-
公开(公告)号：CN211206562U
公开(公告)日：2020-08-07
申请号：CN201921041657.7
申请日：2019-07-05
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G01R1/04
Abstract: 本实用新型公开了一种用于特高频局部放电传感器检测的辅助装置，其包括：夹具组件，夹具组件包括：固定底座，其用于放置特高频局部放电传感器，固定底座上设有用以容置特高频局部放电传感器输出接头的孔洞；夹块组件，其与丝杆的一端端部连接；丝杆还与固定底座螺纹连接，丝杆的端部设有手柄，转动手柄以调节固定底座与夹块组件之间的间距；夹块组件包括至少一个夹块，夹块包括拼接在一起的第一L型夹块和第二L型夹块，第一L型夹块和第二L型夹块之间形成有丝杆孔，与该夹块连接的丝杆通过该丝杆孔实现与夹块的连接；夹块与固定底座之间还连接有与丝杆平行的导向销；连接件，其与固定底座连接；手柄，其与连接件连接。
-
公开(公告)号：CN211043557U
公开(公告)日：2020-07-17
申请号：CN201921041778.1
申请日：2019-07-05
Applicant: 上海交通大学烟台信息技术研究院 , 上海交通大学
IPC: G01R31/12
Abstract: 本实用新型公开了一种用于特高频局部放电传感器的信号耦合天线，其包括：圆锥形的绝缘载体，其采用绝缘材料制成；圆锥形的绝缘载体的外表面上螺旋缠绕有金属线，位于圆锥形的绝缘载体尖端的金属线的端部用于与外设的接头连接。此外，本实用新型还公开了一种新型的特高频局部放电传感器，其包括：一端开敞的金属壳体；上述的信号耦合天线，其设于金属壳体内；接头，其设于金属壳体上，接头与信号耦合天线的金属线连接。所述的信号耦合天线灵敏度高，特高频信号接收能力强，抗干扰性强。此外，所述的新型的特高频局部放电传感器便携性能良好，捆绑及拆解操作方便。
-
公开(公告)号：CN111178388B
公开(公告)日：2022-06-17
申请号：CN201911231618.8
申请日：2019-12-05
Applicant: 上海交通大学 , 国网浙江省电力有限公司电力科学研究院
IPC: G06V10/764 , G06V10/80 , G06V10/77 , G06V10/44
Abstract: 一种基于NSCT光电融合图谱的局部放电相位分布检测方法，包括以下步骤：采集局放图谱、对光学PRPD图谱和特高频PRPD图谱进行灰度化处理和NSCT分解、NSCT融合、NSCT逆变换，重构出光电融合图像F和对光电融合PRPD图谱的模式识别。实验结果表明，本发明能够提高现阶段单一光学检测和单一特高频检测的模式识别的准确率，具有良好的识别效果和较高的实用性，有利于电力设备的运维检修，保障电网安全稳定运行。
-
公开(公告)号：CN112147471A
公开(公告)日：2020-12-29
申请号：CN202011021401.7
申请日：2020-09-25
Applicant: 上海交通大学
IPC: G01R31/12
Abstract: 本发明公开了一种GIL局部放电源定位方法：(1)建立与实际GIL尺寸相同的仿真模型，构建局部放电仿真指纹库Ψ(2)采用自然邻域差值算法将上述Ψ扩展为ΨNNI(3)用第一采样率采集ΨNNI中仿真指纹，构建大范围低密度指纹库(4)构建纠错输出码‑多层感知器‑支持向量机模型，用上述指纹库对模型的纠错输出码‑多层感知器模块训练，使仿真指纹与局放源的初步位置匹配(5)由初步位置确定采样范围，用大于第一采样率的第二采样率采集采样范围中的仿真指纹，构建小范围高密度指纹库(6)用小范围高密度指纹库对模型中的支持向量机模块进行训练，使仿真指纹与局放源精确匹配(7)将实际GIL局放光学指纹输入到经过训练的模型中，得对应局放源精确位置。
-
公开(公告)号：CN109102508A
公开(公告)日：2018-12-28
申请号：CN201811009403.7
申请日：2018-08-31
Applicant: 上海交通大学 , 国网浙江省电力有限公司电力科学研究院 , 国网山东省电力公司济南供电公司
Abstract: 本发明公开了一种基于局部放电图像特征的XLPE交流电缆绝缘缺陷的识别方法，其包括步骤：(1)获取XLPE交流电缆的若干种绝缘缺陷放电模型；(2)向各种绝缘缺陷放电模型施加电压，以采集其局部放电信号，形成各自的信号图，其中 表征工频相位，Q表征放电量，n表征平面被划分成若干个小区间中的每个小区间内发生的局部放电次数；(3)将信号图进行小波变换，得到并提取若干子图的能量熵值分布图；(4)基于能量熵值分布图，选取能量占比最多的两个子图作为特征提取对象，提取特征提取对象的的特征；(5)将上述特征输入分类器中进行训练和测试；(6)将待识别局部放电信号输入经过训练和测试的分类器中，分类器输出获得识别结果。
-
Patent Agency Ranking
公开(公告)号：CN112180221B
公开(公告)日：2022-06-03
申请号：CN202010827200.X
申请日：2020-08-17
