-
公开(公告)号：CN118427724A
公开(公告)日：2024-08-02
申请号：CN202410468433.3
申请日：2024-04-18
Applicant: 南昌大学
IPC: G06F18/243 , G06F18/2431 , G06F18/214 , G06F18/213 , G06N5/01 , G06N20/20 , G06Q10/20 , G06Q50/06 , G01R31/00
Abstract: 本发明公开了一种基于深度森林的油浸式变压器健康状态评估方法。首先，以油浸式变压器为对象，基于在线监测和离线试验等多属性特征参量作为信息输入，将变压器样本集划分为训练集和测试集；然后，构建基于深度森林的变压器健康状态评估模型，通过多粒度扫描结构从不同尺度对输入特征进行特征提取，再经过级联森林结构深层挖掘样本数据信息，实现变压器健康状态的准确评估。本发明能够克服传统变压器健康状态评估方法过于依赖专家经验和判断，可提升变压器健康状态评估的准确性和可靠性，并为变压器的运维检修提供有效的指导建议。
-
公开(公告)号：CN118094385A
公开(公告)日：2024-05-28
申请号：CN202311370403.0
申请日：2023-10-21
Applicant: 南昌大学
IPC: G06F18/243 , G06F18/2411 , G06F18/27 , G06F18/211
Abstract: 本发明公开了一种基于RFECV的变压器故障表征特征量筛选方法。首先，收集已知变压器运行状态的在线或离线油色谱数据，进行特征衍生处理，形成高维特征样本集；然后，构建基于分类回归树的变压器故障诊断模型，采用随机搜索算法实现分类回归树模型的参数优化；最后，将最优诊断模型作为RFECV方法的基学习器，通过遍历所有特征序列筛选得到最佳特征组合，实现变压器故障的准确预测及诊断决策可视化。本发明可以大幅度缩减特征量筛选中的统计分析工作和解决传统故障诊断方法的“黑箱”问题，提升变压器故障诊断方法的科学性和实用性。
-
公开(公告)号：CN118966078B
公开(公告)日：2025-02-14
申请号：CN202411425930.1
申请日：2024-10-14
Applicant: 南昌大学
IPC: G06F30/28 , G06F30/17 , G16C60/00 , G06F119/08 , G06F119/14
Abstract: 本发明提供了一种多因素融合的SF6替代气体适用性评估方法，涉及电气技术领域，包括：基于气体绝缘性获取备选替代气体，并进行电场、温度场和振动物理场仿真的材料参数；基于隔离开关设备建立简化仿真模型，并在简化仿真模型的外部建立正方体物理场仿真计算域；获取边界条件，并基于边界条件和材料参数在物理场仿真计算域内进行电场仿真、温度场仿真和振动仿真后获取最大场强模值、最大温升值和最大加速度值；基于备选替代气体的温室效应潜势值、回收难易程度、可获得值、价格值和预设的分量因素评估公式获取因素评估值；基于因素评估值和预设的综合因素评估公式获取综合评估值，当综合评估值大于预设阈值时，将备选替代气体作为GIS中SF6的替代气体。
-
公开(公告)号：CN118427607A
公开(公告)日：2024-08-02
申请号：CN202410468193.7
申请日：2024-04-18
Applicant: 南昌大学
IPC: G06F18/214 , G01R31/62 , G06F18/2433 , G06F18/213 , G06F18/10
Abstract: 本发明公开了一种基于多变量时间序列的变压器故障预警方法。首先，对变压器油中溶解气体在线监测时间序列样本进行数据预处理；然后，以抗短路电流和负荷时间序列作为外生变量，构建基于油中溶解气体多变量时间序列的向量自回归移动平均模型，并对模型参数进行估计，预测未来时刻的变压器油中溶解气体的含量；最后，将预测的油中溶解气体数据输入基于梯度提升树的变压器故障诊断模型，实现变压器的早期故障预警。本发明能够反应油中溶解气体的时序特性，充分考虑特征气体间的联系和外部因素的影响，并对预测模型的有效性做出更加明确的统计检验，提升了变压器油中溶解气体在线监测数据的预测精度，也为变压器的故障预警提供了可靠的保障。
-
公开(公告)号：CN117909705A
公开(公告)日：2024-04-19
申请号：CN202311369537.0
申请日：2023-10-21
Applicant: 南昌大学
IPC: G06F18/2113 , G01N30/02 , G01R31/62 , G01R31/12 , G06F18/243 , G06N20/20 , G06F18/214
Abstract: 本发明公开了一种基于特征选择的变压器故障诊断及影响因素分析方法。首先，收集已知变压器运行状态的油中溶解气体数据，通过特征衍生技术扩大特征量的筛选范围；然后，采用TPE算法实现RF模型参数寻优，选择最佳特征组合，并输出对应的最优故障诊断模型；最后，融合SHAP模型优选每种故障关联的主要特征量，利用特征贡献图实现对模型诊断结果的影响因素分析。本发明能够选择表征变压器故障类型的有效特征量，并克服传统变压器故障诊断特征量选取过于依赖现场经验的问题，也可实现诊断结果的事后分析及验证。
-
Patent Agency Ranking
公开(公告)号：CN118965087B
公开(公告)日：2025-03-18
申请号：CN202411443895.6
申请日：2024-10-16
