-
公开(公告)号:CN110874672A
公开(公告)日:2020-03-10
申请号:CN201911086547.7
申请日:2019-11-08
Abstract: 本发明公开了一种基于量子遗传算法的FARIMA模型电力负荷短期预测方法,其包括步骤:(1)选取预测日之前的电力负荷数据作为预测样本数据;(2)对预测样本数据进行预处理;(3)对经过预处理的预测样本数据进行分数差分,把经过分数差分的数据输入到ARMA模型;(4)运用AIC信息准则对ARMA模型进行定阶;(5)将寻找AIC信息准则的最小值作为量子遗传算法的适应度函数,由量子遗传算法得到最优的AIC(p,q)值,以对ARMA模型进行优化;(6)对ARMA模型进行反分数差分,以得到优化的FARIMA模型;(7)采用FARIMA模型预测未来的电力负荷数据。
-
公开(公告)号:CN115129503A
公开(公告)日:2022-09-30
申请号:CN202210818619.8
申请日:2022-07-12
Applicant: 上海交通大学
IPC: G06F11/07 , G06F16/215 , G06K9/62
Abstract: 本发明提供了一种设备故障数据清洗方法,其包括步骤:采集表征设备故障的数据;对表征设备故障的数据进行预处理;采用ISOMAP算法将预处理后的数据从高维将至两维;采用DBSCAN算法对降维后数据进行聚类,根据聚类结果剔除噪声点,得到清洗后的数据。相应地,本发明还公开了一种设备故障数据清洗系统。本发明所述的设备故障数据清洗方法及系统在充分考虑电力设备特征量之间的非线性关系和集群化特点的基础上,清除设备故障数据的异常值,提升了数据质量。
-
公开(公告)号:CN110133146A
公开(公告)日:2019-08-16
申请号:CN201910451726.X
申请日:2019-05-28
Abstract: 本发明公开了一种考虑不平衡数据样本的变压器故障诊断方法,包括步骤:100:采集变压器的油色谱样本数据,并对其进行预处理得到经过预处理的油色谱样本数据;200:构建并训练第一级分类器,其中采用经过预处理的油色谱样本数据对第一级分类器进行训练;基于第一级分类器输出的状态特征与油色谱样本数据得到特征融合向量;300:基于EasyEnsemble集成学习方法对第二级分类器进行训练,基于若干个第二级子分类器的输出合成第二级分类器;400:将需要诊断的变压器油色谱数据输入第一级分类器,则从第二级分类器的输出端输出该变压器油色谱数据表征的变压器状态。该变压器故障诊断方法相对于传统方法取得更准确且平衡的效果。
-
公开(公告)号:CN105353256A
公开(公告)日:2016-02-24
申请号:CN201510862315.1
申请日:2015-11-30
IPC: G01R31/00
CPC classification number: G01R31/00
Abstract: 本发明公开了一种输变电设备状态异常检测方法,包括:步骤S1,在变电站安装在线综合监测装置,测量状态量;步骤S2,确定状态量与设备状态的对应关系;步骤S3,利用高维随机矩阵对的设备状态量数据的时间序列进行表征;步骤S4,分析运行历史中各时段状态数据的谱分布、圆环率;步骤S5,将设备状态量化为状态评估值P;步骤S6,比较设备状态评估值P与设备状态评估值的阈值P阈值判断设备状态矩阵是否出现异常,进而检测出设备状态的异常;步骤S7,根据残差序列矩阵的正态性检验求出异常状态和异常时刻。
-
公开(公告)号:CN102435922A
公开(公告)日:2012-05-02
申请号:CN201110330042.8
申请日:2011-10-26
IPC: G01R31/12
CPC classification number: G06F8/34
Abstract: 一种GIS局部放电声电联合检测系统和定位方法,本系统将高速采集装置、低速采集装置集成于一体,通过局部放电脉冲信号本身作为触发源,同步触发信号的高速采集和低速采集,以实现对GIS局部放电的超高频信号、高频电流信号和超声波信号的同步电声联合检测。本发明通过对超高频信号、高频电流信号和超声波信号三种信号的综合分析,可有效排除现场干扰,提高局部放电检测的准确性。通过计算所检测的局部放电超高频脉冲信号与超声波脉冲信号本身或两者之间的时差可实现对局部放电源的精确定位。
-
公开(公告)号:CN119623201A
公开(公告)日:2025-03-14
申请号:CN202411838186.8
申请日:2024-12-13
Applicant: 上海交通大学
IPC: G06F30/23 , G06F30/25 , G06F17/11 , G06F119/12 , G06F113/08
Abstract: 本发明公开了一种用于电力设备局部放电和近场电磁辐射的仿真方法,其包括步骤:对电力设备局部放电的气体放电过程进行仿真,并且基于气体放电中各粒子的模型获取气体放电时间内每一时刻的粒子状态分布;基于所述粒子状态分布获得每一时间步长下的电场分布;基于在气体放电路径上设置的若干个激励源以及所述电场分布,获得各激励源处的电场时序变化;对气体放电引起的近场电磁辐射进行仿真,将各激励源在每一仿真时刻的瞬变电场作为近场电磁辐射仿真的输入,获取近场电磁辐射仿真区域内的电磁场变化。
