-
公开(公告)号：CN119646666A
公开(公告)日：2025-03-18
申请号：CN202411774214.4
申请日：2024-12-05
Applicant: 国家电网有限公司华北分部 , 上海交通大学 , 国网山东省电力公司电力科学研究院
IPC: G06F18/2415 , G06F16/36 , G06F17/16 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/048 , G06F18/213 , G01R31/00 , G01R31/62
Abstract: 本发明公开了一种基于知识图谱的特高压变压器故障诊断方法，其包括步骤：100：建立特高压变压器故障类型、对应的状态量以及特征量的映射关系表格；200：基于所述映射关系表格，构建知识图谱；300：将所述知识图谱中的节点信息转化为节点嵌入向量，并利用邻接矩阵对知识图谱的结构进行建模；400：基于所述邻接矩阵与所述节点嵌入向量，提取出所述知识图谱的故障节点特征向量和特征量节点特征向量；500：基于所述故障节点特征向量和特征量节点特征向量，计算出每一个特征量对应的故障模式发生故障的条件概率，并基于各特征量对应的该故障模式发生故障的条件概率，获得该故障模式发生故障的总概率。
-
公开(公告)号：CN118133179A
公开(公告)日：2024-06-04
申请号：CN202410266447.7
申请日：2024-03-08
Applicant: 国家电网有限公司华北分部 , 上海交通大学
IPC: G06F18/2431 , G06F18/241 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/08 , G06N5/022 , G01R31/62
Abstract: 本发明公开了一种基于知识图谱全景信息的变压器状态评估方法，其包括步骤：100：获取用于评价变压器运行状态的若干个状态量的状态量数据；200：对所述状态量数据进行特征处理，得到状态特征数据；300：基于所述状态特征数据，以各状态量作为节点、各状态量之间的相互作用关系作为边，构建状态评估图谱，并采用历史案例图谱对状态评估图谱进行训练；400：将状态评估图谱输入图卷积网络中，图卷积网络输出变压器运行状态的分类结果。相应地，本发明还公开了一种基于知识图谱全景信息的变压器状态评估系统。
-
公开(公告)号：CN119558318A
公开(公告)日：2025-03-04
申请号：CN202411774366.4
申请日：2024-12-05
Applicant: 国家电网有限公司华北分部 , 上海交通大学 , 国网山东省电力公司电力科学研究院
IPC: G06F40/295 , G06F40/247 , G06F16/31 , G06F40/289 , G06N7/01 , G06F18/22 , G06F40/151 , G06N3/045 , G06Q10/20 , G06Q50/06
Abstract: 本发明公开了一种电力设备文本数据处理方法，其包括步骤：100：对电力设备文本数据中的非结构文本数据进行实体识别，以抽取出其中的实体信息；200：对所述实体信息进行同义词剔除和实体消歧处理，以得到经过清洗的实体信息；300：抽取经过清洗的实体信息对之间的关系，以将实体信息对组合成“第一实体‑关系‑第二实体”的三元组形式；400：存储所述三元组形式的实体信息。相应地，本发明还公开了一种电力设备文本数据处理系统。本发明能够高效地对电力设备非结构化文本中的知识进行处理和存储，并以此来辅助电力设备运维人员的运维决策。
-
公开(公告)号：CN118211121A
公开(公告)日：2024-06-18
申请号：CN202410469213.2
申请日：2024-04-18
Applicant: 国家电网有限公司华北分部 , 上海交通大学
IPC: G06F18/241 , G06N7/02 , G06N3/0442 , G06N3/08 , G01R31/12
Abstract: 本发明公开了一种基于历史案例增强的变压器故障诊断方法，其包括步骤：获取若干种比值法的模糊诊断规则，以及实际采集的变压器油色谱数据；基于所述模糊诊断规则和实际采集的变压器油色谱数据，计算出各种比值法的故障诊断结果；对各种比值法的诊断结果进行扩充，得到变压器的故障概率矩阵；根据实际采集的变压器油色谱数据，获得基于实际油色谱数据的各比值法权重矩阵；基于变压器故障历史案例文本，获得基于历史案例文本的各种比值法权重矩阵；基于变压器的故障概率矩阵、实际油色谱数据的各比值法权重矩阵以及基于历史案例文本的各种比值法权重矩阵，确定最终的变压器故障概率。
-
公开(公告)号：CN110334948B
公开(公告)日：2023-04-07
申请号：CN201910602681.1
