-
公开(公告)号：CN105654189B
公开(公告)日：2020-03-27
申请号：CN201510975869.2
申请日：2015-12-23
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于时间序列分析与卡尔曼滤波算法的覆冰短期预测方法，具体按照以下步骤实施：步骤1：获取输电线路覆冰时间‑厚度数据序列；步骤2：根据步骤1中的覆冰时间‑厚度数据序列建立覆冰时间序列模型，并采用遗传算法对覆冰时间序列模型进行定阶；步骤3：根据步骤2中得到的定阶后的覆冰时间序列模型通过卡尔曼滤波算法建立混合算法覆冰预测模型；步骤4：根据步骤3中得到的覆冰预测模型进行覆冰预测。本发明弥补了现有的仅将当前时间点的气象条件作为基础进行覆冰量预测的输电线路覆冰预测方法的缺失，并解决了单纯时间序列分析模型预测精度不够的问题。
-
公开(公告)号：CN106291351B
公开(公告)日：2019-01-18
申请号：CN201610835299.1
申请日：2016-09-20
Applicant: 西安工程大学
IPC: G01R31/327
Abstract: 本发明公开的基于卷积神经网络算法的高压断路器故障检测方法：磁平衡式霍尔电流传感器分别与断路器分合闸线圈、数据处理系统连接构建出分合闸线圈电流在线监测系统，用分合闸线圈电流在线监测系统实时监测得到的分合闸线圈电流数据；用基于卷积神经网络的深度学习算法构建故障类型预测模型，将部分分合闸线圈电流数据输入到构建故障类型预测模型中进行训练；将部分分合闸线圈电流数据输入到训练好的故障类型预测模型中，由故障类型预测模型对输入的分合闸线圈电流数据进行处理，完成对高压断路器故障检测。本发明的高压断路器故障检测方法采用卷积神经网络分析故障特征信号，在弥补人工神经网络检测的不足的同时，能更准确判断断路器的故障类型。
-
公开(公告)号：CN107490760A
公开(公告)日：2017-12-19
申请号：CN201710725538.2
申请日：2017-08-22
Applicant: 西安工程大学
IPC: G01R31/327
Abstract: 本发明公开了基于遗传算法改进模糊神经网络的断路器故障诊断方法，具体为：步骤1、获取断路器的历史监测特征量与相应的诊断结论，构建基于遗传算法改进的模糊神经网络模型，并初始化模糊神经网络与遗传算法，设定相关的算法参数；步骤2、根据步骤1中的断路器历史数据来训练基于遗传算法改进的模糊神经网络模型；步骤3、待步骤2完成后，获取断路器的实时监测特征量；步骤4、根据步骤2中得到的基于遗传算法改进的模糊神经网络模型与步骤3中获得的断路器实时监测特征量来诊断被监测的断路器运行状态。本发明的断路器故障诊断方法，既能综合评估断路器的工作状态，又能在单独故障类别上进行精确诊断。
-
公开(公告)号：CN106597154B
公开(公告)日：2019-09-24
申请号：CN201611125041.9
申请日：2016-12-08
Applicant: 西安工程大学
IPC: G01R31/00
Abstract: 本发明公开的基于DAG‑SVM的变压器故障诊断提升方法：对所采集的油浸式变压器带有类标签的样本集每一类按3：1比例分为：训练样本和测试样本；从训练样本中有放回的抽取数量小于原训练样本的T个新的训练样本集训练SVM模型，得到T个弱学习器，即得到一组决策函数序列；利用正常状态、中温过热、高温过热、局部放电、火花放电及电弧放电这6种类别标签及所获取的决策函数序列建立T个DAG‑SVM分类树模型；利用得到的T个DAG‑SVM分类树模型分别进行故障诊断。本发明基于DAG‑SVM的变压器故障诊断提升方法，将DAG‑SVM算法进行Bagging集成，有效提高了故障预测精度。
-
公开(公告)号：CN106291351A
公开(公告)日：2017-01-04
申请号：CN201610835299.1
申请日：2016-09-20
Applicant: 西安工程大学
IPC: G01R31/327
CPC classification number: G01R31/3275
Abstract: 本发明公开的基于卷积神经网络算法的高压断路器故障检测方法：磁平衡式霍尔电流传感器分别与断路器分合闸线圈、数据处理系统连接构建出分合闸线圈电流在线监测系统，用分合闸线圈电流在线监测系统实时监测得到的分合闸线圈电流数据；用基于卷积神经网络的深度学习算法构建故障类型预测模型，将部分分合闸线圈电流数据输入到构建故障类型预测模型中进行训练；将部分分合闸线圈电流数据输入到训练好的故障类型预测模型中，由故障类型预测模型对输入的分合闸线圈电流数据进行处理，完成对高压断路器故障检测。本发明的高压断路器故障检测方法采用卷积神经网络分析故障特征信号，在弥补人工神经网络检测的不足的同时，能更准确判断断路器的故障类型。
