一种基于深度学习的光伏系统故障分类方法与预警系统

    公开(公告)号:CN119337095A

    公开(公告)日:2025-01-21

    申请号:CN202411410683.8

    申请日:2024-10-10

    Inventor: 林江

    Abstract: 本发明属于光伏系统故障诊断与预测技术领域,具体涉及一种基于深度学习的光伏系统故障分类方法与预警系统。该方法包括以下步骤:首先,通过光伏系统仿真模型建立电池参数数据集,分析不同故障类型下的光伏特性曲线变化;其次,构建基于Transformer的故障预测模型,结合注意力机制对提取的变化参数进行关联分析,并通过线性化嵌入和位置编码捕捉复杂关系;然后,采用U‑Net解码器、ReLU激活函数和Adam优化器进行参数优化和学习率控制;最后,引入SoftMax函数对故障严重程度进行分类,从而提高故障预测的准确性和事前干预能力。该方法在复杂场景下具有较高的故障识别精度和稳定性。

    一种变电站智能鸟害防治装置
    13.
    发明公开

    公开(公告)号:CN116171973A

    公开(公告)日:2023-05-30

    申请号:CN202211669482.0

    申请日:2022-12-24

    Inventor: 林江 李阳

    Abstract: 本发明涉及电力技术领域,尤其涉及一种变电站智能鸟害防治装置,包括放置框、感应板、蜂鸣器和固定机构,固定机构包括底座、框体、支架、椭圆板、两个滑动件、两根第一弹簧和多个抵持件,底座设置有多个限位槽,框体与底座适配,框体设置有两个滑槽,两个滑动件分别与对应的滑槽滑动连接,椭圆板与框体转动连接,且椭圆板均与两个滑动件接触,抵持件的一端与对应的滑动件固定连接,抵持件的另一端贯穿框体,并插入至对应的限位槽内,支架与框体固定连接,感应板设置在支架上,蜂鸣器设置在支架上,以此方式能够更方便的对变电站智能鸟害防治装置进行检修和安装,降低了工作人员的劳动强度。

    一种变电设备重症监测方法
    14.
    发明公开

    公开(公告)号:CN116008700A

    公开(公告)日:2023-04-25

    申请号:CN202211682001.X

    申请日:2022-12-27

    Inventor: 林江 李阳

    Abstract: 本发明提供了一种变电设备重症监测方法,获取变电设备的运行监测信息;将实时获取的变电设备的运行监测信息与变电设备的运行基准信息进行对比分析;在对比差异超出一定阈值时,调取该差异数据信息对应关联的变电设备的故障案例;将该变电设备的故障案例对应的故障信息作为变电设备的故障信息。本发明通过将变电设备的运行监测信息与变电设备的运行基准信息进行对比分析,变电设备的运行基准信息为变电设备在对应的电力输入参数下变电设备实际应该达到的运行信息,在对比出的差异超出预设范围后自动调取该差异数据对应关联的变电设备故障案例,即可自动快速的查找和发现变电设备的运行异常及故障部位,从而避免了对专家人工的过度依赖。

    继电保护定值单生成方法和装置

    公开(公告)号:CN107392449B

    公开(公告)日:2021-09-21

    申请号:CN201710541164.9

    申请日:2017-07-05

    Abstract: 本发明提供了一种继电保护定值单生成方法和装置,属于电力系统的检测管理技术领域。本发明实施例提供的继电保护定值单生成方法和装置,能够实现继电保护定制单的智能成单,避免因人工靠记忆填单造成的错误,为运行方式人员进行日常方式安排提供有益辅助,提示相关设备的保护定值变更情况,并自动提示本保护对下级线路是否有保护范围、能否投重合闸或备自投等相关信息,极大提高工作效率,防范因疏忽而导致的隐患和风险,同时为调度及变电运维人员在进行事故处理时提供有效的技术支撑。项目的实施可使调度员提高智能调度水平,最终实现提高电网运行的安全性和可靠性的目标。

    一种互感设备风险评估方法
    17.
    发明公开

    公开(公告)号:CN119989071A

    公开(公告)日:2025-05-13

    申请号:CN202411791587.2

    申请日:2024-12-06

    Inventor: 林江

    Abstract: 本发明涉及互感设备监测和诊断技术领域,公开了一种互感设备风险评估方法,旨在提高互感设备风险评估的准确性,该方法包括以下步骤:首先,应用变分模态分解技术对互感设备的励磁涌流信号进行模态分解,从中提取各个子模态信号及其相应的特征频率;其次,运用复杂信息熵来量化模态信号的复杂度特征;接着,将获得的模态分量及其复杂信息熵特征进行模式编码,并融入基于特征频率和波形特征的空间编码;随后,利用变换器网络中的多头自注意力机制来学习模态分量间的相互作用,从而提取信号的整体特征;最后,通过多层感知器和软最大值分类器对提取的特征进行故障风险类型分类,实现互感设备故障风险的快速诊断。

Patent Agency Ranking