-
公开(公告)号：CN112039073A
公开(公告)日：2020-12-04
申请号：CN202010985773.5
申请日：2020-09-18
Applicant: 上海交通大学烟台信息技术研究院
IPC: H02J3/00
Abstract: 本发明公开了一种适用于配电房设备故障判断的协同优化方法及系统，包括，利用协同边缘策略对配电室感知终端分别进行多局部放电源及设备异常声音的辨识和定位；结合辨识定位结果初步判断配电室设备故障位置；基于多目标优化策略构建优化模型，依次设定协同优化目标、协同优化变量及协同优化约束条件；利用所述优化模型计算初步判断结果的可行解，获得多组满足所述约束条件的所述可行解并加以比较；选择最优的一组所述可行解作为判断优化结果的最佳解，完成优化。本发明基于融合分析结果与辨识定位结果的整合判断，添加了多目标优化策略的择优对比计算，大幅度提高设备故障判断的准确性，提升了故障设备处理效率，降低维护成本。
-
Patent Agency Ranking
公开(公告)号：CN110334865B
公开(公告)日：2023-04-18
申请号：CN201910602682.6
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC: G06Q10/04 , G06Q10/0635 , G06Q10/20 , G06Q50/06 , G06F18/243 , G06F18/2415 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法，其包括训练步骤和预测步骤，其中，训练步骤包括：(1)收集电力设备的案例PRPS图谱；(2)对收集的案例PRPS图谱数据进行预处理；(3)构建第一卷积神经网络模块，并对第一卷积神经网络模块进行训练，以使其输出为案例PRPS图谱数据对应的缺陷类型；(4)基于缺陷类型构建各个缺陷类型的数据集；(5)对应各个缺陷类型分别构建各自的故障二分类子模块，其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建；训练第二卷积神经网络，以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值，而输出电力设备是否发生故障的判断。
-
公开(公告)号：CN110334948A
公开(公告)日：2019-10-15
申请号：CN201910602681.1
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
公开(公告)号：CN110334865A
公开(公告)日：2019-10-15
申请号：CN201910602682.6
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法，其包括训练步骤和预测步骤，其中，训练步骤包括：(1)收集电力设备的案例PRPS图谱；(2)对收集的案例PRPS图谱数据进行预处理；(3)构建第一卷积神经网络模块，并对第一卷积神经网络模块进行训练，以使其输出为案例PRPS图谱数据对应的缺陷类型；(4)基于缺陷类型构建各个缺陷类型的数据集；(5)对应各个缺陷类型分别构建各自的故障二分类子模块，其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建；训练第二卷积神经网络，以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值，而输出电力设备是否发生故障的判断。
-
公开(公告)号：CN112039073B
公开(公告)日：2024-04-19
申请号：CN202010985773.5
申请日：2020-09-18
Applicant: 上海交通大学烟台信息技术研究院
IPC: H02J3/00
Abstract: 本发明公开了一种适用于配电房设备故障判断的协同优化方法及系统，包括，利用协同边缘策略对配电室感知终端分别进行多局部放电源及设备异常声音的辨识和定位；结合辨识定位结果初步判断配电室设备故障位置；基于多目标优化策略构建优化模型，依次设定协同优化目标、协同优化变量及协同优化约束条件；利用所述优化模型计算初步判断结果的可行解，获得多组满足所述约束条件的所述可行解并加以比较；选择最优的一组所述可行解作为判断优化结果的最佳解，完成优化。本发明基于融合分析结果与辨识定位结果的整合判断，添加了多目标优化策略的择优对比计算，大幅度提高设备故障判断的准确性，提升了故障设备处理效率，降低维护成本。
-
公开(公告)号：CN110334948B
公开(公告)日：2023-04-07
申请号：CN201910602681.1
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC: G06Q10/0635 , G06Q10/0639 , G06Q50/06 , G06F18/214 , G01R31/12
Abstract: 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
