-
公开(公告)号：CN118821010A
公开(公告)日：2024-10-22
申请号：CN202410860581.X
申请日：2024-06-28
Applicant: 南京工程学院
IPC: G06F18/2433 , B60L53/60 , B60L53/31 , G06F18/23213 , G06Q50/06 , G06Q10/20
Abstract: 本发明提供了一种基于Mini‑Batch‑Kmeans算法的充电桩故障自动化检测方法及系统，涉及电力设备异常检测技术领域。该方法包括：收集充电桩终端设备流量原始报文数据，从中提取关键信息形成检测向量；利用Mini‑Batch‑Kmeans聚类算法建立正常流量模型；在线采集每个时间周期的流量数据，并将其构造成检测向量，与正常流量模型进行比对，正常流量向量将被纳入模型以优化模型性能，异常流量将触发告警机制，并生成详细的异常报告上报分布式充电桩运营监控平台；当系统检测到故障行为时，根据威胁的性质采取相应的阻断措施。本发明提出的技术方案可以节约人力和算力成本，扩充融合终端的功能，进一步巩固电网的安全防线。
-
公开(公告)号：CN113158134A
公开(公告)日：2021-07-23
申请号：CN202110372296.X
申请日：2021-04-07
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京工程学院
Abstract: 本发明公开了非侵入式负荷辨识模型的构建方法、装置和存储介质，将负荷信号特征矩阵进行奇异值分解获得奇异值对角向量矩阵、左奇异值向量矩阵和右奇异值向量矩阵；保留所述奇异值对角向量矩阵中高于预设奇异值门限的奇异值；从左奇异值向量矩阵和右奇异值向量矩阵选取更新后的奇异值对角向量矩阵对应的左右奇异值向量，构建成新的左奇异值向量矩阵和新的右奇异值向量矩阵；确定新的左奇异值向量矩阵和新的右奇异值向量矩阵对应的克罗内克积并进行特征矩阵；将重构后的负荷信号特征矩阵输入到卷积神经网络模型进行训练。基于奇异值特征矩阵重构的方法对信号进行预处理，降低了数据的纬度，将数据特征进行重新分布，缩短训练时间，降低网络复杂度。
-
公开(公告)号：CN112564847A
公开(公告)日：2021-03-26
申请号：CN202011407832.7
申请日：2020-12-04
Applicant: 南京工程学院 , 国网江苏省电力有限公司信息通信分公司
Abstract: 本发明公开了一种电力大数据全光采集设备及采集方法，采集设备包括中心节点、N个传感节点组和云平台，所述传感节点组与中心节点通过光纤连接，所述中心节点通过以太网与云平台连接；每个传感节点组包括至少一个传感节点，若包含两个以上传感节点，所述传感节点之间通过光纤依次连接；N为大于等于1的整数。本发明基于光波波长和调制频率实现对海量传感器的寻址，采用全光形式实现对各类传感器数据的采集和传输，具有不受电磁干扰、安全、可靠的优点，可广泛应用于电力物联网和电力大数据采集中。
-
公开(公告)号：CN119179979A
公开(公告)日：2024-12-24
申请号：CN202411226853.7
申请日：2024-09-03
Applicant: 南京工程学院
IPC: G06F18/2433 , G06F18/243 , G06Q50/06
Abstract: 本发明提供了一种光伏逆变器和充电桩异常运行故障诊断方法及系统，涉及电力终端运行故障诊断领域。方法包括如下步骤：采集光伏逆变器和充电桩在正常运行下的运行数据，根据实际业务需求从所述运行数据中筛选出正常业务数据集和异常运行数据集。分析异常运行数据的发生原因，并写入至异常运行数据所对应的异常属性。对异常运行数据进行离散化处理，并计算出异常属性的信息增益率。选择信息增益率最大的异常属性作为划分根节点的依据，并形成异常状态决策树。解析异常状态决策树，获得当前终端设备的异常类型和异常明细。本发明可以实现光伏逆变器和充电桩异常运行行为的有效故障诊断。
-
公开(公告)号：CN119249895A
公开(公告)日：2025-01-03
申请号：CN202411346486.4
申请日：2024-09-26
Applicant: 南京工程学院 , 国能宿州热力有限公司
IPC: G06F30/27 , G06N3/0442 , G06N3/08 , G06N7/01 , G06F111/08
Abstract: 一种基于GRU网络的贝叶斯多模型椭圆机动群目标跟踪方法，涉及目标状态估计方法的技术领域。步骤S1，神经网络的设计与训练：基于Pytorch开发工具箱，建立基于GRU神经网络的群目标质心运动子模型概率估计网络，并基于群目标跟踪数据集，进行神经网络的训练；步骤S2，贝叶斯椭圆机动群目标跟踪系统建模；步骤S3，基于神经网络模型概率估计的贝叶斯多模型机动群目标跟踪。本发明通过GRU神经网络充分攫取历史时间窗内的量测信息价值，不同于以往仅利用当前量测值进行模型概率估计，精度更高；对群目标跟踪模型中的量测噪声方差模型进行了优化，使其更符合实际情况，进一步优化估计精度。
-
Patent Agency Ranking
公开(公告)号：CN116992444A
公开(公告)日：2023-11-03
