基于改进卷积神经网络的电力变压器在线检测系统及方法

    公开(公告)号:CN109612708A

    公开(公告)日:2019-04-12

    申请号:CN201811618261.4

    申请日:2018-12-28

    Applicant: 东北大学

    Abstract: 本发明提出基于改进卷积神经网络的电力变压器在线检测系统及方法,其中,在线检测系统具体包括:传感器组、信号放大装置、信号采集与存储装置、故障定位装置;基于改进卷积神经网络的电力变压器在线检测系统的方法,包括离线训练部分和在线检测部分;本发明根据变压器自身结构特点与振动原理,确定振动传感器布点,实时获取变压器振动信号;将原始信号进行数据处理转换为易于卷积神经网络识别的二维灰度图作为卷积神经网络输入;根据变压器实时振动数据噪声干扰较大的特点,改进传统卷积神经网络结构、改进卷积核尺寸,建立应用于电力变压器故障定位的改进卷积神经网络架构,并验证了该方法的合理性与优越性。

    基于多特征融合的电力负荷辨识方法及系统

    公开(公告)号:CN106936129B

    公开(公告)日:2020-04-24

    申请号:CN201710177080.1

    申请日:2017-03-23

    Applicant: 东北大学

    Abstract: 本发明提供一种基于多特征融合的电力负荷辨识方法及系统,方法包括:在用户的用电入口处对有功功率进行监测;将所述的有功功率利用整数规划求解,确定该时刻可能存在的负荷;将所述的有功功率通过滑动窗口算法获得功率序列;根据所述的功率序列提取其统计特征和奇异值特征;根据所述的统计特征和奇异值特征通过欧式距离求解与可能存在负荷各个特征的相似度;将所述的统计特征和奇异值特征的相似度利用线性加权和法将多相似度转化为综合相似度;将所述的综合相似度最大值与设定的阈值进行比较确定该时刻运行的负荷。采用整数规划降低计算维度,通过多特征融合可准确辨识出用户用电入口处的负荷,对于负荷功率的波动具有鲁棒性。

    基于多特征融合的电力负荷辨识方法及系统

    公开(公告)号:CN106936129A

    公开(公告)日:2017-07-07

    申请号:CN201710177080.1

    申请日:2017-03-23

    Applicant: 东北大学

    Abstract: 本发明提供一种基于多特征融合的电力负荷辨识方法及系统,方法包括:在用户的用电入口处对有功功率进行监测;将所述的有功功率利用整数规划求解,确定该时刻可能存在的负荷;将所述的有功功率通过滑动窗口算法获得功率序列;根据所述的功率序列提取其统计特征和奇异值特征;根据所述的统计特征和奇异值特征通过欧式距离求解与可能存在负荷各个特征的相似度;将所述的统计特征和奇异值特征的相似度利用线性加权和法将多相似度转化为综合相似度;将所述的综合相似度最大值与设定的阈值进行比较确定该时刻运行的负荷。采用整数规划降低计算维度,通过多特征融合可准确辨识出用户用电入口处的负荷,对于负荷功率的波动具有鲁棒性。

Patent Agency Ranking