-
公开(公告)号：CN111178388B
公开(公告)日：2022-06-17
申请号：CN201911231618.8
申请日：2019-12-05
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: G06V10/764 , G06V10/80 , G06V10/77 , G06V10/44
Abstract: 一种基于NSCT光电融合图谱的局部放电相位分布检测方法，包括以下步骤：采集局放图谱、对光学PRPD图谱和特高频PRPD图谱进行灰度化处理和NSCT分解、NSCT融合、NSCT逆变换，重构出光电融合图像F和对光电融合PRPD图谱的模式识别。实验结果表明，本发明能够提高现阶段单一光学检测和单一特高频检测的模式识别的准确率，具有良好的识别效果和较高的实用性，有利于电力设备的运维检修，保障电网安全稳定运行。
-
公开(公告)号：CN112180221B
公开(公告)日：2022-06-03
申请号：CN202010827200.X
申请日：2020-08-17
Applicant: 国网浙江省电力有限公司电力科学研究院 , 上海交通大学
Inventor： 陈孝信 , 李晨 , 邵先军 , 王绍安 , 郑一鸣 , 杨智 , 詹江杨 , 何文林 , 陈珉 , 孙翔 , 王文浩 , 徐华 , 陈梁金 , 王磊 , 胡华杰 , 臧奕茗 , 钱勇 , 王辉 , 舒博
IPC: G01R31/12 , G06F16/906 , G06K9/62
Abstract: 本发明公开了一种基于双测度监督规则的GIS未知类别局部放电识别方法。本发明采用的技术方案为：首先，搭建GIS特高频检测系统并制作GIS典型绝缘缺陷，以采集局部放电信号；其次，为了充分表征不同类型的放电信息，构造放电梯度相位分布模式，提取统计特征；然后，通过训练集找到不同已知类型的最优特征预测模型，从而建立已知放电类型库，根据预测误差对待测样本进行初步分类；最后，建立合理的相似性和可靠性双测度监督规则，进一步评判分类结果，从而确认初步分类结果或者识别出未知类型样本。本发明能够顺利地筛选出未知类型的样本，并维持对已知类型的高识别率，从而极大地提高GIS局部放电的总体识别率，对于现场检测有好的指导意义。
-
公开(公告)号：CN112147465B
公开(公告)日：2022-06-03
申请号：CN202010813781.1
申请日：2020-08-13
Applicant: 国网浙江省电力有限公司电力科学研究院 , 上海交通大学
Inventor： 陈孝信 , 邵先军 , 王绍安 , 郑一鸣 , 李晨 , 杨智 , 詹江杨 , 何文林 , 陈珉 , 孙翔 , 王文浩 , 徐华 , 陈梁金 , 王绪军 , 王磊 , 臧奕茗 , 钱勇 , 王辉 , 舒博
Abstract: 本发明公开了一种基于多重分形与极限学习机的GIS光学局部放电识别方法。本发明采用的技术方案为：设计多种GIS典型绝缘缺陷模型并搭建实验室光学检测系统，采集光学局部放电信号，绘制GIS不同缺陷下的灰度化光学局放图谱；根据多重分形理论，提取灰度化光学局放图谱的差盒维数及信息维数的多重分形特征量；构造极限学习机作为分类器，通过线性参数模式寻找全局极小值；输入训练和测试样本，测试识别结果。本发明的多重分形特征能够提高GIS光学局放图谱的识别准确率，极限学习机能够提高GIS光学局放图谱的识别速度，两者结合能够保证GIS局部放电的光学诊断效率。
-
公开(公告)号：CN112180221A
公开(公告)日：2021-01-05
申请号：CN202010827200.X
申请日：2020-08-17
Applicant: 国网浙江省电力有限公司电力科学研究院 , 上海交通大学
Inventor： 陈孝信 , 李晨 , 邵先军 , 王绍安 , 郑一鸣 , 杨智 , 詹江杨 , 何文林 , 陈珉 , 孙翔 , 王文浩 , 徐华 , 陈梁金 , 王磊 , 胡华杰 , 臧奕茗 , 钱勇 , 王辉 , 舒博
IPC: G01R31/12 , G06F16/906 , G06K9/62
Abstract: 本发明公开了一种基于双测度监督规则的GIS未知类别局部放电识别方法。本发明采用的技术方案为：首先，搭建GIS特高频检测系统并制作GIS典型绝缘缺陷，以采集局部放电信号；其次，为了充分表征不同类型的放电信息，构造放电梯度相位分布模式，提取统计特征；然后，通过训练集找到不同已知类型的最优特征预测模型，从而建立已知放电类型库，根据预测误差对待测样本进行初步分类；最后，建立合理的相似性和可靠性双测度监督规则，进一步评判分类结果，从而确认初步分类结果或者识别出未知类型样本。本发明能够顺利地筛选出未知类型的样本，并维持对已知类型的高识别率，从而极大地提高GIS局部放电的总体识别率，对于现场检测有好的指导意义。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN113447771A
