-
公开(公告)号：CN116165480A
公开(公告)日：2023-05-26
申请号：CN202211624584.0
申请日：2022-12-16
Applicant: 上海交通大学
IPC: G01R31/08
Abstract: 本发明涉及电力技术领域，尤其涉及一种配网二次设备的故障研判方法。包括：步骤1、获取低压配网中的实时监测数据；步骤2、将所述实时监测数据与对应的实时监测阈值相对比；步骤3、当所述实时监测数据高于所述实时监测阈值时，采集所述低压配网中的录波数据；步骤4、利用所述录波数据构建多维时间数据矩阵；步骤5、基于随机矩阵的特征值排序加权的度量，利用所述多维时间数据矩阵计算统计量；步骤6、根据所述统计量确定所述低压配网的运行状态。本发明实施例通过预判断和二次判定，兼顾了故障检测的敏感性和可靠性，提高了现场数据采集和故障研判的准确性。
-
公开(公告)号：CN115713675A
公开(公告)日：2023-02-24
申请号：CN202211446962.0
申请日：2022-11-18
Applicant: 国网冀北张家口风光储输新能源有限公司 , 国家电网有限公司 , 上海交通大学 , 国网冀北电力有限公司电力科学研究院
IPC: G06V10/774 , G06F30/27 , G06N3/0464 , G06N3/08 , G06V10/82 , G06F119/02
Abstract: 本发明公开了种基于图像识别的光伏板健康状况评估方法，包括：S1、光伏板图像数据分析，基于工程实践划分样本；S2、利用深度学习模型，搭建卷积神经网络；S3、对样本进行处理，输入神经网络进行学习，判断健康状态。本发明利用无人机采集的光伏板图像进行健康状态的学习和判别，不依赖于人工，经济性较高。本发明基于神经网络深度学习特性，泛化性较强、鲁棒性高、安全可靠。本发明对于接入大量光伏板的分布式电网的高效运维与稳定运行具有非常重要的实践价值。
-
公开(公告)号：CN118091003A
公开(公告)日：2024-05-28
申请号：CN202410030269.8
申请日：2024-01-09
Applicant: 上海交通大学
Abstract: 本发明涉及变压器技术领域，尤其涉及一种基于随机矩阵的变压器油色谱异常辨识方法，包括如下步骤：S1、对变压器油色谱样本数据进行约简；S2、基于生成模型仿真油色谱数据负样本；S3、利用随机矩阵大数据分析工具，构建油色谱异常辨识方法。本发明采用粗糙集约简油色谱数据维度，相比于直接将所有油色谱数据作为输入数据，经过约简的数据数量更少、维度更低；采用WGAN‑GP生成油色谱负样本数据，可以平衡正负样本数量，提高对变压器油色谱异常样本的检测效果；利用随机矩阵理论获取油色谱数据的高维特征，相比于传统特征提取方式，随机矩阵能够保留高维数据的时空相关性，从而保留数据的大部分有效信息，提升异常辨识的准确度。
-
公开(公告)号：CN115828732A
公开(公告)日：2023-03-21
申请号：CN202211369803.5
申请日：2022-11-03
Applicant: 国网冀北张家口风光储输新能源有限公司 , 国家电网有限公司 , 上海交通大学 , 国网冀北电力有限公司电力科学研究院
IPC: G06F30/27 , G06F18/2113 , G06F119/02
Abstract: 本发明公开了一种基于数据驱动的风机故障识别方法，包括：S1、利用高维统计矩阵模型对风机数据建模；S2、分析风机数据，进行特征降维；S3、将风机数据进行可视化处理，通过机器学习模型，判断风机运行状态。本发明利用采集的风机相关数据进行状态的学习和判别方法，不依赖于物理机理模型；通过分析风机历史数据，利用机器学习模型在训练集寻找特征参量与状态标签之间的内在联系；基于大数据的高维统计特性，适用范围广泛、稳健度高和安全性可靠。
-
-
-
Search Results
4
records
(took 0.014 seconds)
