-
公开(公告)号：CN111260616A
公开(公告)日：2020-06-09
申请号：CN202010032660.3
申请日：2020-01-13
Applicant: 三峡大学
Abstract: 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法，包括：对架空线路上的绝缘子进行拍摄，将拍摄的绝缘子图片输入到计算机中。采用计算机图像处理技术对拍摄的绝缘子图像进行预处理，预处理包括将所拍摄的绝缘子图像进行弱化背景、灰度化、对比度增强、滤波等操作，使目标绝缘子在图像中更加突出，降低噪声对图像的影响，从而优化图像质量。最后采用Canny算子二维阈值分割对绝缘子进行边缘优化，降低噪声的影响，使提取的绝缘子边缘细节特征更加清晰。对绝缘子是否有裂纹进行识别。本发明可以广泛应用于电网架空线路巡检当中，辅助架空线路野外巡检和维护作业，降低巡检人员的劳动强度，减少电网操作中的危险操作、避免经济损失。
-
公开(公告)号：CN111751671A
公开(公告)日：2020-10-09
申请号：CN202010605765.3
申请日：2020-06-29
Applicant: 三峡大学
Abstract: 基于VMD-DTW聚类的小电流接地系统故障选线方法，包括以不同线路的零序电流为样本，采用VMD分解法提取和增强零序电流原始信号，将零序电流原始信号分解成高中低三个频段的模态分量；然后使用DTW法计算不同线路模态分量的相似性，实现不同线路零序电流相似性测度；根据相似性测度结果更新HAC聚类簇中心，以实现零序电流特征的聚类；根据聚类结果区分故障线路和健康线路，最终实现对小电流接地系统的故障选线目的。本发明方法可以避免由电网调度监控人员使用拉路法区分故障线路而产生的一系列问题，辅助监控人员及时发现故障线路，保证配电网的安全稳定运行。
-
公开(公告)号：CN111736084A
公开(公告)日：2020-10-02
申请号：CN202010605779.5
申请日：2020-06-29
Applicant: 三峡大学
IPC: G01R31/392 , G01R31/379 , G01R31/367 , G06N3/04 , G06N3/08
Abstract: 基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法，通过在线监测装置每日测量得到蓄电池的浮充电压、均充电流、均充时长、放电截止电压、放电时长输入数据，蓄电池容量通过每两个月一次的核对性均衡充电测得。以n天为时间跨度，建立n维的样本输入x(ti)。以蓄电池容量数据序列h(ti)作为输出，x(ti)作为输入，建立一个包含多个LSTM神经网络单元的神经网络模型。初始状态下，通过随机生成0到1之间的小数，为网络中的权重矩阵W和偏置矩阵b进行赋值。引入Dropout算法改进LSTM神经网络模型，对其训练过程进行改进。本发明可以减少因数据样本不足导致的预测精度过低和欠拟合问题，对变电站蓄电池健康状态进行准确预测，提高蓄电池利用率。
-
公开(公告)号：CN111736084B
公开(公告)日：2022-05-20
申请号：CN202010605779.5
申请日：2020-06-29
Applicant: 三峡大学
IPC: G01R31/392 , G01R31/379 , G01R31/367 , G06N3/04 , G06N3/08
Abstract: 基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法，通过在线监测装置每日测量得到蓄电池的浮充电压、均充电流、均充时长、放电截止电压、放电时长输入数据，蓄电池容量通过每两个月一次的核对性均衡充电测得。以n天为时间跨度，建立n维的样本输入x(ti)。以蓄电池容量数据序列h(ti)作为输出，x(ti)作为输入，建立一个包含多个LSTM神经网络单元的神经网络模型。初始状态下，通过随机生成0到1之间的小数，为网络中的权重矩阵W和偏置矩阵b进行赋值。引入Dropout算法改进LSTM神经网络模型，对其训练过程进行改进。本发明可以减少因数据样本不足导致的预测精度过低和欠拟合问题，对变电站蓄电池健康状态进行准确预测，提高蓄电池利用率。
-
-
-
Search Results
4
records
(took 0.012 seconds)