-
Patent Agency Ranking
公开(公告)号：CN105709956A
公开(公告)日：2016-06-29
申请号：CN201610195699.0
申请日：2016-03-31
Applicant: 西安工程大学
CPC classification number: B05B9/04 , B05B12/082 , B05B12/12
Abstract: 本发明公开了一种模拟野外环境的可调节自动喷雾系统，包括综合智能控制台和与之相连的压力雾化系统和温湿度传感器，温湿度传感器与液滴直径监测仪连接，压力雾化系统与溶液配比桶和空气雾化喷嘴连接。使用该系统可在室内模拟野外雨、雾等自然环境，继而模拟输电线路覆冰及融冰过程。本发明还公开了上述的模拟野外环境的可调节自动喷雾系统的控制方法。
-
公开(公告)号：CN106646158B
公开(公告)日：2019-04-19
申请号：CN201611121970.2
申请日：2016-12-08
Applicant: 西安工程大学
IPC: G01R31/12
Abstract: 本发明公开的基于多分类支持向量机变压器故障诊断提升方法：对所采集的油浸式变压器带有类标签的样本集每一类按3：1比例分为：训练样本和测试样本；对得到的训练样本与测试样本分别进行归一化处理，然后建立基于Bagging集成DAG‑SVM与多级支持向量机变压器故障诊断模型；利用改进二进制布谷鸟算法对得到的所有DAG‑SVM与多级支持向量机模型进行选择；利用获得的模型集合对待测样本同时检测，最后应用多数投票法得到最终结果。本发明基于多分类支持向量机变压器故障诊断提升方法，能提高变压器故障诊断的精度。
-
公开(公告)号：CN105548251B
公开(公告)日：2019-03-08
申请号：CN201610048726.1
申请日：2016-01-25
Applicant: 西安工程大学
IPC: G01N25/20
Abstract: 本发明公开了一种导线覆冰过程对流换热系数测量装置，包括一块聚苯乙烯塑料布，聚苯乙烯塑料布上固定设置有三条属性相同间距相等的镍铬铁合金扁片，整流电源通过并联方式与三条镍铬铁合金扁片连接，对三条镍铬铁合金扁片供电；在每条镍铬铁合金扁片上均设置有一组热电偶，每组热电偶包括均等布置三个热电偶。解决了现有技术中存在的实验无法灵活多组，数据无法实时、在线、准确监测尤其是异形覆冰模型的对流换热系数问题，本发明还公开了提供利用该导线覆冰过程对流换热系数测量装置进行测量的方法，具体步骤为：步骤1，采集数据，步骤2，输入相关数据参数，步骤3，进行换热系数模拟计算。
-
公开(公告)号：CN106646158A
公开(公告)日：2017-05-10
申请号：CN201611121970.2
申请日：2016-12-08
Applicant: 西安工程大学
IPC: G01R31/12
Abstract: 本发明公开的基于多分类支持向量机变压器故障诊断提升方法：对所采集的油浸式变压器带有类标签的样本集每一类按3：1比例分为：训练样本和测试样本；对得到的训练样本与测试样本分别进行归一化处理，然后建立基于Bagging集成DAG‑SVM与多级支持向量机变压器故障诊断模型；利用改进二进制布谷鸟算法对得到的所有DAG‑SVM与多级支持向量机模型进行选择；利用获得的模型集合对待测样本同时检测，最后应用多数投票法得到最终结果。本发明基于多分类支持向量机变压器故障诊断提升方法，能提高变压器故障诊断的精度。
-
公开(公告)号：CN106597154A
公开(公告)日：2017-04-26
申请号：CN201611125041.9
申请日：2016-12-08
Applicant: 西安工程大学
IPC: G01R31/00
Abstract: 本发明公开的基于DAG‑SVM的变压器故障诊断提升方法：对所采集的油浸式变压器带有类标签的样本集每一类按3：1比例分为：训练样本和测试样本；从训练样本中有放回的抽取数量小于原训练样本的T个新的训练样本集训练SVM模型，得到T个弱学习器，即得到一组决策函数序列；利用正常状态、中温过热、高温过热、局部放电、火花放电及电弧放电这6种类别标签及所获取的决策函数序列建立T个DAG‑SVM分类树模型；利用得到的T个DAG‑SVM分类树模型分别进行故障诊断。本发明基于DAG‑SVM的变压器故障诊断提升方法，将DAG‑SVM算法进行Bagging集成，有效提高了故障预测精度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.017 seconds)