-
公开(公告)号:CN114492974B
公开(公告)日:2024-08-06
申请号:CN202210055049.1
申请日:2022-01-18
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
IPC: G06Q10/04 , G06Q10/067 , G06Q50/06 , G06F30/27 , G06F18/214 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种GIS气体状态预测方法及系统。本发明的预测方法包括:数据预处理;建立以GRU为基本单元的Seq2Seq时序预测模型;Seq2Seq时序预测模型采用注意力机制自动提取输入时间序列关键时间点并分配相应权重,并计算当前时刻对应编码器输出的特征向量;在训练阶段采用线性衰减Scheduled Sampling算法;在测试阶段则采用Teacher Forcing算法;训练过程中损失函数取L1 Loss,经过1000次迭代后所得Seq2Seq时序预测模型对未来一段时间内GIS气体状态进行预测。本发明使Seq2Seq时序预测模型在实际测试时具有较高的容错性能,提升了Seq2Seq时序预测模型的预测精度。
-
公开(公告)号:CN114492974A
公开(公告)日:2022-05-13
申请号:CN202210055049.1
申请日:2022-01-18
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
Abstract: 本发明公开了一种GIS气体状态预测方法及系统。本发明的预测方法包括:数据预处理;建立以GRU为基本单元的Seq2Seq时序预测模型;Seq2Seq时序预测模型采用注意力机制自动提取输入时间序列关键时间点并分配相应权重,并计算当前时刻对应编码器输出的特征向量;在训练阶段采用线性衰减Scheduled Sampling算法;在测试阶段则采用Teacher Forcing算法;训练过程中损失函数取L1 Loss,经过1000次迭代后所得Seq2Seq时序预测模型对未来一段时间内GIS气体状态进行预测。本发明使Seq2Seq时序预测模型在实际测试时具有较高的容错性能,提升了Seq2Seq时序预测模型的预测精度。
-
公开(公告)号:CN111680726A
公开(公告)日:2020-09-18
申请号:CN202010469134.3
申请日:2020-05-28
Applicant: 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海交通大学
Abstract: 本发明公开了一种基于近邻成分分析和k近邻学习融合的变压器故障诊断方法:(a)构建近邻成分分析模型并对其进行训练,包括步骤:(1)采集不同故障类型变压器油色谱样本数据(2)对变压器油色谱样本数据进行预处理(3)分别计算各故障类型变压器油色谱样本数据的关联规则支持度,得到初始度量矩阵M0(4)将初始度量矩阵M0和经过预处理的变压器油色谱样本数据输入经过超参数调优的近邻成分分析模型,进行训练,近邻成分分析模型输出度量矩阵M(5)采用度量矩阵M对各故障类型变压器油色谱样本数据进行映射,得到经过训练的近邻成分分析模型(b)将实测变压器油色谱样本数据输入经过训练的近邻成分分析模型,进而输出变压器故障类型。
-
公开(公告)号:CN106649479B
公开(公告)日:2020-05-12
申请号:CN201610867068.9
申请日:2016-09-29
Applicant: 国网山东省电力公司电力科学研究院 , 上海交通大学 , 国网山东省电力公司 , 山东理工大学 , 国家电网公司
Inventor: 周加斌 , 苏建军 , 任志刚 , 周大洲 , 刘洪正 , 杨祎 , 杜修明 , 郭志红 , 陈玉峰 , 辜超 , 盛戈皞 , 陈天 , 侯慧娟 , 贾京苇 , 朱文兵 , 朱孟兆 , 朱庆东 , 彭飞 , 王建 , 王学磊 , 王善龙 , 冯彩
IPC: G06F16/2455
Abstract: 本发明公开了一种基于概率图的变压器状态关联规则挖掘方法,包括:构建变压器状态量关联规则挖掘的数据集;找出变压器状态量数据集中所有的频繁2‑项集;筛选频繁2‑项集,并计算筛选后的所有频繁2‑项集之间的条件概率分布;以频繁2‑项集及不同频繁2‑项集之间的条件概率分布为边,构造概率图;找出所有的关联规则,生成关联规则集合;根据计算得到的支持度和置信度确定变压器各状态量之间的关联程度;将各状态量数据间的关联规则引入变压器状态预测,对预测结果进行修正。本发明有益效果:将经过数据挖掘得到的数据间关联规则引入状态预测对预测结果进行修正可以显著提高预测精度:平均预测误差从20%下降到了10%。
-
-
-
-
-
-
-
-
-