用于电力设备多维高清实景培训模型生成方法及系统

    公开(公告)号:CN118691256B

    公开(公告)日:2025-04-04

    申请号:CN202410761439.X

    申请日:2024-06-13

    Abstract: 本发明公开了用于电力设备多维高清实景培训模型生成方法及系统,涉及模型构建技术领域,方法包括采集多个时刻下输电线路上所有电力设备图像数据、连接关系、所处位置的历史环境数据、历史设备状态数据、历史运行参数数据;以及实时设备状态数据、实时运行参数数据;利用BIM软件对电力设备进行三维建模,形成电力设备初始培训模型;计算电力设备的状态异常系数、运行异常系数、电力设备的故障风险系数;通过故障风险系数大于故障风险阈值的电力设备所在位置、连接关系得到检修路径,并进行模型分割,得到电力设备检修路径培训模型。预设不同阈值形成不同的检修路径培训模型,方便培训人员有针对性地在培训模型中进行不同难度检修内容的学习。

    基于大数据分析的电力设备负荷调度方法及系统

    公开(公告)号:CN119742795A

    公开(公告)日:2025-04-01

    申请号:CN202411871035.2

    申请日:2024-12-18

    Abstract: 本发明涉及电力负荷调度技术领域,本发明公开了基于大数据分析的电力设备负荷调度方法及系统;通过多特征时间序列机器学习模型对选定调度区域内的未来时刻电力负荷进行预测,判定是否生成电力负荷供应不足提示,针对电力负荷供应不足情况,结合备用电源的供电参数判断是否存在可用备用电源,依据调度时长对备用电源中的电量进行电力负荷调度;本发明与现有技术相比,能够及时且提前发现选定调度区域内未来可能发生的电力负荷不足的安全隐患,并针对电力负荷不足进行电力负荷调度补救措施,从而避免选定调度区域内电力负荷在某一时刻瞬间增大后,而发生不可挽回的经济财产损失,规避了电力负荷调度滞后性带来的负面影响。

    基于深度学习的电力设备故障识别方法及识别系统

    公开(公告)号:CN118656610B

    公开(公告)日:2025-01-24

    申请号:CN202410761437.0

    申请日:2024-06-13

    Abstract: 本发明属于故障识别技术领域,本发明公开了基于深度学习的电力设备故障识别方法及识别系统,包括采集磁芯数据和电力变压设备油箱数据;采集历史油质数据和磁芯噪音数据;训练出预测油质含水量数据的机器学习模型;将实时油箱特征数据输入机器学习模型中,得到油质含水量数据;将磁芯数据处理得到第一磁芯状态系数A;将电力变压设备油箱数据和磁芯噪音数据处理得到第二磁芯状态系数C;判断磁芯状态为正常或故障;生成故障信息并上报至维护端;实现了对电力变压设备磁芯状态的立体化监测;这对保证电力变压设备的可靠连续运行具有重要意义。

    一种浸水防触电智能保护设备
    5.
    发明公开

    公开(公告)号:CN118714772A

    公开(公告)日:2024-09-27

    申请号:CN202410761442.1

    申请日:2024-06-13

    Abstract: 本发明涉及电路保护技术领域,公开了一种浸水防触电智能保护设备,包括承载底壳,所述承载底壳的上端固定安装有密封外壳,所述密封外壳内部的中间位置固定安装有关联导体板,所述关联导体板上端边侧的中间位置固定安装有支撑导块,所述支撑导块内侧的一侧位置固定连接有一级极板,所述支撑导块内侧的另一侧位置固定连接有二级极板。本发明通过在设备内部增设了零电位电场结构,在设备通电后能够对电路散布在水中的离散电子和电流进行吸收,使得设备所搭载用电器在水中也可以进行正常使用工作,保护用户的人体安全,且增强了设备自身结构的密封性,同时通过赋予设备网络连接终端的使用功能性,有效提升了整体的智能化程度。

    用于电力设备多维高清实景培训模型生成方法及系统

    公开(公告)号:CN118691256A

    公开(公告)日:2024-09-24

    申请号:CN202410761439.X

    申请日:2024-06-13

    Abstract: 本发明公开了用于电力设备多维高清实景培训模型生成方法及系统,涉及模型构建技术领域,方法包括采集多个时刻下输电线路上所有电力设备图像数据、连接关系、所处位置的历史环境数据、历史设备状态数据、历史运行参数数据;以及实时设备状态数据、实时运行参数数据;利用BIM软件对电力设备进行三维建模,形成电力设备初始培训模型;计算电力设备的状态异常系数、运行异常系数、电力设备的故障风险系数;通过故障风险系数大于故障风险阈值的电力设备所在位置、连接关系得到检修路径,并进行模型分割,得到电力设备检修路径培训模型。预设不同阈值形成不同的检修路径培训模型,方便培训人员有针对性地在培训模型中进行不同难度检修内容的学习。

    基于深度学习的电力设备故障识别方法及识别系统

    公开(公告)号:CN118656610A

    公开(公告)日:2024-09-17

    申请号:CN202410761437.0

    申请日:2024-06-13

    Abstract: 本发明属于故障识别技术领域,本发明公开了基于深度学习的电力设备故障识别方法及识别系统,包括采集磁芯数据和电力变压设备油箱数据;采集历史油质数据和磁芯噪音数据;训练出预测油质含水量数据的机器学习模型;将实时油箱特征数据输入机器学习模型中,得到油质含水量数据;将磁芯数据处理得到第一磁芯状态系数A;将电力变压设备油箱数据和磁芯噪音数据处理得到第二磁芯状态系数C;判断磁芯状态为正常或故障;生成故障信息并上报至维护端;实现了对电力变压设备磁芯状态的立体化监测;这对保证电力变压设备的可靠连续运行具有重要意义。

Patent Agency Ranking