-
公开(公告)号：CN116091501B
公开(公告)日：2023-06-23
申请号：CN202310367157.7
申请日：2023-04-07
Applicant: 武汉纺织大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06T5/00 , G06T7/13 , G06V10/30 , G06V10/44 , G06V10/54 , G06V10/764 , G06V10/82 , G01R31/12
Abstract: 本发明涉及电变量测量技术领域，具体而言，涉及一种高压电气设备局部放电类型识别方法、装置、设备及介质，所述方法包括：获取局部放电信号采集器反馈的局部放电信号数据图像；图像处理得到第二图像数据；提取所述第二图像数据中的特征集合；将特征集合输入放电类型评估模型，得到第一图像数据对应的第一放电类型，通过对有效的图像数据进行清晰度强化（消除噪点）、图像特征提取得到能够表现局部放电细节信息的轮廓特征数据和纹理特征数据结合训练好的放电类型评估模型，得到该局部放电信号数据图像对应的放电类型，进而实现了对电力设备的局部放电测量与放电类型识别，相关电力维护人员无需积累相关的识别经验，降低了人才培养成本。
-
公开(公告)号：CN118013208A
公开(公告)日：2024-05-10
申请号：CN202211399000.4
申请日：2022-11-09
Applicant: 武汉纺织大学
IPC: G06F18/15 , G06N3/0464 , G06N3/08 , G01R31/12
Abstract: 本发明涉及局部放电信号处理技术领域，且公开了基于可分离卷积神经网络的局放信号去混叠方法，所述方法包括：获取原始局部放电信号数据；对原始局部放电信号进行预处理；将预处理后的局部放电信号有序化获得一维有序局部放电信号；将一维有序局部放电信号输入局部放电信号频域混叠分离网络中。该基于可分离卷积神经网络的局放信号去混叠系统及方法，提供了一个能够修复分离信号的网络模型，通过可分离卷积神经网络模型(ScNet)将输入的混叠信号进行编码、分离、解码，再通过信号恢复网络模型(Signal Recovery)将分离后的混叠信号补全或者去冗余，使其恢复成一个相对完美的局部放电信号，为后续精确地局部放电信号识别奠定了良好的基础。
-
Patent Agency Ranking
公开(公告)号：CN116091501A
公开(公告)日：2023-05-09
申请号：CN202310367157.7
申请日：2023-04-07
Applicant: 武汉纺织大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06T5/00 , G06T7/13 , G06V10/30 , G06V10/44 , G06V10/54 , G06V10/764 , G06V10/82 , G01R31/12
Abstract: 本发明涉及电变量测量技术领域，具体而言，涉及一种高压电气设备局部放电类型识别方法、装置、设备及介质，所述方法包括：获取局部放电信号采集器反馈的局部放电信号数据图像；图像处理得到第二图像数据；提取所述第二图像数据中的特征集合；将特征集合输入放电类型评估模型，得到第一图像数据对应的第一放电类型，通过对有效的图像数据进行清晰度强化（消除噪点）、图像特征提取得到能够表现局部放电细节信息的轮廓特征数据和纹理特征数据结合训练好的放电类型评估模型，得到该局部放电信号数据图像对应的放电类型，进而实现了对电力设备的局部放电测量与放电类型识别，相关电力维护人员无需积累相关的识别经验，降低了人才培养成本。
-
公开(公告)号：CN116520022A
公开(公告)日：2023-08-01
申请号：CN202310779931.5
申请日：2023-06-29
Applicant: 武汉纺织大学
IPC: G01R23/165
Abstract: 本发明涉及电力谐波监测技术领域，具体而言，涉及电力谐波动态检测方法、装置、电子设备及介质，通过采集电力系统单个点位的电流信号，进行滤波处理，再建立单个谐波信号和总谐波信号的映射关系；通过建立的映射关系实现只检测单源谐波来预测总谐波的作用；本发明的优点是通过对电力设备的单源检测，达到检测整个电力系统的目的，大大减少实时数据处理的工作量；同时定期检测单源映射整体系统的关系并修正。
-
公开(公告)号：CN118057368A
公开(公告)日：2024-05-21
申请号：CN202211444033.6
申请日：2022-11-18
Applicant: 武汉纺织大学
IPC: G06F18/213 , G01R31/12 , G06F18/2415 , G06F18/28 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/0985
Abstract: 本发明涉及局部放电信号处理技术领域，且公开了基于注意力深层网络的局部放电信号故障智能检测方法，所述方法包括：获取待测局部放电信号数据；将待测局部放电信号数据输入局部放电信号输出模块进行处理获得PRPD图谱数据；将获得的PRPD图谱数据输入注意力深层网络模型中进行模式识别，得到待测局部放电信号的识别结果。该基于注意力深层网络的局部放电信号故障智能检测方法，通过引入注意力深层网络，为各种无线电信号提供了通用的特征提取框架，避免繁琐的手动选择特征，并将传统简单注意力神经网络进行优化，从而获得注意力分布，即权重分配更科学的网络；采用注意力机制对特征图进行加权和组装，以选择最具辨别力的特征，可以进一步减少计算负担，使特征更具代表性。
-
公开(公告)号：CN118038247A
公开(公告)日：2024-05-14
申请号：CN202211368814.1
申请日：2022-11-03
Applicant: 武汉纺织大学
IPC: G06V10/86 , G06V10/80 , G06V10/764 , G06V10/34 , G06V10/82 , G06N3/0455 , G06N3/082
Abstract: 本发明涉及局部放电信号处理技术领域，且公开了基于多模态融合网络的局部放电信号标注精度增强方法，所述方法包括：获得局部放电信号并进行预处理转换为H×W×C大小的局部放电图信号；将预处理后的局部放电信号图输入到多模态融合网络中进行图像信号数据增强，得到增强后的图像特征；将增强后的图像特征输入到局部信号标注模型中进行特征融合。该基于多模态融合网络的局部放电信号标注精度增强方法，运用了多种注意力机制网络结构，通过融合网络的三种注意力机制提取局部放电图提取特征，尤其针对局部放电图上的波峰、波谷、以及波长的疏密部进行特征提取，提高标注的精度；相对于卷积神经网络复杂冗余的处理，本发明高效准确。
-
公开(公告)号：CN116520022B
公开(公告)日：2023-09-15
申请号：CN202310779931.5
申请日：2023-06-29
Applicant: 武汉纺织大学
IPC: G01R23/165
Abstract: 本发明涉及电力谐波监测技术领域，具体而言，涉及电力谐波动态检测方法、装置、电子设备及介质，通过采集电力系统单个点位的电流信号，进行滤波处理，再建立单个谐波信号和总谐波信号的映射关系；通过建立的映射关系实现只检测单源谐波来预测总谐波的作用；本发明的优点是通过对电力设备的单源检测，达到检测整个电力系统的目的，大大减少实时数据处理的工作量；同时定期检测单源映射整体系统的关系并修正。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