Applicant: 南昌大学
IPC: G06F18/24 , G06F18/25 , G06F30/20 , G01R31/00 , G01K13/00 , G01M7/02 , G06F113/08 , G06F119/08
Abstract: 本发明提供了一种多因素融合的干式铁心电抗器的缺陷诊断方法，涉及电力系统故障诊断领域，包括：获取干式铁心电抗器的温度场和结构场仿真模型后得到温度监测点和振动监测点；基于温度监测点和振动监测点进行磁场、流体和温度多物理场耦合仿真后获取温度分布特性，并根据温度分布特性修正振动仿真中的参数获取振动分布特性，联合温度分布特性和振动分布特性建立缺陷样本数据集，并将缺陷样本数据集划分为训练集、验证集和测试集；构建初始缺陷诊断模型，对初始缺陷诊断模型进行训练、调参和测试后输出缺陷类型。本发明综合考虑了温度和振动多种指标对缺陷诊断的影响，提高了干式铁心电抗器缺陷诊断的准确率。
-
公开(公告)号：CN118427723A
公开(公告)日：2024-08-02
申请号：CN202410468337.9
申请日：2024-04-18
Applicant: 南昌大学
IPC: G06F18/243 , G06F18/2431 , G06F18/214 , G06Q10/20 , G06Q50/06 , G06N5/01 , G06N5/045 , G06N20/20 , G01R31/00
Abstract: 本发明公开了一种基于可解释性树模型的变压器健康状态评估方法。首先，以变压器在线监测和离线试验等多维度特征量作为变压器样本集；然后，融合TreeSHAP算法构建基于树结构算法的变压器健康状态评估模型，采用树结构概率密度估计对模型多参数同步优化，得到最优评估模型，实现变压器健康状态的快速、准确评估；最后，利用SHAP特征贡献解释XGBoost模型预测值，量化特征量对评估结果的边际贡献，实现对变压器健康状态评估决策的可视化。本发明能够有效解决现有变压器健康状态智能评估方法存在的“黑箱”问题，提升评估模型的准确性及可解释性，为变压器的运维检修提供有效的指导建议。
-
公开(公告)号：CN118965087A
公开(公告)日：2024-11-15
申请号：CN202411443895.6
申请日：2024-10-16
Applicant: 南昌大学
IPC: G06F18/24 , G06F18/25 , G06F30/20 , G01R31/00 , G01K13/00 , G01M7/02 , G06F113/08 , G06F119/08
Abstract: 本发明提供了一种多因素融合的干式铁心电抗器的缺陷诊断方法，涉及电力系统故障诊断领域，包括：获取干式铁心电抗器的温度场和结构场仿真模型后得到温度监测点和振动监测点；基于温度监测点和振动监测点进行磁场、流体和温度多物理场耦合仿真后获取温度分布特性，并根据温度分布特性修正振动仿真中的参数获取振动分布特性，联合温度分布特性和振动分布特性建立缺陷样本数据集，并将缺陷样本数据集划分为训练集、验证集和测试集；构建初始缺陷诊断模型，对初始缺陷诊断模型进行训练、调参和测试后输出缺陷类型。本发明综合考虑了温度和振动多种指标对缺陷诊断的影响，提高了干式铁心电抗器缺陷诊断的准确率。
-
公开(公告)号：CN118484670A
公开(公告)日：2024-08-13
申请号：CN202410467978.2
申请日：2024-04-18
Applicant: 南昌大学
IPC: G06F18/214 , G06F18/2431 , G06F18/243 , G06N5/01 , G06N20/20
Abstract: 本发明公开了一种基于不平衡数据的变压器健康状态评估方法。首先，以在线监测和离线试验等多维度的特征参量作为变压器样本集；然后，基于最近邻规则对变压器多数类样本进行欠采样处理，再利用合成少数类过采样技术对变压器少数类样本进行扩充，组合产生新的变压器均衡数据集；最后，将均衡数据集划分为训练集和测试集，构建基于LightGBM的变压器健康评估模型，并对模型参数同步优化，实现变压器健康状态的准确评估。本发明能够克服不平衡数据对变压器健康评估模型训练的影响，有效提升状态评估效果，为变压器的运维检修提供有效的指导建议。
-
公开(公告)号：CN116087655A
公开(公告)日：2023-05-09
申请号：CN202310021206.1
申请日：2023-01-07
Applicant: 南昌大学
IPC: G01R31/00 , G06F18/2415 , G06F18/2431 , G01R31/12 , G01N33/00
Abstract: 本发明公开了一种基于扩充三比值和关联规则的变压器故障分层诊断方法。首先基于在线或离线油中溶解气体数据，采用扩充三比值法对变压器故障进行初级诊断，用于不同程度的过热、放电或其他故障性质的判断及其早期预警；然后结合变压器故障树，实现故障性质和对应故障子集的分类；提取在线监测试验特征量，对故障子集中的故障类型进行一定的排除；最后采用关联规则分析故障类型和故障特征量的关联关系，从而构建变压器故障精细化诊断模型，实现故障性质、故障类型及故障可信度的动态评估。本发明能够克服传统变压器故障诊断方法过于依赖现场试验数据、故障诊断结果准确度不高且难以指导现场运维等问题，可提高变压器故障诊断的科学性和实用性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