Applicant: 国网浙江省电力有限公司电力科学研究院 , 上海交通大学
Inventor： 陈孝信 , 李晨 , 邵先军 , 王绍安 , 郑一鸣 , 杨智 , 詹江杨 , 何文林 , 陈珉 , 孙翔 , 王文浩 , 徐华 , 陈梁金 , 王磊 , 胡华杰 , 臧奕茗 , 钱勇 , 王辉 , 舒博
IPC: G01R31/12 , G06F16/906 , G06K9/62
Abstract: 本发明公开了一种基于双测度监督规则的GIS未知类别局部放电识别方法。本发明采用的技术方案为：首先，搭建GIS特高频检测系统并制作GIS典型绝缘缺陷，以采集局部放电信号；其次，为了充分表征不同类型的放电信息，构造放电梯度相位分布模式，提取统计特征；然后，通过训练集找到不同已知类型的最优特征预测模型，从而建立已知放电类型库，根据预测误差对待测样本进行初步分类；最后，建立合理的相似性和可靠性双测度监督规则，进一步评判分类结果，从而确认初步分类结果或者识别出未知类型样本。本发明能够顺利地筛选出未知类型的样本，并维持对已知类型的高识别率，从而极大地提高GIS局部放电的总体识别率，对于现场检测有好的指导意义。
-
公开(公告)号：CN112147465B
公开(公告)日：2022-06-03
申请号：CN202010813781.1
申请日：2020-08-13
Applicant: 国网浙江省电力有限公司电力科学研究院 , 上海交通大学
Inventor： 陈孝信 , 邵先军 , 王绍安 , 郑一鸣 , 李晨 , 杨智 , 詹江杨 , 何文林 , 陈珉 , 孙翔 , 王文浩 , 徐华 , 陈梁金 , 王绪军 , 王磊 , 臧奕茗 , 钱勇 , 王辉 , 舒博
Abstract: 本发明公开了一种基于多重分形与极限学习机的GIS光学局部放电识别方法。本发明采用的技术方案为：设计多种GIS典型绝缘缺陷模型并搭建实验室光学检测系统，采集光学局部放电信号，绘制GIS不同缺陷下的灰度化光学局放图谱；根据多重分形理论，提取灰度化光学局放图谱的差盒维数及信息维数的多重分形特征量；构造极限学习机作为分类器，通过线性参数模式寻找全局极小值；输入训练和测试样本，测试识别结果。本发明的多重分形特征能够提高GIS光学局放图谱的识别准确率，极限学习机能够提高GIS光学局放图谱的识别速度，两者结合能够保证GIS局部放电的光学诊断效率。
-
公开(公告)号：CN109102508B
公开(公告)日：2022-02-25
申请号：CN201811009403.7
申请日：2018-08-31
Applicant: 上海交通大学 , 国网浙江省电力有限公司电力科学研究院 , 国网山东省电力公司济南供电公司
IPC: G06T7/00 , G06V10/56 , G06V10/54 , G06V10/422 , G06V10/764 , G06K9/62 , G01R31/12
-
公开(公告)号：CN113552450A
公开(公告)日：2021-10-26
申请号：CN202110765690.X
申请日：2021-07-07
Applicant: 上海交通大学
IPC: G01R31/12
Abstract: 本发明公开了一种基于虚拟传感器的局部放电源定位方法，其包括步骤：(1)构建光学局部放电仿真指纹库；(2)采构建自适应神经模糊推理系统算法网络，并采用光学局部放电仿真指纹库作为训练集对自适应神经模糊推理系统算法网络进行训练；(3)在局部放电实际检测时，设置A个实际光学传感器和B个虚拟光学传感器，其中将A个实际光学传感器采集的实测局部放电信号输入经过训练的自适应神经模糊推理系统算法网络中，以使其输出B个虚拟光学传感器的预测局部放电信号；(4)由实测局部放电信号和预测局部放电信号构建光学局部放电检测指纹；(5)将所述光学局部放电检测指纹与所述光学局部放电仿真指纹库进行匹配，以得到局部放电源的位置。
-
公开(公告)号：CN112147470A
公开(公告)日：2020-12-29
申请号：CN202011021369.2
申请日：2020-09-25
Applicant: 上海交通大学
IPC: G01R31/12
Abstract: 本发明公开了一种GIL局部放电源定位方法，包括步骤：(1)建立与实际GIL尺寸相同的仿真模型，并进行光学信号仿真，构建局部放电仿真指纹库Ψ(2)拟合出GIL中所有位置局部放电指纹，以将Ψ扩展为Ψ’(3)构建有若干个基分类器的Bagging‑KELM模型，用Bagging算法对扩展后光学局部放电仿真指纹库Ψ’进行重新采样，获得随机选择的若干个子指纹库，各子指纹库与个基分类器对应，采用各子指纹库对各基分类器进行训练，以使每一个基分类器均输出局部放电源位置坐标，Bagging‑KELM模型的输出为各基分类器输出局部放电源位置坐标的平均值(4)将实际检测的GIL局部放电光学指纹输入到经过训练的Bagging‑KELM模型中，得到实际局部放电源位置。此外，本发明还公开了一种GIL局部放电源定位系统。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.057 seconds)
