-
公开(公告)号：CN117972556A
公开(公告)日：2024-05-03
申请号：CN202311813977.0
申请日：2023-12-26
Applicant: 三峡大学 , 国网湖北省电力有限公司宜昌供电公司
IPC: G06F18/2415 , G06F18/243 , G06F18/2431 , G06N20/00
Abstract: 本发明公开了一种基于过采样的变压器故障诊断方法，该方法基于SMOTE均衡油中溶解特征气体数据，灰狼算法优化随机森林分类器超参数实现变压器故障诊断。针对实际运行工况下变压器正常运行样本较少，不利于随机森林分类器提取少数类样本特征的问题，采本发明采用合成少数类过采样算法均衡数据集，增强原始数据中少数类样本的特征信息；考虑到随机森林参数选取对分类结果影响较大，采用灰狼算法优化随机森林的超参数，增强随机森林对非线性故障特征提取能力，提高故障诊断模型诊断精度。
-
公开(公告)号：CN117894389A
公开(公告)日：2024-04-16
申请号：CN202311694739.2
申请日：2023-12-08
Applicant: 三峡大学 , 国网湖北省电力有限公司宜昌供电公司
IPC: G16C20/30 , G16C20/70 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于SSA优化VMD和LSTM的变压器油中溶解气体浓度数据预测方法，包括如下步骤：S1、利用SSA算法优化VMD模型的分解模态个数K和惩罚参数ɑ；S2、用优化后的VMD模型将监测到的变压器油中气体溶解浓度数据分解为多个子序列；S3、利用SSA算法优化LSTM模型隐藏层神经元个数、迭代次数和学习率参数；S4、对各子序列用优化后的LSTM模型进行预测，叠加得到数值预测结果并评价；S5、构建各时刻预测结果集合，计算各集合自适应最优窗宽，根据最优窗宽和高斯核函数拟合KDE的变压器油中气体溶解浓度预测区间。该方法基于麻雀搜索算法优化变分模态分解参数对监测数据进行模态分解，并用SSA对长短时记忆网络模型进行优化，能够提高预测精度。
-
公开(公告)号：CN117408299A
公开(公告)日：2024-01-16
申请号：CN202311158819.6
申请日：2023-09-08
Applicant: 国网湖北省电力有限公司宜昌供电公司 , 三峡大学
IPC: G06N3/0442 , G06N3/045 , G06N3/0985 , G06N3/006 , G01N30/00
Abstract: 本发明提供一种基于深度学习的变压器油中溶解气体浓度预测方法，包括如下步骤：S1、在线监测系统对变压器油中溶解气体浓度进行监测，将各油中溶解气体浓度时间序列送入CEEMDAN分解模型进行模态分解；S2、将分解得到的各子序列输入DBO‑BiLSTM模型进行点预测；S3、将各子序列预测结果进行叠加拟合得到油中溶解气体浓度点预测结果并评价；S4、将拟合的点预测结果与原始序列相比较，得到的点预测误差序列；S5、选择点预测误差序列重复抽样次数，拟合不同置信度下的误差置信区间，结合点预测结果，得到不同置信水平下区间预测结果并评价。该方法在提高点预测精度的同时，考虑点预测模型误差生成不同置信度下的区间预测，提高预测的准确度。
-
公开(公告)号：CN116595445A
公开(公告)日：2023-08-15
申请号：CN202310415308.1
申请日：2023-04-17
Applicant: 三峡大学
IPC: G06F18/2411 , G06F18/243 , G06F18/213 , G01R31/00 , G01R31/12
Abstract: 基于随机森林RF特征优选和改进支持向量机SVM的变压器故障诊断方法，选取多种油中溶解气体，生成多维DGA待选特征集；对所有已获得的DGA待选特征集归一化预处理；对随机森林RF参数进行设置，并训练随机森林RF模型，输出多维DGA待选特征量的平均值基尼指标下降MDG值并排序；结合MDG值，SVM对待选特征量优选；设置BAS参数；通过训练集来对SVM中的惩罚因子及核函数进行寻优改进，建立BAS‑SVM变压器DGA故障诊断模型；引入测试集到建立的BAS‑SVM变压器DGA故障诊断模型中，输出对应的故障类型。本发明方法通过随机森林RF对待选特征量进行优选，去除冗余信息，BAS算法对SVM的惩罚因子和核函数进行寻优，加强SVM的全局搜索能力，提高了对变压器故障诊断的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117349786B
公开(公告)日：2024-08-09
申请号：CN202311166171.7
申请日：2023-09-11
Applicant: 国网湖北省电力有限公司宜昌供电公司 , 三峡大学
IPC: G06F18/25 , G06F18/214 , G06F18/23213 , G06F18/2411 , G06F18/243 , G06N5/01 , G06N20/20 , G01R31/62 , G01R31/00
Abstract: 本发明提供一种基于数据均衡的证据融合变压器故障诊断方法，包括如下步骤：步骤一、收集在线监测的油浸式变压器油中溶解气体含量数据，将带有状态标签的特征气体含量数据集划分训练集和测试集；步骤二、确定原始数据集中的小样本集，通过RO‑BSMOTE均衡规则对小样本数据集扩充；步骤三、分别构建多分类模型，均衡后的数据集及故障标签作为模型训练集；训练完成后，测试集输入分类模型，经PCR5规则的融合模型融合输出，得出诊断结果；步骤四、选择分类任务评价指标，实现对模型性能的综合评价。该方法对DGA数据均衡化处理，增强少数类数据携带的特征关系，考虑单结构分类模型的不足，引入证据融合理论，实现多分类器融合判别，以提高故障诊断精度。
