一种基于自组织竞争网络的配电网故障聚类分析方法

    公开(公告)号:CN115169441A

    公开(公告)日:2022-10-11

    申请号:CN202210683775.8

    申请日:2022-06-17

    Abstract: 本发明公开了一种基于自组织竞争网络的配电网故障聚类分析方法,首先对三种常见的配电网故障类型进行了分析,根据其故障特点对原始数据进行了特征提取,并利用自组织竞争神经网络分别进行聚类分析,得到了合理的聚类结果。本发明利用配电网产生的多种故障相关数据,根据不同类型的故障和异常的分类需求,进行特征提取,然后使用自组织竞争神经网络对配电网异常数据进行聚类分析,将故障和异常划分为更细致的类别,并对聚类结果做出了合乎实际情况的解释。本发明聚类结果有助于确定不同故障的严重程度和可能导致故障的成因,对配电网的运维工作有较大的辅助判断作用。

    一种基于无偏DFT的电力系统谐波信号频率估计方法

    公开(公告)号:CN115166355B

    公开(公告)日:2024-10-29

    申请号:CN202210688761.5

    申请日:2022-06-17

    Abstract: 本发明提出了一种基于无偏DFT的电力系统谐波信号频率估计方法,使用DFT谱线S(k),看作是一个非线性方程,来描述振幅、相位、频率和观察到的频谱之间的关系;然后,将非线性方程改写为包含3P个未知参数a、b(1)和b(2)的线性方程;将旁瓣干扰和频谱泄漏作为有用的信息,并在估计过程中考虑了所有频率分量的影响。本发明可以准确、不偏倚地估计系统频率。仿真结果表明,该算法能够有效地估计实际的系统频率。

    一种基于学习排序的配电网故障严重程度排序方法

    公开(公告)号:CN115187427A

    公开(公告)日:2022-10-14

    申请号:CN202210683625.7

    申请日:2022-06-17

    Abstract: 本发明提出了一种基于学习排序的配电网故障严重程度排序方法,首先分析了RankNet算法的原理,提出了适用于配电网故障数据的排序算法;然后使用训练数据训练神经网络,得到评分模型,在实际故障数据集上进行了测试,验证算法有效性;最后对算法进行总结,实现从标注样本对数据集学习得到评分函数,对故障样本进行准确的排序,以帮助运维部门合理安排检修顺序。该算法在测试数据集上有良好的表现,在实际故障样本组成的验证数据集上,对于排序靠前的严重故障有极佳的排序准确度,说明该算法的有效性较好。

    基于移动端组件式GIS技术实现电力设备沿布的方法

    公开(公告)号:CN110807077A

    公开(公告)日:2020-02-18

    申请号:CN201910879626.7

    申请日:2019-09-18

    Abstract: 本发明公开了一种基于移动端组件式GIS技术实现电力设备在移动端地图沿布的方法,该方法通过实时获取远程电力设备的台账数据和图形结构数据,在移动端解析电力设备的类型、位置、形状和台账信息,根据这些信息移动端在GIS组件启动并且初始化地理地图后,实现电力设备在地图上的图形化显示及图形与台帐信息的关联,供巡检人员查看、导航、签到、录入巡检信息等。本方法极大的缩短了电力设备在移动端的沿布周期,提升了现场巡视、设备检修等工作的效率。

    基于移动端组件式GIS技术实现电力设备沿布的方法

    公开(公告)号:CN110807077B

    公开(公告)日:2023-10-10

    申请号:CN201910879626.7

    申请日:2019-09-18

    Abstract: 本发明公开了一种基于移动端组件式GIS技术实现电力设备在移动端地图沿布的方法,该方法通过实时获取远程电力设备的台账数据和图形结构数据,在移动端解析电力设备的类型、位置、形状和台账信息,根据这些信息移动端在GIS组件启动并且初始化地理地图后,实现电力设备在地图上的图形化显示及图形与台帐信息的关联,供巡检人员查看、导航、签到、录入巡检信息等。本方法极大的缩短了电力设备在移动端的沿布周期,提升了现场巡视、设备检修等工作的效率。

    一种基于无偏DFT的电力系统谐波信号频率估计方法

    公开(公告)号:CN115166355A

    公开(公告)日:2022-10-11

    申请号:CN202210688761.5

    申请日:2022-06-17

    Abstract: 本发明提出了一种基于无偏DFT的电力系统谐波信号频率估计方法,使用DFT谱线S(k),看作是一个非线性方程,来描述振幅、相位、频率和观察到的频谱之间的关系;然后,将非线性方程改写为包含3P个未知参数a、b(1)和b(2)的线性方程;将旁瓣干扰和频谱泄漏作为有用的信息,并在估计过程中考虑了所有频率分量的影响。本发明可以准确、不偏倚地估计系统频率。仿真结果表明,该算法能够有效地估计实际的系统频率。

    一种基于补零差值DFT的有噪实正弦信号频率估计方法

    公开(公告)号:CN115166354A

    公开(公告)日:2022-10-11

    申请号:CN202210683818.2

    申请日:2022-06-17

    Abstract: 本发明公开了一种基于补零差值DFT的有噪实正弦信号频率估计方法,包括:将初始序列r(n)补零到长度为M的序列;对r(n)在位置k处进行DFT变换,得到S(k);重写S(k),得到S(k)含有五个未知数的线性方程;任意选取五个不同的有噪信号补零DFT值得到线性矩阵;通过解线性矩阵得到含有的未知数,进而得到信号频率。本发明将旁瓣干扰和频谱泄漏作为有用的信息,并考虑了估计过程中所有频率分量的影响。因此,本方法可以准确、不偏倚地估计系统频率,有较高的估计精度和较低的计算复杂度。

    一种基于补零差值DFT的有噪实正弦信号频率估计方法

    公开(公告)号:CN115166354B

    公开(公告)日:2024-07-23

    申请号:CN202210683818.2

    申请日:2022-06-17

    Abstract: 本发明公开了一种基于补零差值DFT的有噪实正弦信号频率估计方法,包括:将初始序列r(n)补零到长度为M的序列;对r(n)在位置k处进行DFT变换,得到S(k);重写S(k),得到S(k)含有五个未知数的线性方程;任意选取五个不同的有噪信号补零DFT值得到线性矩阵;通过解线性矩阵得到含有的未知数,进而得到信号频率。本发明将旁瓣干扰和频谱泄漏作为有用的信息,并考虑了估计过程中所有频率分量的影响。因此,本方法可以准确、不偏倚地估计系统频率,有较高的估计精度和较低的计算复杂度。

Patent Agency Ranking