-
公开(公告)号：CN103279643B
公开(公告)日：2016-08-24
申请号：CN201310151558.5
申请日：2013-04-26
Applicant: 华北电力大学(保定)
IPC: G06F19/00
Abstract: 本发明公开了计算机信息技术处理技术领域中的一种时间序列相似度的计算方法。包括：分别将两个待比较的时间序列S1和S2按照相同的方式划分为时间子序列S1(i)和S2(i)；设定每个时间子序列S1(i)和S2(i)的权重wi；计算对应的时间子序列之间的距离；根据对应的时间子序列之间的距离和时间子序列的权重，计算时间序列S1和S2的相似度。本发明能更好地反映时间序列的形状相似程度，其复杂度低且判断速度快。
-
公开(公告)号：CN104198840A
公开(公告)日：2014-12-10
申请号：CN201410386551.6
申请日：2014-08-07
Applicant: 华北电力大学(保定)
Abstract: 本发明属于电力主设备故障诊断技术领域，尤其涉及一种应用B样条理论改进的变压器三比值故障诊断方法，包括：收集油中溶解气体样本数据构造样本库，并用三比值法构成三维空间，得到各故障模式的特征区域，建立用B样条曲面表达的各故障分界面方程；计算样本与故障分界面的位置关系判断变压器的故障类型；对于诊断错误的故障样本，应用B样条曲面的反算方法重新计算曲面参数，将误诊样本纳入到正确的故障特征区域中；计算待诊样本与形状调整后的各分界曲面的位置关系实现变压器的故障类型的判断。本发明以改良三比值法确定的故障特征区域为基础，通过柔性自适应的调整故障区域间的分界曲面形状实现了动态学习功能，方法具有很好的实用性和推广性。
-
公开(公告)号：CN106768262B
公开(公告)日：2019-07-26
申请号：CN201611040125.2
申请日：2016-11-11
Applicant: 华北电力大学(保定)
IPC: G01H1/16
Abstract: 本发明属于信号处理技术领域，尤其涉及一种基于表面振动信号分析的变压器在线监测方法，包括如下步骤：S1，根据变压器运行电压、负载电流、油温历史数据以及变压器表面振动历史数据训练广义回归神经网络；S2，应用所述广义回归神经网络，根据变压器实时运行数据计算变压器表面基频振动幅值；S3，根据振动基频振动幅值的计算值与实测值差异，判断变压器运行状态，实现变压器振动在线监测。本发明提供了一种可靠、准确的基于振动分析的监测方法。
-
公开(公告)号：CN104198840B
公开(公告)日：2017-02-08
申请号：CN201410386551.6
申请日：2014-08-07
Applicant: 华北电力大学(保定)
Abstract: 本发明属于电力主设备故障诊断技术领域，尤其涉及一种应用B样条理论改进的变压器三比值故障诊断方法，包括：收集油中溶解气体样本数据构造样本库，并用三比值法构成三维空间，得到各故障模式的特征区域，建立用B样条曲面表达的各故障分界面方程；计算样本与故障分界面的位置关系判断变压器的故障类型；对于诊断错误的故障样本，应用B样条曲面的反算方法重新计算曲面参数，将误诊样本纳入到正确的故障特征区域中；计算待诊样本与形状调整后的各分界曲面的位置关系实现变压器的故障类型的判断。本发明以改良三比值法确定的故障特征区域为基础，通过柔性自适应的调整故障区域间的分界曲面形状实现了动态学习功能，方法具有很好(56)对比文件Hongzhong Ma 等.Diagnosis of PowerTransformer Faults Based On Fuzzy Three-Ratio Method《.2005 International PowerEngineering Conference》.2005,第1-4页.Pousga Kabore 等.A B-Spline NeuralNetwork Based Actuator Fault Diagnosis inNonlinear Systems《.Proceedings of theAmerican Control Conference》.2001,第1139-1144页.