公开(公告)日：2021-09-28
申请号：CN202110641064.X
申请日：2021-06-09
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: 本发明涉及一种基于SIFT‑LDA特征的局部放电模式识别方法，包括以下步骤：采集局部放电特高频信号图像；进行SIFT特征提取；获取局部放电特高频信号图像视觉频率直方数据；使用LDA算法对局部放电特高频信号图像特征数据进行降维处理；进行归一化处理；训练支持向量机，获得局部放电特高频信号图像支持向量机模型；使用局部放电特高频信号图像支持向量机模型对局部放电特高频信号图像进行故障诊断。有益效果是提高局部放电故障类型的分类效果，实现局部放电故障的自动诊断和准确识别，在不同图像质量及像素大小的条件下进行局部放电特高频图像特征有效提取。
-
公开(公告)号：CN113283371A
公开(公告)日：2021-08-20
申请号：CN202110641065.4
申请日：2021-06-09
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
Abstract: 本发明涉及一种基于BRISK特征的局部放电特征提取及分类方法，包括以下步骤：采集发送局部放电信号图像；对局部放电信号图像进行BRISK特征提取；获取局部放电信号图像视觉频率直方数据；对局部放电信号图像视觉频率直方数据进行归一化处理；将归一化处理后的局部放电信号图像特征数据分为训练集和测试集；训练获得局部放电信号图像随机森林分类器模型；使用局部放电信号图像随机森林分类器模型对局部放电信号图像进行故障诊断。有益效果是提高局部放电故障类型的分类效果、实现局部放电故障的自动诊断和准确识别，在不同图像质量、像素大小及图像存在视角变换的条件下进行局部放电图像特征有效提取及分类。
-
公开(公告)号：CN112147465A
公开(公告)日：2020-12-29
申请号：CN202010813781.1
申请日：2020-08-13
Applicant: 国网浙江省电力有限公司电力科学研究院 , 上海交通大学
Inventor： 陈孝信 , 邵先军 , 王绍安 , 郑一鸣 , 李晨 , 杨智 , 詹江杨 , 何文林 , 陈珉 , 孙翔 , 王文浩 , 徐华 , 陈梁金 , 王绪军 , 王磊 , 臧奕茗 , 钱勇 , 王辉 , 舒博
Abstract: 本发明公开了一种基于多重分形与极限学习机的GIS光学局部放电识别方法。本发明采用的技术方案为：设计多种GIS典型绝缘缺陷模型并搭建实验室光学检测系统，采集光学局部放电信号，绘制GIS不同缺陷下的灰度化光学局放图谱；根据多重分形理论，提取灰度化光学局放图谱的差盒维数及信息维数的多重分形特征量；构造极限学习机作为分类器，通过线性参数模式寻找全局极小值；输入训练和测试样本，测试识别结果。本发明的多重分形特征能够提高GIS光学局放图谱的识别准确率，极限学习机能够提高GIS光学局放图谱的识别速度，两者结合能够保证GIS局部放电的光学诊断效率。
-
公开(公告)号：CN111178388A
公开(公告)日：2020-05-19
申请号：CN201911231618.8
申请日：2019-12-05
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: G06K9/62
Abstract: 一种基于NSCT光电融合图谱的局部放电相位分布检测方法，包括以下步骤：采集局放图谱、对光学PRPD图谱和特高频PRPD图谱进行灰度化处理和NSCT分解、NSCT融合、NSCT逆变换，重构出光电融合图像F和对光电融合PRPD图谱的模式识别。实验结果表明，本发明能够提高现阶段单一光学检测和单一特高频检测的模式识别的准确率，具有良好的识别效果和较高的实用性，有利于电力设备的运维检修，保障电网安全稳定运行。
-
公开(公告)号：CN113343550A
公开(公告)日：2021-09-03
申请号：CN202110641395.3
申请日：2021-06-09
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
Abstract: 一种基于局部图像特征的局部放电故障诊断方法，包括：采集不同故障类型的局部放电图像，并对图像进行预处理，生成局部放电图像数据库；采用U‑SURF‑BoW算法提取局部放电图像的局部特征，构建局部放电图像特征空间；再采用PCA对特征空间进行降维处理，随后使用天牛须算法对支持向量机进行参数寻优操作，构建最优的局部放电支持向量机分类模型，最后采用分类模型对局部放电图像数据特征进行识别分类，得到最终的故障诊断结果。本发明能有效和稳定地提取局部放电特征，提高了局部放电故障诊断的效率和准确率，同时能够保证在高噪声情况下具有较好的识别效果。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.052 seconds)
