-
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：CN109784672A
公开(公告)日：2019-05-21
申请号：CN201811587468.X
申请日：2018-12-25
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明提供了一种基于区域推荐卷积网络的针对电网异常的实时监测报警系统，包括：固定式的摄像装置、区域推荐卷积神经网络、样本生成系统、报警系统。各个部分相互配合，自动完成对电网指定位置的实时监测工作。区域推荐卷积神经网络由两个网络组成，区域推荐网络预测可能出现异常的区域，卷积神经网络精确定位异常对象的种类及其大小和位置。在发现异常情况后立即通过邮件、短信等方式报警，通知巡检员。同时提供了一种上述针对电网异常的实时监测报警系统的实时监测报警方法。本发明实现了对电网指定位置的指定异常情况的自动化实时监测，节约大量人力。
-
公开(公告)号：CN110503135A
公开(公告)日：2019-11-26
申请号：CN201910698625.2
申请日：2019-07-31
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G06K9/62
Abstract: 本发明提供了一种用于电力设备边缘侧识别的深度学习模型压缩方法，通过直接修改已训练完成的深度学习模型，实现相关识别模型的压缩和加速，包括：批量归一化层融合：将批量归一化层与其之前的卷积层进行融合；针对全连接层的奇异值分解：基于矩阵的奇异值分解算法，在全连接层之前加入中间层，对全连接层的参数进行压缩；模型权重的量化：采用权值共享方法，根据深度学习模型的冗余性，对参数进行量化转换。各步骤既可独立使用，也可相互配合工作。同时提供了一种压缩系统。本发明实现对已训练完成的深度学习模型的压缩和加速，在当前电力公司积极推进泛在电力物联网的环境下，有着广泛的应用前景。
-
公开(公告)号：CN116041909B
公开(公告)日：2025-03-25
申请号：CN202310063041.4
申请日：2023-01-20
Applicant: 上海交通大学
Abstract: 本发明公开了一种具有电场诱导氮化硼纳米片取向的纳米氮化硼/环氧树脂复合材料的制备方法。包括：行星式混合设备分散纳米颗粒、电场诱导纳米颗粒取向和加热固化复合材料。行星式混合设备利用公转加自转原理对纳米颗粒/环氧树脂混合物进行搅拌分散，通过直流电场在固化过程中对混合物内氮化硼纳米片排列方向进行调控，同时在复合材料的固化过程加热来加速固化过程。本发明制备了氮化硼纳米片取向程度较高的纳米氮化硼/环氧树脂复合材料，该复合材料中纳米氮化硼含量较高，颗粒分散均匀，制备工艺易于控制。
-
公开(公告)号：CN119623201A
公开(公告)日：2025-03-14
申请号：CN202411838186.8
申请日：2024-12-13
Applicant: 上海交通大学
IPC: G06F30/23 , G06F30/25 , G06F17/11 , G06F119/12 , G06F113/08
Abstract: 本发明公开了一种用于电力设备局部放电和近场电磁辐射的仿真方法，其包括步骤：对电力设备局部放电的气体放电过程进行仿真，并且基于气体放电中各粒子的模型获取气体放电时间内每一时刻的粒子状态分布；基于所述粒子状态分布获得每一时间步长下的电场分布；基于在气体放电路径上设置的若干个激励源以及所述电场分布，获得各激励源处的电场时序变化；对气体放电引起的近场电磁辐射进行仿真，将各激励源在每一仿真时刻的瞬变电场作为近场电磁辐射仿真的输入，获取近场电磁辐射仿真区域内的电磁场变化。
-
Patent Agency Ranking
公开(公告)号：CN116994606A
公开(公告)日：2023-11-03
申请号：CN202310861740.3
申请日：2023-07-14
Applicant: 中国能源建设集团广西电力设计研究院有限公司 , 上海交通大学
