仿真模型，其包括设于变压器内部绕组上的局部放电源，根据所述电流脉冲设置局部放电源，以进行电磁波传播仿真，获取天线处检测到的电磁波信号。
-
公开(公告)号：CN117991057A
公开(公告)日：2024-05-07
申请号：CN202410100024.8
申请日：2024-01-24
Applicant: 上海交通大学
IPC: G01R31/12
Abstract: 本发明公开了一种基于外界环境温度评估GIS母线导体温升状态的方法，其包括步骤：检测GIS母线外壳上第一检测点的温度在设定的时间区域内的外壳温度变化，并确定外壳温升速率；检测与第一检测点对应的GIS母线外壳周围环境内的第二检测点在设定的时间区域内的环境温度变化，并确定环境温升速率；基于环境温升速率与外壳温升速率的比值，确定GIS母线导体温升速率的第一初步范围；基于设定的环境影响系数K以及环境温升速率，确定GIS母线导体温升速率的第二初步范围；获取第一初步范围和第二初步范围的交集，并将交集作为导体温升速率最终范围；基于导体温升速率最终范围判断GIS母线导体的温升状态。
-
公开(公告)号：CN117741533A
公开(公告)日：2024-03-22
申请号：CN202311655328.2
申请日：2023-12-05
Applicant: 上海交通大学
IPC: G01R35/00
Abstract: 本发明公开了一种输电线路状态监测传感器的故障诊断方法，其包括步骤：100：将待诊断的传感器的输出序列数据输入经过训练的LSTM神经网络中，所述LSTM神经网络输出下一时刻的传感器的数据预测值；200：采集待诊断的传感器在下一时刻的数据实测值，并基于所述数据实测值与所述数据预测值计算残差；300：如果残差大于设定的阈值，则将残差序列输入故障诊断模型中，所述故障诊断模型输出传感器的故障分类结果。相应地，本发明还公开了一种输电线路状态监测传感器的故障诊断系统。本发明能够对传感器故障进行快速诊断。
-
公开(公告)号：CN112198472B
公开(公告)日：2023-11-07
申请号：CN202011069872.5
申请日：2020-09-29
IPC: G01R35/00
Abstract: 本发明涉及一种局部放电智能传感器在线远程校验方法及系统，所述方法包括以下步骤：对待校验的智能传感器按距离远近进行分组；分组采集各智能传感器的实时测量数据；分别对每组内的各智能传感器的实时测量数据进行基于均值漂移的聚类运算，根据聚类结果对每组内的各智能传感器进行故障判别。与现有技术相比，本发明具有能有效地判别故障等优点。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.025 seconds)
