-
公开(公告)号：CN114638318B
公开(公告)日：2025-02-07
申请号：CN202210346959.5
申请日：2022-04-03
Applicant: 华北电力大学
IPC: G06V10/764 , G06N3/0464 , G06N3/08 , G01R31/08 , G06V10/774 , G06V10/82 , G06V10/42
Abstract: 本发明公开了一种基于SE‑Inception网络的电网故障诊断方法和系统，所述方法包括：采集电网故障时的告警信息文本，并对告警信息文本进行预处理；对预处理后的告警信息文本进行特征降维及排序，得到特征信息文本，将特征信息文本对应告警事件进行编码及归一化；将不同故障类型的告警信息转化为告警事件编码矩阵，并将告警事件编码矩阵转化为告警信息灰度图；构建基于SE‑Inception网络的电网故障诊断模型；将告警信息灰度图输入电网故障诊断模型，得出电网故障类型判别结果。本发明无需引入大量描述保护系统行为的知识，仅需针对告警信息文本提取不同故障类型对应的图形特征，即可实现更便捷、更高准确率的电网故障诊断。
-
Patent Agency Ranking
公开(公告)号：CN114638318A
公开(公告)日：2022-06-17
申请号：CN202210346959.5
申请日：2022-04-03
Applicant: 华北电力大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G01R31/08 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/42
Abstract: 本发明公开了一种基于SE‑Inception网络的电网故障诊断方法和系统，所述方法包括：采集电网故障时的告警信息文本，并对告警信息文本进行预处理；对预处理后的告警信息文本进行特征降维及排序，得到特征信息文本，将特征信息文本对应告警事件进行编码及归一化；将不同故障类型的告警信息转化为告警事件编码矩阵，并将告警事件编码矩阵转化为告警信息灰度图；构建基于SE‑Inception网络的电网故障诊断模型；将告警信息灰度图输入电网故障诊断模型，得出电网故障类型判别结果。本发明无需引入大量描述保护系统行为的知识，仅需针对告警信息文本提取不同故障类型对应的图形特征，即可实现更便捷、更高准确率的电网故障诊断。
-
公开(公告)号：CN114661905B
公开(公告)日：2024-09-06
申请号：CN202210248594.2
申请日：2022-03-14
Applicant: 华北电力大学
IPC: G06F16/35 , G06F40/295 , G06N3/0455 , G06N3/088 , G01R31/08
Abstract: 本发明提供一种基于BERT(Bidirectional Encoder Representationsfrom Transformers)的电网故障诊断方法。所述方法将电网故障诊断转化为一个自然语言处理问题，其中包括：采集告警信息样本，对样本进行切词预处理；对告警信息文本嵌入语义特征、句特征以及位置特征，将三大特征相加构成模型输入向量；构建基于BERT的电网故障诊断模型，利用Transformer编码器中的注意力机制，自主学习告警信息文本中的故障特征，利用解码器输出故障诊断结果。此方法通过输入的告警信息文本直接输出有关故障特征的概要性描述文本，实现了端到端的电网故障诊断。
-
公开(公告)号：CN115293029A
公开(公告)日：2022-11-04
申请号：CN202210809869.5
申请日：2022-07-11
Applicant: 华北电力大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/77
Abstract: 本发明提出一种基于CycleGAN的电网故障诊断模型迁移方法，获取电网故障告警信息实测和仿真数据样本；基于告警信息时序密度将实测和仿真告警信息文本转化为时序密度图，作为模型输入；基于CycleGAN对实测和仿真告警信息时序密度图进行特征学习和迁移；构建基于VGG的电网故障诊断模型；将经CycleGAN转化的实测告警信息时序密度图输入基于仿真数据预训练的故障诊断模型，依旧能够准确识别故障。本方法通过深度学习方法对电网告警信息进行特征学习和迁移，提高了电网故障诊断模型在实际应用中的模型迁移性能。
-
公开(公告)号：CN115203414A
公开(公告)日：2022-10-18
申请号：CN202210809876.5
申请日：2022-07-11
Applicant: 华北电力大学
Abstract: 本发明提出一种基于生成对抗网络(Generative Adversarial Net,GAN)的电网故障诊断模型鲁棒性增强方法，通过获取电网故障告警信息实测数据，处理实测数据得到不同故障类型告警信息样本；利用LeakGAN模型对告警信息样本集进行扩充，实现实测告警信息样本集数据增强；对增强后的告警信息样本进行分词及向量化处理，得到模型输入特征向量；构建基于一维卷积神经网络(1D‑CNN)的电网故障诊断模型，通过Softmax分类器得到故障设备及故障类型诊断结果。本方法通过深度学习模型对电网实测告警信息进行数据扩充及故障诊断，提高了基于数据驱动的电网故障诊断模型的鲁棒性和准确性。
-
公开(公告)号：CN114661905A
公开(公告)日：2022-06-24
申请号：CN202210248594.2
申请日：2022-03-14
Applicant: 华北电力大学
IPC: G06F16/35 , G06F40/295 , G06N3/04 , G06N3/08 , G01R31/08
Abstract: 本发明提供一种基于BERT(Bidirectional Encoder Representationsfrom Transformers)的电网故障诊断方法。所述方法将电网故障诊断转化为一个自然语言处理问题，其中包括：采集告警信息样本，对样本进行切词预处理；对告警信息文本嵌入语义特征、句特征以及位置特征，将三大特征相加构成模型输入向量；构建基于BERT的电网故障诊断模型，利用Transformer编码器中的注意力机制，自主学习告警信息文本中的故障特征，利用解码器输出故障诊断结果。此方法通过输入的告警信息文本直接输出有关故障特征的概要性描述文本，实现了端到端的电网故障诊断。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
