-
公开(公告)号：CN111579936B
公开(公告)日：2021-12-03
申请号：CN202010616240.X
申请日：2020-06-30
Applicant: 上海交通大学
Abstract: 本发明公开了一种适用于弧光接地故障的定位方法及系统，包括，采集接地故障数据进行标签分类，形成弧光接地故障数据和非弧光接地故障数据；利用尖峰脉冲对所述弧光接地故障数据进行识别判断，得到识别结果；基于LSSVM构建定位模型对所述识别结果进行定位计算，获得初步定位结果；利用贝叶斯概率策略二次验证所述初步定位结果以确定最终的定位结果，完成定位。本发明不仅提高了配网运检精益化程度，还实现快速对故障点的定位，消除了现有故障定位技术受故障信号微弱、现场运行环境复杂、故障检测设备可靠性低、故障原因等因素影响，提高定位准确度，保障配网运行安全稳定性。
-
公开(公告)号：CN111537841B
公开(公告)日：2021-08-06
申请号：CN202010614170.4
申请日：2020-06-30
Applicant: 上海交通大学
Abstract: 本发明公开了一种适用于接地故障类型识别的优化方法及系统，包括，采集配电网接地故障相关数据进行归一化处理，形成样本数据集；利用深度学习策略从所述样本数据集中筛选出影响所述配电网接地故障发生的关键因素作为影响因子；结合多目标优化策略定义接地电阻稳态有效值作为约束参数；基于二进制线性规划策略构建优化模型，输入所述影响因子和所述约束参数进行优化训练；利用训练完成的所述优化模型分析待检测的配网接地故障类型，输出优化后的分析结果。本发明在提高识别准确度的同时降低故障维检成本，且不需利用人工操作，避免了人工误差的发生及外部侵入的安全隐患问题。
-
公开(公告)号：CN109782126A
公开(公告)日：2019-05-21
申请号：CN201811607507.8
申请日：2018-12-27
Applicant: 上海交通大学
IPC: G01R31/08
Abstract: 本发明公开了一种基于类人概念学习的配电网早期故障检测方法。利用小波变换分解波形为近似部分和细节部分，其中近似部分称为大致形状基元，细节部分称为畸变基元；根据极值点将畸变基元拆分为谐波、脉冲以及其他畸变三个基元；提取基元的特征以及基元间的时间关系；根据基元的特征以及基元间的时间关系，构造波形的概率分布；根据不同种类波形的概率分布，得到波形的判断结果。本发明将电压、电流波形作为视觉概念的一种，被分解为大致形状和各种畸变，通过计算各个成分的概率分布，可以获得波形整体的概率分布，从而判断波形种类。该方法在需求数据量和准确性上大大优于传统检测。对配电网早期故障的检测处理具有重要意义。
-
公开(公告)号：CN111579936A
公开(公告)日：2020-08-25
申请号：CN202010616240.X
申请日：2020-06-30
Applicant: 上海交通大学
Abstract: 本发明公开了一种适用于弧光接地故障的定位方法及系统，包括，采集接地故障数据进行标签分类，形成弧光接地故障数据和非弧光接地故障数据；利用尖峰脉冲对所述弧光接地故障数据进行识别判断，得到识别结果；基于LSSVM构建定位模型对所述识别结果进行定位计算，获得初步定位结果；利用贝叶斯概率策略二次验证所述初步定位结果以确定最终的定位结果，完成定位。本发明不仅提高了配网运检精益化程度，还实现快速对故障点的定位，消除了现有故障定位技术受故障信号微弱、现场运行环境复杂、故障检测设备可靠性低、故障原因等因素影响，提高定位准确度，保障配网运行安全稳定性。
-
公开(公告)号：CN111537841A
公开(公告)日：2020-08-14
申请号：CN202010614170.4
申请日：2020-06-30
Applicant: 上海交通大学
Abstract: 本发明公开了一种适用于接地故障类型识别的优化方法及系统，包括，采集配电网接地故障相关数据进行归一化处理，形成样本数据集；利用深度学习策略从所述样本数据集中筛选出影响所述配电网接地故障发生的关键因素作为影响因子；结合多目标优化策略定义接地电阻稳态有效值作为约束参数；基于二进制线性规划策略构建优化模型，输入所述影响因子和所述约束参数进行优化训练；利用训练完成的所述优化模型分析待检测的配网接地故障类型，输出优化后的分析结果。本发明在提高识别准确度的同时降低故障维检成本，且不需利用人工操作，避免了人工误差的发生及外部侵入的安全隐患问题。
-
Patent Agency Ranking
公开(公告)号：CN111209864B