申请号：CN202310964176.8
申请日：2023-08-02
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于RNN和NLG技术的边端数据攻防演练方法、存储介质及设备，包括：针对攻防演练的类型，收集电网业务通讯过程中的文本数据，利用RNN循环神经网络进行有意修改，生成威胁文本；对威胁文本进行解析，并将解析的威胁文本与收集的文本数据比较均方差，保留均方差小于90％的威胁文本，进行威胁文本扩充，上传至云端服务器；针对攻防演练的类型，利用自然语言生成技术NLG生成防御攻击报告，并上传至云端服务器；将云端服务器中的威胁文本以及防御攻击报告下发至边端服务器上，进行攻防演练。本发明能够较为真实地模拟网络威胁数据攻击，并用深度神经训练的数据相比较后下达防御策略，支撑云边之间的高效通讯以及安全交互。
-
公开(公告)号：CN115801897A
公开(公告)日：2023-03-14
申请号：CN202211643197.1
申请日：2022-12-20
Applicant: 南京工程学院
IPC: H04L67/61 , H04L67/566 , G06N3/0455 , G06N3/08
Abstract: 一种边缘代理的报文动态处理方法，包括S1：建立初始权重矩阵以表达边缘代理设备中各端口处理不同类型报文时的初始权重值；S2：建立影响因子矩阵以表达各端口在处理不同类型报文时，不同影响因子对端口正常接收的影响比例；S3：基于步骤S1中建立的初始权重矩阵以及步骤S2中建立的影响因子矩阵，计算优先级权重矩阵，以重新表达各端口处理不同类型报文时的优先级权重值；S4：通过步骤S3建立的优先级权重矩阵对各端口处理报文时的优先级进行调整。通过上述方案根据条件因子变化来调节不同类型报文处理优先级权重的方式，更好支撑业务应用按优先级顺序进行业务功能处置。
-
公开(公告)号：CN113158446A
公开(公告)日：2021-07-23
申请号：CN202110372297.4
申请日：2021-04-07
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京工程学院
IPC: G06F30/20 , G06Q50/06 , G01R31/00 , G01R21/06 , G06F111/06
Abstract: 本发明提供了非侵入式电力负载识别方法，采集负荷电压数据和电流数据并提取总正交电流谐波频谱特征；进行加窗预处理，获得加窗后的功率数据；基于生成的初始状态库确定所有负荷的初始状态；根据加窗后的功率数据和所有负荷的功率特征向量和谐波特征向量建立复合特征目标函数模型；基于各所有负荷的初始状态确定所述复合特征目标函数模型的参数初始值，求解所述复合特征目标函数模型获得电力负荷最优解。本发明将数据预处理和识别算法优化有效结合，利用原始数据加窗预处理和初始状态预判，降低了运算复杂度；利用负荷之间差异较大的正交电流谐波特征，优化特征模型，提高了用电场景下负荷识别准确度。
-
公开(公告)号：CN119377205A
公开(公告)日：2025-01-28
申请号：CN202411533977.X
申请日：2024-10-31
Applicant: 南京工程学院 , 南京宁太电气有限公司
IPC: G06F16/215 , G06F18/10 , G06F18/25 , G06F18/26 , G06F18/23
Abstract: 本发明公开了一种电力系统冗余数据的筛除方法及系统，属于数据检测技术领域。为解决数据处理效率低以及非线性特性捕捉差的问题，通过对每个候选项集进行精确的计数，并根据预设的支持度阈值筛选出频繁项集，提高了频繁项集的代表性，通过挖掘出融合数据集中的频繁项集，使得后续的数据处理步骤更加精准高效，离散化处理后的数据能够直接体现出不同区间对模型或分析的贡献度差异，通过聚类将数据离散化，减少了存储连续数值所需的空间，为每个聚类中的项集生成所有可能的项集对，作为潜在关联规则并筛选出的强关联规则，能够更准确地匹配并识别出电力系统中的冗余数据，不仅提高了冗余数据筛除的精确度，还降低了误判和漏判的风险。
-
公开(公告)号：CN119030349A
公开(公告)日：2024-11-26
申请号：CN202411119300.1
申请日：2024-08-15
Applicant: 南京工程学院
Abstract: 本发明提供了一种基于模型预测与电流应力优化的模块化直流变换器混合控制方法，涉及中低压直流电网控制技术领域。该方法包括：建立MDCC在双重移相和准方波调制下的数学模型，得到两种状态下系统传输功率标幺值和电流应力标幺值；通过构建拉格朗日乘数法得到最小电流应力条件下下移相比关系式；对MDCC的输出侧建立离散化状态空间模型，在此基础上构造代价函数并采用滚动优化的方法对其进行求解，得到最优移相比组合；采用子模块电容电压双排序算法保证电压均衡；将最优移相比以及电压均衡算法结合并转化为驱动信号作用于MDCC。本发明提出的方法不仅降低了计算复杂度，同时也减小了系统的电流应力以及提高系统动态响应速度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.024 seconds)
