一种基于GA-SVM-BP变压器故障诊断方法

    公开(公告)号:CN107656152B

    公开(公告)日:2019-11-26

    申请号:CN201710791918.6

    申请日:2017-09-05

    Abstract: 本发明公开了一种基于GA‑SVM‑BP变压器故障诊断方法,对所采集的油浸式变压器带有类标签的样本集S={(x1,y1),(x2,y2),...(xn,yn)}每一类按3:1比例分为训练样本和测试样本;xi代表样本属性,包含氢气、甲烷、乙烷、乙烯、乙炔五种属性,yi代表类别标签1、2、3、4、5、6,分别对应正常状态、中温过热、高温过热、局部放电、火花放电、电弧放电;先建立DAG‑SVM变压器故障诊断模型、BP神经网络,再建立GA‑DAG‑SVM模型与GA‑BP神经网络;将GA‑DAG‑SVM模型与GA‑BP神经网络进行结合,对变压器进行故障诊断。本发明方法能对变压器故障进行准确诊断。

    基于MA-DBN的GIS分解气体含量预测方法

    公开(公告)号:CN110309586A

    公开(公告)日:2019-10-08

    申请号:CN201910575744.9

    申请日:2019-06-28

    Abstract: 本发明公开的基于MA-DBN的GIS分解气体含量预测方法,首先,采集国网对GIS设备监测到的一段时间内的SO2、SO2F2、SO2F2/SO2、气温、湿度以及海拔数据;然后,构建MA模型,将采集的气体数据作为该模型的输入,预测出未来时间段的气体数据;最后,构建DBN模型,将预测出的气体数据作为DBN模型的输入,通过DBN模型的修正后得到准确预测的未来时间段的气体数据。本发明公开的方法MA算法模型预测不精准的问题,具有收敛速度快且不易陷入局部最优的优点,通过本发明的方法能够在GIS开关设备发生故障之前,得以提前消除,减少了GIS设备故障带来的经济损失。

    基于改进遗传算法的变压器样本选择方法

    公开(公告)号:CN107679615A

    公开(公告)日:2018-02-09

    申请号:CN201710791842.7

    申请日:2017-09-05

    CPC classification number: G06N3/006 G01R31/00

    Abstract: 本发明公开了基于改进遗传算法的变压器样本选择方法,具体按照以下步骤实施:步骤1、对训练样本进行二进制编码,并进行种群初始化,设置最大迭代数T,种群规模为N;步骤2、经步骤1后,将种群分为个体为n的子种群,称为探测块,在进化过程中产生一个包含较好个体的种群,称为开发块,将开发块与探测块结合对变压器样本进行选择;步骤3、待步骤2完成后,利用文化算法对多种群遗传算法进行改进提升,在相应的进化操作之下得到最终适应度最大的个体,完成基于改进遗传算法的变压器样本选择。本发明基于改进遗传算法的变压器样本选择方法,利用多种群遗传算法对变压器进行训练样本选优,并利用文化算法对其进行改进,能获得最佳样本。

    一种基于GA-SVM-BP变压器故障诊断方法

    公开(公告)号:CN107656152A

    公开(公告)日:2018-02-02

    申请号:CN201710791918.6

    申请日:2017-09-05

    Abstract: 本发明公开了一种基于GA-SVM-BP变压器故障诊断方法,对所采集的油浸式变压器带有类标签的样本集S={(x1,y1),(x2,y2),…(xn,yn)}每一类按3:1比例分为训练样本和测试样本;xi代表样本属性,包含氢气、甲烷、乙烷、乙烯、乙炔五种属性,yi代表类别标签1、2、3、4、5、6,分别对应正常状态、中温过热、高温过热、局部放电、火花放电、电弧放电;先建立DAG-SVM变压器故障诊断模型、BP神经网络,再建立GA-DAG-SVM模型与GA-BP神经网络;将GA-DAG-SVM模型与GA-BP神经网络进行结合,对变压器进行故障诊断。本发明方法能对变压器故障进行准确诊断。

    基于RST-CNN的高压断路器故障诊断方法

    公开(公告)号:CN107450016A

    公开(公告)日:2017-12-08

    申请号:CN201710606880.0

    申请日:2017-07-24

    CPC classification number: G01R31/3275

    Abstract: 本发明公开的基于RST-CNN的高压断路器故障诊断方法:将高压断路器的断路器分合闸线圈与分合闸线圈电流在线监测系统连接,用分合闸线圈电流在线监测系统实时监测,得到分合闸线圈电流波形;对分合闸线圈电流波形进行特征采集,得到故障特征信息表,用故障特征数据建立条件属性表、决策属性表,据条件属性表和决策属性表构建故障诊断决策表;用粗糙集理论对各个属性进行评价并寻找最小属性集,消除特征信息中的冗余属性,对其条件属性约简特征信息并从中提取决策规则,构建约简决策表;将约简决策表中的约简特征信息作为卷积神经网络的输入,经过训练学习后输出故障类型。本发明的高压断路器故障诊断方法,能准确判断断路器的故障类型。