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC: G06Q10/0635 , G06Q10/0639 , G06Q50/06 , G06F18/214 , G01R31/12
Abstract: 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
Patent Agency Ranking
公开(公告)号：CN110334866B
公开(公告)日：2022-11-11
申请号：CN201910602683.0
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种考虑绝缘缺陷类别与故障关联性的电力设备故障概率预测方法，其包括步骤：(1)采集电力设备的PRPS图谱数据并对其进行预处理；(2)基于经过预处理的PRPS图谱数据提取局部放电特征；(3)将局部放电特征输入经过训练的卷积神经网络，经过训练的卷积神经网络输出电力设备具有某类绝缘缺陷的概率值P(Dk)；并且还将局部放电特征输入经过训练的长短时记忆神经网络，经过训练的长短时记忆神经网络输出电力设备在Dk的条件下发生故障的概率P(F|Dk)；(4)基于下述公式获得电力设备的最终故障概率P(F)：此外，本发明还公开了一种电力设备故障概率预测系统。
-
公开(公告)号：CN110334866A
公开(公告)日：2019-10-15
申请号：CN201910602683.0
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种考虑绝缘缺陷类别与故障关联性的电力设备故障概率预测方法，其包括步骤：(1)采集电力设备的PRPS图谱数据并对其进行预处理；(2)基于经过预处理的PRPS图谱数据提取局部放电特征；(3)将局部放电特征输入经过训练的卷积神经网络，经过训练的卷积神经网络输出电力设备具有某类绝缘缺陷的概率值P(Dk)；并且还将局部放电特征输入经过训练的长短时记忆神经网络，经过训练的长短时记忆神经网络输出电力设备在Dk的条件下发生故障的概率P(F|Dk)；(4)基于下述公式获得电力设备的最终故障概率P(F)：此外，本发明还公开了一种电力设备故障概率预测系统。
-
公开(公告)号：CN110334948A
公开(公告)日：2019-10-15
申请号：CN201910602681.1
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。
-
公开(公告)号：CN110334865A
公开(公告)日：2019-10-15
申请号：CN201910602682.6
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法，其包括训练步骤和预测步骤，其中，训练步骤包括：(1)收集电力设备的案例PRPS图谱；(2)对收集的案例PRPS图谱数据进行预处理；(3)构建第一卷积神经网络模块，并对第一卷积神经网络模块进行训练，以使其输出为案例PRPS图谱数据对应的缺陷类型；(4)基于缺陷类型构建各个缺陷类型的数据集；(5)对应各个缺陷类型分别构建各自的故障二分类子模块，其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建；训练第二卷积神经网络，以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值，而输出电力设备是否发生故障的判断。
-
公开(公告)号：CN110334865B
公开(公告)日：2023-04-18
申请号：CN201910602682.6
申请日：2019-07-05
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC: G06Q10/04 , G06Q10/0635 , G06Q10/20 , G06Q50/06 , G06F18/243 , G06F18/2415 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于卷积神经网络的电力设备故障率预测方法，其包括训练步骤和预测步骤，其中，训练步骤包括：(1)收集电力设备的案例PRPS图谱；(2)对收集的案例PRPS图谱数据进行预处理；(3)构建第一卷积神经网络模块，并对第一卷积神经网络模块进行训练，以使其输出为案例PRPS图谱数据对应的缺陷类型；(4)基于缺陷类型构建各个缺陷类型的数据集；(5)对应各个缺陷类型分别构建各自的故障二分类子模块，其中每一个故障二分类子模块均基于第二卷积神经网络模块而构建；训练第二卷积神经网络，以使各故障二分类子模块基于案例PRPS图谱数据所得到发生故障的概率值，而输出电力设备是否发生故障的判断。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.099 seconds)