-
公开(公告)号：CN118055221A
公开(公告)日：2024-05-17
申请号：CN202410124131.4
申请日：2024-01-29
Applicant: 国网湖北省电力有限公司宜昌供电公司 , 三峡大学
Inventor： 王雅铭 , 杨秀朝 , 刘庆国 , 李敬东 , 刘文超 , 吴喜春 , 熊威 , 杨世勇 , 刘旭东 , 谭娟 , 付萍 , 林锋 , 闵鹏 , 黄悦华 , 张磊 , 陈庆 , 张子豪
IPC: H04N17/00 , G06T7/73 , G06N3/0464 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/80 , G06N5/048 , G06T7/80 , G05B11/42
Abstract: 本发明公开了一种基于图像识别和模糊PID控制的巡检摄像头预置位自动纠偏技术，通过分析巡检摄像机基本传动原理及预置位纠偏难点，提出结合图像识别与模糊PID控制的自动纠偏技术框架，利用改进的Mask RCNN的目标识别算法，提升变电站设备图像识别模型对于被检目标的定位与分割精度，使摄像头精确对准到预置位以拍摄与模板图片一致的高质量巡检图像；利用最大互相关匹配法进行图像相似性分析，计算图像识别目标框内图片与模板图片的位置偏差，该偏差值作为基于图像分析的反馈控制策略的输入量；设计基于模糊PID的步进电机控制方法，实现对摄像机偏移位置误差的自动校正操作。该方法在变电站复杂巡检场景中检测目标识别准确率高、预置位纠偏效果较好。
-
公开(公告)号：CN117829138A
公开(公告)日：2024-04-05
申请号：CN202311634610.2
申请日：2023-11-29
Applicant: 三峡大学 , 国网湖北省电力有限公司宜昌供电公司
IPC: G06F40/279 , G06F40/30 , G06F16/31 , G06F16/35 , G06N3/0442 , G06N3/045 , G06N3/0499 , G06N7/01 , G06N5/022 , G06Q10/20 , G06Q50/06
Abstract: 本发明公开了一种基于深度学习的电力缺陷实体识别方法，通过提出融合基于全词掩码的预训练模型BERT与注意力机制的电力缺陷文本识别模型，通过BERT‑WWM模型生成上下文信息丰富的词向量表示，之后通过BiLSTM层和Attention层对这些词向量进行处理，最后利用CRF层进行序列标注；本方案解决了现有技术模型对电力专业文本及关键词和上下文理解能力较弱，需要手动构建词典，需要大量专业知识，依赖人工手动添加的问题，可以有效避免因字级别的遮罩而导致的模型学习偏差，提高处理复杂电力专业词汇时模型理解能力，并捕获各电力实体间复杂的依赖关系。
-
公开(公告)号：CN117825599A
公开(公告)日：2024-04-05
申请号：CN202311580630.6
申请日：2023-11-23
Applicant: 三峡大学
IPC: G01N30/86 , G06N3/0442 , G06N3/049 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种基于组合模态分解重构的变压器油色谱特征气体浓度预测方法，包括如下步骤：步骤一、将变压器油色谱特征气体浓度时间序列一次分解为多个子序列；步骤二、计算分解后的子序列的样本熵，选取不满足条件的一次分解分量；步骤三、将选取的分量二次分解；步骤四、计算经二次分解的子序列的样本熵以及一次分解和二次分解子序列与原始序列之间的相关系数；步骤五、重构分量的划分区间，并构造趋势分量、波动分量和噪声分量；步骤六、优化BiLSTM模型参数，通过优化BiLSTM模型对分量分别预测，叠加得到最终预测结果；步骤七、对预测模型结果进行评价。该方法提取原始序列中的趋势分量、波动分量和噪声分量，提高预测速度，降低偏差风险。
-
公开(公告)号：CN117349786A
公开(公告)日：2024-01-05
申请号：CN202311166171.7
申请日：2023-09-11
Applicant: 国网湖北省电力有限公司宜昌供电公司 , 三峡大学
IPC: G06F18/25 , G06F18/214 , G06F18/23213 , G06F18/2411 , G06F18/243 , G06N5/01 , G06N20/20 , G01R31/62 , G01R31/00
Abstract: 本发明提供一种基于数据均衡的证据融合变压器故障诊断方法，包括如下步骤：步骤一、收集在线监测的油浸式变压器油中溶解气体含量数据，将带有状态标签的特征气体含量数据集划分训练集和测试集；步骤二、确定原始数据集中的小样本集，通过RO‑BSMOTE均衡规则对小样本数据集扩充；步骤三、分别构建多分类模型，均衡后的数据集及故障标签作为模型训练集；训练完成后，测试集输入分类模型，经PCR5规则的融合模型融合输出，得出诊断结果；步骤四、选择分类任务评价指标，实现对模型性能的综合评价。该方法对DGA数据均衡化处理，增强少数类数据携带的特征关系，考虑单结构分类模型的不足，引入证据融合理论，实现多分类器融合判别，以提高故障诊断精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