-
公开(公告)号：CN110598760B
公开(公告)日：2023-10-24
申请号：CN201910788573.8
申请日：2019-08-26
Applicant: 华北电力大学(保定)
IPC: G06F18/2113
Abstract: 本发明提出了一种变压器振动数据无监督特征选择方法。在缺乏故障类别等先验知识的条件下，完成变压器振动数据的特征提取：首先基于互信息分析特征与振动数据之间的相关性、以及特征与已选特征之间的冗余性，然后计算特征的潜在信息增益，最后根据信息增益惩罚因子完成变压器振动数据的特征选择。本发明综合考虑待选特征所能带来的新信息和冗余信息的多少进行选择，因而能够准确和高效提取变压器振动数据特征。
-
Patent Agency Ranking
公开(公告)号：CN107122829B
公开(公告)日：2020-09-01
申请号：CN201710455447.1
申请日：2017-06-16
Applicant: 华北电力大学(保定)
Inventor： 张卫华
Abstract: 本发明公开了一种利用虚拟样本训练神经网络诊断变压器故障的方法，包括建立变压器各故障的特征区域、选择虚拟故障样本、添加实际故障样本、构造BP神经网络、训练BP神经网络、故障诊断步骤。本发明应用正交表构造分布均匀且能反应全部数据空间特征的虚拟样本构造训练样本集，并将实际工程中改良三比值法诊断错误的样本添加到样本集中，用此样本集对神经网络进行训练，避免了训练样本的分布不均匀性，使得训练好的神经网络泛化能力更强。
-
公开(公告)号：CN110598760A
公开(公告)日：2019-12-20
申请号：CN201910788573.8
申请日：2019-08-26
Applicant: 华北电力大学(保定)
IPC: G06K9/62
Abstract: 本发明提出了一种变压器振动数据无监督特征选择方法。在缺乏故障类别等先验知识的条件下，完成变压器振动数据的特征提取：首先基于互信息分析特征与振动数据之间的相关性、以及特征与已选特征之间的冗余性，然后计算特征的潜在信息增益，最后根据信息增益惩罚因子完成变压器振动数据的特征选择。本发明综合考虑待选特征所能带来的新信息和冗余信息的多少进行选择，因而能够准确和高效提取变压器振动数据特征。
-
公开(公告)号：CN107194465A
公开(公告)日：2017-09-22
申请号：CN201710455723.4
申请日：2017-06-16
Applicant: 华北电力大学(保定)
Inventor： 张卫华
IPC: G06N3/08
CPC classification number: G06N3/084
Abstract: 本发明公开了一种利用虚拟样本训练神经网络诊断变压器故障的方法，包括建立变压器各故障的特征区域、选择虚拟故障样本、添加实际故障样本、构造BP神经网络、训练BP神经网络、故障诊断步骤。本发明应用正交表构造分布均匀且能反应全部数据空间特征的虚拟样本构造训练样本集，并将实际工程中改良三比值法诊断错误的样本添加到样本集中，用此样本集对神经网络进行训练，避免了训练样本的分布不均匀性，使得训练好的神经网络泛化能力更强。
-
公开(公告)号：CN107122829A
公开(公告)日：2017-09-01
申请号：CN201710455447.1
申请日：2017-06-16
Applicant: 华北电力大学(保定)
Inventor： 张卫华
Abstract: 本发明公开了一种利用虚拟样本训练神经网络诊断变压器故障的方法，包括建立变压器各故障的特征区域、选择虚拟故障样本、添加实际故障样本、构造BP神经网络、训练BP神经网络、故障诊断步骤。本发明应用正交表构造分布均匀且能反应全部数据空间特征的虚拟样本构造训练样本集，并将实际工程中改良三比值法诊断错误的样本添加到样本集中，用此样本集对神经网络进行训练，避免了训练样本的分布不均匀性，使得训练好的神经网络泛化能力更强。
-
公开(公告)号：CN103279643A
公开(公告)日：2013-09-04
申请号：CN201310151558.5
申请日：2013-04-26
Applicant: 华北电力大学(保定)
IPC: G06F19/00
Abstract: 本发明公开了计算机信息技术处理技术领域中的一种时间序列相似度的计算方法。包括：分别将两个待比较的时间序列S1和S2按照相同的方式划分为时间子序列S1(i)和S2(i)；设定每个时间子序列S1(i)和S2(i)的权重wi；计算对应的时间子序列之间的距离；根据对应的时间子序列之间的距离和时间子序列的权重，计算时间序列S1和S2的相似度。本发明能更好地反映时间序列的形状相似程度，其复杂度低且判断速度快。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