公开(公告)日：2023-05-26
申请号：CN202010012244.7
申请日：2020-01-07
Applicant: 上海交通大学
IPC: G06V20/52 , G06V10/774 , G06V10/82 , G06V10/84
Abstract: 本发明属于图像识别的技术领域，公开了一种电力设备目标识别方法，包括建立包含多张电力设备图像的数据集，并对每张电力设备图像包含的电力设备进行标注，以此为输入，对神经网络和贝叶斯网络进行训练学习；利用训练好的神经网络对待识别的电力设备图像进行识别，输出多个识别结果；利用训练好的贝叶斯网络对神经网络的识别结果进行筛选，筛选出对应待识别的电力设备图像最准确的识别结果。整个过程的结构简单，计算快捷，准确率高。
-
公开(公告)号：CN115151952A
公开(公告)日：2022-10-04
申请号：CN202080097153.6
申请日：2020-06-08
Applicant: 上海交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/80
Abstract: 本发明公开了一种变电设备高精度识别方法及系统，包括，基于卷积神经网络构建Mask RCNN目标识别网络模型；将采集到的图片信息输入至所述Mask RCNN目标识别网络模型中进行初步识别，输出目标识别结果；利用信息熵建立语义决策树并根据物体间相关联系原则对所述目标识别结果进行修正，输出最终的识别决策结果；读取所述识别决策结果，得到待识别目标的真实类别。本发明通过Mask RCNN目标识别网络模型进行初步识别，结合语义决策树进行二次判断修正识别，在增加判别标准的基础上利用变电设备间的相关关系融合图像特征，得到真实类别，大幅度的提升变电设备图像识别准确度，对研究发展巡检机器人自动检测设备具有积极推动作用。
-
公开(公告)号：CN109782126B
公开(公告)日：2021-01-01
申请号：CN201811607507.8
申请日：2018-12-27
Applicant: 上海交通大学
IPC: G01R31/08
Abstract: 本发明公开了一种基于类人概念学习的配电网早期故障检测方法。利用小波变换分解波形为近似部分和细节部分，其中近似部分称为大致形状基元，细节部分称为畸变基元；根据极值点将畸变基元拆分为谐波、脉冲以及其他畸变三个基元；提取基元的特征以及基元间的时间关系；根据基元的特征以及基元间的时间关系，构造波形的概率分布；根据不同种类波形的概率分布，得到波形的判断结果。本发明将电压、电流波形作为视觉概念的一种，被分解为大致形状和各种畸变，通过计算各个成分的概率分布，可以获得波形整体的概率分布，从而判断波形种类。该方法在需求数据量和准确性上大大优于传统检测。对配电网早期故障的检测处理具有重要意义。
-
公开(公告)号：CN112102296A
公开(公告)日：2020-12-18
申请号：CN202010978271.X
申请日：2020-09-17
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于人类概念学的电力设备目标识别方法，包括，建立电力设备图像数据集，并对所述电力设备图像中的电力设备进行标注；通过利用标注后的数据集训练神经网络和贝叶斯网络，分别获得识别结果和条件概率；利用所述条件概率计算联合概率；筛选最高联合概率所对应的识别结果作为所述电力设备的识别结果，完成所述电力设备的识别。本发明通过结合Mask R‑CNN和概率图模型，底层使用Mask R‑CNN，顶层使用贝叶斯网络对电力设备图像进行识别训练，使得通过少量的数据样本也能达到很好的识别效果，且成功地提升了Mask R‑CNN模型的性能。
-
公开(公告)号：CN111209864A
公开(公告)日：2020-05-29
申请号：CN202010012244.7
申请日：2020-01-07
Applicant: 上海交通大学
Abstract: 本发明属于图像识别的技术领域，公开了一种电力设备目标识别方法，包括建立包含多张电力设备图像的数据集，并对每张电力设备图像包含的电力设备进行标注，以此为输入，对神经网络和贝叶斯网络进行训练学习；利用训练好的神经网络对待识别的电力设备图像进行识别，输出多个识别结果；利用训练好的贝叶斯网络对神经网络的识别结果进行筛选，筛选出对应待识别的电力设备图像最准确的识别结果。整个过程的结构简单，计算快捷，准确率高。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
