开关柜局部放电缺陷识别方法、系统、设备及存储介质

    公开(公告)号:CN117420393A

    公开(公告)日:2024-01-19

    申请号:CN202311142475.X

    申请日:2023-09-05

    Abstract: 本发明涉及一种开关柜局部放电缺陷识别方法、系统、设备及存储介质,方法包括:步骤S1、将局部放电测量装置并联至高压开关柜内带电指示器的核相孔上,搭建局部放电测量电路,采集开关柜局部放电脉冲电流信号;步骤S2、基于设定缺陷类型特征统计参数,对开关柜局部放电脉冲电流信号进行缺陷识别。与现有技术相比,本发明的基于带电指示器核相孔检测脉冲电流的开关柜局部放电缺陷识别方法,能极大提升在运开关柜运行状态的诊断效率,且无需使用昂贵的传感器,仅通过从开关柜配置的带电指示器核相孔处取得信号,大大节约了装置成本。

    一种局部放电检测中白噪声的去噪方法及系统

    公开(公告)号:CN117171510A

    公开(公告)日:2023-12-05

    申请号:CN202310699342.6

    申请日:2023-06-14

    Abstract: 本发明涉及一种局部放电检测中白噪声的去噪方法及系统,包括以下步骤:S1、获取局部放电原始信号,对原始信号进行小波分解,得到近似系数和细节系数;S2、对细节系数进行基于稀疏表示的降噪处理,得到去噪后的细节系数;S3、将近似系数和去噪后的细节系数代入PCA降噪算法中,进行降维处理;S4、通过小波反变换将降维后的数据还原成局部放电信号,得到去噪后的局部放电信号。与现有技术相比,本发明基于小波分解法、基于稀疏表示的降噪处理法、主成分分析法,结合三种算法,对局部放电检测过程中夹杂的白噪声进行去噪,以便于后续的局部放电模式识别和严重程度评估。

    基于非对称一致性学习的电动汽车参与需求响应方法

    公开(公告)号:CN117314070A

    公开(公告)日:2023-12-29

    申请号:CN202311218811.4

    申请日:2023-09-20

    Abstract: 本发明涉及一种基于非对称一致性学习的电动汽车参与需求响应方法,属于电力系统技术领域。其中,固定签约电动汽车固定需求响应系统实现固定签约电动汽车的非对称一致性优化,并由固定需求响应模块补足需求响应缺额并输出固定签约电动汽车调度成本,辅助灵活签约电动汽车需求响应优化;灵活签约电动汽车自主需求响应系统通过环境信息采集模块、智能体网络模块得到灵活签约电动汽车自主需求响应的功率,由自主需求响应模块执行需求响应并将结果输出,固定签约电动汽车根据需求响应缺额进行补足,同时,局部奖励模块、贡献占比分析模块、奖励聚合模块、柔性损失函数模块根据各模块结果计算柔性损失函数,传送至智能体网络模块进行学习优化。

    一种基于匹配学习的泛在电力物联网接入方法

    公开(公告)号:CN111162852A

    公开(公告)日:2020-05-15

    申请号:CN201911406929.3

    申请日:2019-12-31

    Abstract: 本发明公开了一种基于匹配学习的泛在电力物联网接入方法,包括以下步骤:S1.构建系统模型;S2.对模型进行细化,得到任务/数据传输模型、能量消耗模型、时延模型和服务可靠性模型;S3.最大化长期的吞吐量,确定优化问题;S4.基于虚拟队列的理论和lyapunov优化理论,对优化问题进行转化;S5.通过学习与匹配实现在信道选择上的最优,进而实现吞吐量的最大化。本发明通过学习与匹配实现在信道选择上的最优,进而实现吞吐量的最大化;基于MAB理论、lyapunov优化理论和匹配理论,能量感知和服务可靠性感知与机器学习结合了起来,从而达到能量利用率和服务可靠性的最大与最优。

    基于改进聚类小波神经网络的计量采集系统数据监测方法

    公开(公告)号:CN117034165A

    公开(公告)日:2023-11-10

    申请号:CN202310855088.4

    申请日:2023-07-12

    Abstract: 本发明涉及一种基于改进聚类小波神经网络的计量采集系统数据监测方案,该方案针对针对计量采集系统全链路数据监测场景,通过改进聚类算法对全链路数据进行分类,并采用熵函数改进小波神经网络针对分类后的数据进行监测,在解决全链路数据迸发问题的同时合理判断是否有异常数据产生,适应实际计量采集系统的复杂环境。此外,在网络训练阶段,神经网络采用熵函数改进设计代价函数,该策略使得神经网络反向更新更为有效,由此大大缩短神经网络训练时间。与现有技术相比,本发明利用改进聚类技术处理全链路数据,基于全链路数据自身特点自动进行分类,并将数据装入存储节点,解决了传统聚类易受初始聚类中心选取影响等问题,并利用基于熵函数改进的反向更新机制逐步缩小数据监测结果误差,确保全链路状态数据异常检测的真实性和有效性。

    一种基于匹配学习的泛在电力物联网接入方法

    公开(公告)号:CN111162852B

    公开(公告)日:2020-10-27

    申请号:CN201911406929.3

    申请日:2019-12-31

    Abstract: 本发明公开了一种基于匹配学习的泛在电力物联网接入方法,包括以下步骤:S1.构建系统模型;S2.对模型进行细化,得到任务/数据传输模型、能量消耗模型、时延模型和服务可靠性模型;S3.最大化长期的吞吐量,确定优化问题;S4.基于虚拟队列的理论和lyapunov优化理论,对优化问题进行转化;S5.通过学习与匹配实现在信道选择上的最优,进而实现吞吐量的最大化。本发明通过学习与匹配实现在信道选择上的最优,进而实现吞吐量的最大化;基于MAB理论、lyapunov优化理论和匹配理论,能量感知和服务可靠性感知与机器学习结合了起来,从而达到能量利用率和服务可靠性的最大与最优。

Patent Agency Ranking