-
Patent Agency Ranking
公开(公告)号：CN113899971B
公开(公告)日：2023-11-14
申请号：CN202111159699.2
申请日：2021-09-30
Applicant: 广东电网有限责任公司广州供电局 , 西安交通大学
IPC: G01R31/00 , G06F18/23213 , G06F18/2321 , G06F18/2413
Abstract: 本发明公开了基于密度相似稀疏聚类的变压器异常工况判别方法，包括以下步骤：处理对象是配电变压器工况监测数据集，首先设置用于计算异常因子的参数以及分类簇数；计算每个数据对象的密度相似序列异常因子值；将密度相似序列异常因子小于1的数据作为核心对象，划分次级簇，并生成代表对象；将代表对象进行稀疏聚类，得到不同的簇及各维度权重；计算非核心对象与各簇质心的稀疏距离，划归入与其稀疏距离最小的质心所在的簇；将聚类结果中停电和重过载数据所在簇作为异常簇进行工况异常预警。实现对配电变压器运行状态的简单预判，提升后续故障预警模型的准确性和运算效率；为配电网安全可靠供电提供保障。
-
公开(公告)号：CN118712846A
公开(公告)日：2024-09-27
申请号：CN202411021130.3
申请日：2024-07-29
Applicant: 广东电网有限责任公司广州供电局
Inventor： 徐强超 , 赵贤峰 , 张秋萍 , 邓兆伦 , 林湃煜 , 陈洁虹 , 刘一民 , 伍维健 , 李津 , 程振华 , 谭桂轩 , 段炼 , 顾晓亮 , 孔一鸣 , 袁姝 , 李妮 , 蒋文捷
Abstract: 本发明公开了一种压板隔离密封工具，涉及保护压板技术领域，包括：凵形壳体；凵形壳体的两内侧壁靠近凵形壳体开口端的一侧均抵接于线簧式压板的底座，且相向设置有强磁铁；凵形壳体的两内侧壁远离凵形壳体开口端的一侧均设置有固定块，固定块设置有一倾斜面；两个固定块的倾斜面相向平行设置，两个固定块之间相向形成连接片槽，连接片槽用于容纳线簧式压板的连接片；固定块朝向开口端的一侧设置有保护柱，保护柱用于与线簧式压板的电极插孔卡接。基于上述方案，通过连接片槽对线簧式压板的连接片进行限位，并通过保护柱对电极插孔进行密封，通过强磁铁的设置增强与线簧式压板的连接稳固性，整体上提升了压板隔离密封可靠性。
-
公开(公告)号：CN114118588A
公开(公告)日：2022-03-01
申请号：CN202111438643.0
申请日：2021-11-30
Applicant: 广东电网有限责任公司广州供电局 , 西安交通大学
Abstract: 一种聚类欠采样下基于博弈特征提取的迎峰度夏停电预测方法，首先对变压器的历史负荷数据进行清洗，然后基于配电变压器的历史负荷数据和停电记录，结合地区历史气象，在遍历聚类结果过程中选择评价值最高的特征加入已选特征集合并自上而下剔除贡献最低的特征，重复进行动态选择和自上而下剔除，直至支付效用最大化达到帕累托最优状态，完成重复‑动态博弈过程；接着采用python生成带有停电和不停电标签的特征数据集，并对特征数据集划分训练集和测试集；采用基于OPTICS聚类的欠采样方法得到平衡数据集；建立AdaBoost集成学习模型，并利用训练数据集训练模型得到预测停电和不停电分类器；最后利用测试集验证停电预测模型。
-
公开(公告)号：CN113899971A
公开(公告)日：2022-01-07
申请号：CN202111159699.2
申请日：2021-09-30
Applicant: 广东电网有限责任公司广州供电局 , 西安交通大学
Abstract: 本发明公开了基于密度相似稀疏聚类的变压器异常工况判别方法，包括以下步骤：处理对象是配电变压器工况监测数据集，首先设置用于计算异常因子的参数以及分类簇数；计算每个数据对象的密度相似序列异常因子值；将密度相似序列异常因子小于1的数据作为核心对象，划分次级簇，并生成代表对象；将代表对象进行稀疏聚类，得到不同的簇及各维度权重；计算非核心对象与各簇质心的稀疏距离，划归入与其稀疏距离最小的质心所在的簇；将聚类结果中停电和重过载数据所在簇作为异常簇进行工况异常预警。实现对配电变压器运行状态的简单预判，提升后续故障预警模型的准确性和运算效率；为配电网安全可靠供电提供保障。
-
公开(公告)号：CN114118588B
公开(公告)日：2024-08-02
申请号：CN202111438643.0
申请日：2021-11-30
Applicant: 广东电网有限责任公司广州供电局 , 西安交通大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/214 , G06F18/241 , G06F18/231 , G06F18/2337 , G06F18/211
Abstract: 一种聚类欠采样下基于博弈特征提取的迎峰度夏停电预测方法，首先对变压器的历史负荷数据进行清洗，然后基于配电变压器的历史负荷数据和停电记录，结合地区历史气象，在遍历聚类结果过程中选择评价值最高的特征加入已选特征集合并自上而下剔除贡献最低的特征，重复进行动态选择和自上而下剔除，直至支付效用最大化达到帕累托最优状态，完成重复‑动态博弈过程；接着采用python生成带有停电和不停电标签的特征数据集，并对特征数据集划分训练集和测试集；采用基于OPTICS聚类的欠采样方法得到平衡数据集；建立AdaBoost集成学习模型，并利用训练数据集训练模型得到预测停电和不停电分类器；最后利用测试集验证停电预测模型。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
