-
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。
-
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：CN110008964A
公开(公告)日：2019-07-12
申请号：CN201910241551.X
申请日：2019-03-28
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC: G06K9/46
Abstract: 本发明公开了一种高效的异源图像的角点特征提取与描述方法，对于特征相似度较低的异源图像，先采用FAST方法提取图像中的结构性特征较为显著的角点，再采用PIIFD特征描述符考虑异源图像的梯度翻转效应，对角点特征进行统一的描述。本发明技术解决方案简单，鲁棒性高，实用性强，不易受图像品质的影响，能克服异源图像特征差异较大、特征较为模糊、图像噪声干扰较大等问题，可以很好地解决目前主要特征提取方法在处理异源图像时特征提取准确率低、特征显著性低、计算复杂度高、可靠性差的问题。
-
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：CN112307851A
公开(公告)日：2021-02-02
申请号：CN201910710454.0
申请日：2019-08-02
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
Abstract: 本发明公开了一种电力铁塔上鸟巢的识别方法，其包括训练步骤和识别步骤，训练步骤包括：S100：采集电力铁塔二维案例图像；S200：构建卷积神经网络并对其进行训练，以使卷积神经网络进行数据简化处理；S300：构建采用多个限制玻尔兹曼机堆叠形成的深度信念网络，将二维数据降维到含有电力铁塔图像特征的一维数据输入深度信念网络，采用一维数据对深度信念网络进行训练，以使深度信念网络输出识别结果；识别步骤包括：D100：将待识别的电力铁塔二维图像输入经过训练的卷积神经网络，卷积神经网络输出经过数据简化的二维数据；D200：将二维数据降维至一维数据输入经过训练的深度信念网络；D300：深度信念网络输出识别结果。
-
Patent Agency Ranking
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：CN118246799A
公开(公告)日：2024-06-25
申请号：CN202410341289.7
申请日：2024-03-25
Applicant: 上海交通大学 , 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 国网新疆电力有限公司电力科学研究院
Inventor： 孙炜昊 , 付慧 , 路永玲 , 王真 , 刘征宇 , 朱雪琼 , 许永鹏 , 李泽 , 钱庆林 , 臧奕茗 , 钱勇 , 刘亚东 , 盛戈皞 , 江秀臣 , 公多虎 , 地尼亚尔
IPC: G06Q10/0639 , H02B1/24 , H02B13/065 , H02J13/00 , G01D21/02 , G06Q50/06 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种GIS状态预测和故障预警方法及系统、存储介质，应用于电力设备监测技术领域。包括：获取外部环境数据集和内部状态数据集，并对数据集进行归一化处理；建立神经网络预测模型并采用混沌博弈算法进行权值优化；训练基于混沌博弈算法优化的神经网络；构建状态预警模型，计算窗口时间段内预测的残差，并采用统计学拟合方法设置残差绝对值的预警阈值；提取预警之后的状态数据作为精确故障预测的数据集，对Stacking融合算法第一层基学习器进行训练，输出预测结果；将预测结果作为新数据集并作为第二层元学习器的输入进行训练，输出最终的精确预测结果。本发明获得最优的预测结果，有效提高了故障预测精度。
-
公开(公告)号：CN118246599A
公开(公告)日：2024-06-25
申请号：CN202410360073.5
申请日：2024-03-27
Applicant: 上海交通大学 , 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 国网新疆电力有限公司电力科学研究院
Inventor： 孙炜昊 , 付慧 , 路永玲 , 王真 , 刘征宇 , 朱雪琼 , 许永鹏 , 李泽 , 钱庆林 , 臧奕茗 , 钱勇 , 刘亚东 , 盛戈皞 , 江秀臣 , 公多虎 , 地尼亚尔
IPC: G06Q10/04 , G06Q10/0635 , G06Q50/06 , G06N3/006 , G06N20/00
Abstract: 本发明公开了一种气体绝缘全封闭组合电器设备风险评估方法、系统及介质和设备，涉及设备风险评估技术领域。具体包括：针对于GIS设备，通过采集GIS输入检测量对其进行分析引入核主成分分析处理方法，提取贡献率较大的成分，随后通过鲸鱼智能优化算法优化核极限学习机对设备风险进行模型组合预测。本发明相较于以往的设备评估方法，在减少计算量的同时提高了模型评估的泛化性能，同时在数据提取方面，减少了噪声和剔除不相关因素情况，该技术有着较强的应用前景，为GIS设备风险评估方法提供了现实的理论依据。
-
-
-
-
-
-
-
-
-
Search Results
236
records
(took 0.04 seconds)