    低频正弦相位扰动的孤岛检测方法

    公开(公告)号:CN104155537A

    公开(公告)日:2014-11-19

    申请号:CN201410317215.6

    申请日:2014-07-04

    Abstract: 本发明公开的低频正弦相位扰动的孤岛检测方法,具体按照以下步骤实施:步骤1、确定并网逆变器输出电流指令;步骤2、结合步骤1获取的并网逆变器输出电流指令,再根据本地负载的品质因数Q的取值,确定孤岛检测的判断规则;步骤3、实时计算光伏并网系统和电网的公共连接点处的电压频率f;步骤4、根据步骤3得到的频率f,并结合经步骤2得到的孤岛检测的判断规则,进行孤岛效应判定。本发明的低频正弦相位扰动的孤岛检测方法,具有无检测盲区及并网电流畸变小的特点。

    三相光伏并网逆变器的正弦低频相位扰动的孤岛检测方法

    公开(公告)号:CN104635077B

    公开(公告)日:2017-07-14

    申请号:CN201510012746.9

    申请日:2015-01-09

    Abstract: 本发明公开了三相光伏并网逆变器的正弦低频相位扰动的孤岛检测方法,给带相位扰动的逆变器输出电流矢量I和电网电压矢量E之间施加一个以正弦规律变化的低频相位扰动Δθ来检测孤岛现象,当正常并网时,检测到的公共连接点电压为电网电压;当电网断开以后,公共连接点的电压由逆变器输出电流和本地负载共同决定,电压频率会随着逆变器输出电流频率变化而变化,从而超出频率所规定的范围,检测出孤岛现象。本发明三相光伏并网逆变器的正弦低频相位扰动的孤岛检测方法,无需增加硬件,与传统的主动式检测方法相比具有无检测盲区的优点,因为施加的扰动是周期性变化的,与传统的固定扰动频率检测法相比具有并网电流畸变小的优点。

    三相光伏并网逆变器的正弦低频相位扰动的孤岛检测方法

    公开(公告)号:CN104635077A

    公开(公告)日:2015-05-20

    申请号:CN201510012746.9

    申请日:2015-01-09

    Abstract: 本发明公开了三相光伏并网逆变器的正弦低频相位扰动的孤岛检测方法,给带相位扰动的逆变器输出电流矢量I和电网电压矢量E之间施加一个以正弦规律变化的低频相位扰动Δθ来检测孤岛现象,当正常并网时,检测到的公共连接点电压为电网电压;当电网断开以后,公共连接点的电压由逆变器输出电流和本地负载共同决定,电压频率会随着逆变器输出电流频率变化而变化,从而超出频率所规定的范围,检测出孤岛现象。本发明三相光伏并网逆变器的正弦低频相位扰动的孤岛检测方法,无需增加硬件,与传统的主动式检测方法相比具有无检测盲区的优点,因为施加的扰动是周期性变化的,与传统的固定扰动频率检测法相比具有并网电流畸变小的优点。

    一种带有清洗机构的土壤取样器

    公开(公告)号:CN211148111U

    公开(公告)日:2020-07-31

    申请号:CN201922238796.5

    申请日:2019-12-13

    Inventor: 张平 王宁 刘奇

    Abstract: 本实用新型涉及土壤采样技术领域,且公开了一种带有清洗机构的土壤取样器,包括筒体,所述筒体的外部固定安装有数量为三个的支撑臂,所述支撑臂的顶部插装有贯穿支撑臂的支撑杆,所述支撑杆的顶部固定安装有环形握把,所述支撑杆的底部活动安装有垫脚,所述筒体的内壁开设有数量为四个的限位槽,所述筒体的内部活动安装有延伸至四个限位槽内部的活动板,所述筒体的内部活动安装有延伸至四个限位槽的内部且位于活动板下方的连接板。该带有清洗机构的土壤取样器,无需使用者进行手持操作,避免了拿持不稳产生的安全隐患,提高作业安全性,且可适用于不规则地面,方便使用者使用与清理。

Patent Agency Ranking