Abstract: 本发明公开了一种电力设备声音诊断方法，电力设备故障诊断的技术领域，包括采集第一信号；对所述第一信号进行预处理，得到第二信号；对所述第二信号进行分解，得到第三信号；基于所述采集时间对所述第三信号进行筛选；对所述第三信号进行判断。采集变压器声音时，每次在变压器上预先标定检测点都相同，将声音传感器安装于所述检测点，并且采用同一型号的声音传感器，消除由于声音传感器型号、架设角度、方位和远近影响会造成采集的变压器声音变化的影响，提高识别准确度，通过对第一信号进行预处理，达到去噪的目的，然后对第二信号分解分解成单个的第三信号，消除多种异响造成声音变化对故障判断的干扰，有利于提高识别准确度。
-
公开(公告)号：CN112885372B
公开(公告)日：2022-08-09
申请号：CN202110053647.0
申请日：2021-01-15
Applicant: 国网山东省电力公司威海供电公司 , 上海交通大学
Inventor： 江丽 , 徐明月 , 马全江 , 赵晓楠 , 肖驰 , 张卫东 , 李喆 , 于文牮 , 刘腾 , 辛昂倍 , 刘震 , 蔡英明 , 刘嘉 , 姚晓林 , 丛龙琦 , 程波涛 , 王嫚嫚 , 张启红
Abstract: 本发明提供了一种基于MFCC和注意力机制的电力设备故障声音智能诊断方法及系统，首先建立电力设备故障音频样本数据库；然后对音频样本进行预处理操作；接着从预处理后得到的每一帧信号提取梅尔倒谱系数作为该帧信号的特征向量；再以相邻多帧信号为一组样本，利用注意力机制优化形成该样本的新特征向量；最后将上述优化后的特征向量输入到音频识别模型进行判决，该音频识别模型能够识别出各种类型的电力设备故障声音。同时提供了一种终端及介质。本发明可以有效解决在梅尔倒谱系数对电力设备声音适应性的问题，并且在对电力设备故障声音识别时，本方法可以取得更好的识别效果。
-
公开(公告)号：CN109145961B
公开(公告)日：2021-10-22
申请号：CN201810852574.X
申请日：2018-07-30
Applicant: 上海交通大学
Abstract: 本发明公开了一种非结构化局部放电数据的模式识别方法，其包括步骤：(1)获取表征若干种局部放电绝缘缺陷类型的原始局部放电图像样本；(2)对原始局部放电图像样本中的原始图像进行预处理，得到各原始图像的二维矩阵，将二维矩阵列向求和得到各原始图像的一维数组，对一维数组进行归一化处理；(3)将归一化处理后的一维数组输入一维卷积神经网络模型中，以对一维卷积神经网络模型进行训练，通过训练以更新一维卷积神经网络模型的参数；(4)将待识别的局部放电图像输入经过训练的一维卷积神经网络模型中，获取的一维卷积神经网络模型的输出即为绝缘缺陷识别结果。此外，本发明还公开了一种非结构化局部放电数据的模式识别系统。
-
公开(公告)号：CN112435686A
公开(公告)日：2021-03-02
申请号：CN202011304659.8
申请日：2020-11-19
Applicant: 中国南方电网有限责任公司超高压输电公司 , 上海交通大学
Abstract: 本发明提供了一种基于数据增强的电力设备故障声音识别方法，包括下列步骤：首先采集常见电力设备故障音频样本并进行标注；然后通过预处理操作对音频样本进行分帧、加窗；接着从预处理后的音频样本中提取梅尔倒谱系数作为特征向量；再利用mix up技术对提取出的特征向量进行数据增强，构造新的特征向量；最后将上述增强后的训练集输入到ResNet网络中进行判决，识别出不同电力设备的故障声音。本发明的一种基于数据增强的电力设备故障声音识别方法可以有效解决在实际电力设备故障声音识别系统中训练数据不足的问题，并且提升模型的泛化能力。在对电力设备故障声音识别时，本方法可以取得更好的识别效果。
-
公开(公告)号：CN111860241A
公开(公告)日：2020-10-30
申请号：CN202010647020.3
申请日：2020-07-07
Applicant: 国网山东省电力公司威海供电公司 , 上海交通大学
Abstract: 本发明属于电力设备故障识别的技术领域，公开了一种基于小波包分析的电力设备放电故障识别方法，采集待识别电力设备的声音样本，对所述声音样本进行预处理，通过小波包分析方法对预处理后的声音样本进行特征向量提取，最后，利用机器学习，对待识别电力设备的放电故障进行识别。通过小波包分析方法对声音样本进行特征向量提取，克服了常用的梅尔特征向量高频分辨率低的特点，有很好的识别性能，再结合机器学习，完成对放电故障的识别，实现利用这种非接触的方式来进行故障的监测与识别。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.037 seconds)
