-
公开(公告)号：CN113791318A
公开(公告)日：2021-12-14
申请号：CN202111029182.1
申请日：2021-09-01
Applicant: 上海交通大学 , 国网浙江省电力有限公司电力科学研究院
IPC: G01R31/12
Abstract: 本发明公开了一种基于多光谱检测阵列的局部放电故障识别方法，其包括步骤：(1)采用多光谱检测阵列传感器检测和采集气体绝缘电力设备的局部放电信号在不同波段下的光辐射强度；(2)持续检测和采集一段时间后，对应于各波段，对采集的所有局部放电光辐射强度求平均值，将该平均值作为相应波段的局部放电光辐射强度；(3)对各波段的局部放电光辐射强度进行归一化处理，将归一化处理后的各波段的局部放电光辐射强度作为局部放电多光谱特征；(4)采用高斯混合模型对输入的局部放电多光谱特征进行聚类分析，得到其对应的缺陷类别。相应地，本发明还公开了一种基于多光谱检测阵列的局部放电故障识别系统，其可以实施上述局部放电故障识别方法。
-
公开(公告)号：CN119691564A
公开(公告)日：2025-03-25
申请号：CN202411876712.X
申请日：2024-12-19
Applicant: 国网浙江省电力有限公司电力科学研究院
IPC: G06F18/241 , G06N3/045 , G06N3/084 , G06N3/048 , G06F18/213
Abstract: 本发明公开了一种电力设备热缺陷严重程度识别方法及系统，其包括步骤：对应于已知的电力设备热缺陷严重程度级别，采集电力设备内部样本温度数据、电力设备外壳样本温度数据以及环境温度样本数据，并且获取稳态样本数据和暂态样本数据；构建对应于已知的电力设备热缺陷严重程度级别的稳态样本数据组和暂态样本数据组；采用稳态样本数据组对第一神经网络进行训练；采用暂态样本数据组对第二神经网络进行训练；实际检测时，将电力设备外壳实测温度和环境实测温度输入经过训练的第一神经网络，其输出电力设备内部温差预测数据，将电力设备外壳温升实测数据、环境温升实测数据输入经过训练的第二神经网络，其输出电力设备内部温升预测数据。
-
公开(公告)号：CN119691563A
公开(公告)日：2025-03-25
申请号：CN202411876711.5
申请日：2024-12-19
Applicant: 国网浙江省电力有限公司电力科学研究院
IPC: G06F18/241 , G06N3/084 , G06N3/048 , G06N3/047
Abstract: 本发明公开了一种基于电力设备外壳温度评估内部热缺陷的方法及系统，其包括步骤：对应于已知的电力设备内部热缺陷类型，采集电力设备内部第一测温点的位置坐标以及第一测温点的样本温度数据；并且基于电力设备外壳上若干个第二测温点的位置坐标矩阵，采集与第一测温点的样本温度数据对应的电力设备外壳的样本温度矩阵；对于每一种电力设备内部热缺陷类型，基于第一测温点的位置坐标、第一测温点的样本温度数据以及样本温度矩阵，构建与该电力设备内部热缺陷类型对应的样本数组；采用样本数组训练构建的神经网络，以建立样本温度矩阵与内部温度数据之间的映射关系；将实测温度矩阵输入经过训练的神经网络中，获得输出的电力设备内部预测温度数据。
-
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。
-
Patent Agency Ranking
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：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：CN110009670A
公开(公告)日：2019-07-12
申请号：CN201910241541.6
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: G06T7/33
Abstract: 本发明公开了一种基于FAST特征提取和PIIFD特征描述的异源图像配准方法，通过FAST特征提取、PIIFD特征描述、最近邻比例阈值粗匹配、RANSAC错配剔除、最小二乘法仿射变换计算，能够得到异源图像之间的空间变换关系。本发明技术解决方案流程完善，鲁棒性高，实用性强，不易受异源图像品质的影响，能克服图像背景等因素对特征提取的干扰，可以很好地解决目前异源图像配准精度低、误差大、速度慢等问题。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.052 seconds)
