-
公开(公告)号：CN119884869A
公开(公告)日：2025-04-25
申请号：CN202411950471.9
申请日：2024-12-27
Applicant: 重庆邮电大学
IPC: G06F18/241 , G01R31/12 , G06F18/10 , G06F18/2433 , G06N3/0455 , G06N3/084 , G06N3/006
Abstract: 本发明涉及光伏直流电弧故障检测技术领域，具体提出一种基于改进滤波结合增强能量算子的直流电弧检测方法。该方法首先通过快速傅里叶变换提取故障信号的频域信息，结合极值点密度与波动因子对信号进行预处理，降低噪声干扰。利用改进布谷鸟算法的自适应滤波器实现信号的噪声抑制与平滑处理，同时保留关键频谱特性。针对信号处理过程中幅值衰减的问题，引入基于三点对称差分改进的能量算子，增强信号的非线性瞬态特性，进一步抑制频域成分噪声。最后，提取增强后的信号特征，采用残差连接堆叠自编码器对故障特征数据进行高效识别。本发明通过结合自适应谱线增强技术与深度学习模型，不仅有效解决了直流系统与光伏系统中的电弧故障检测难题，尤其适应逆变器启动噪声等复杂运行条件下的检测需求，还提高了故障识别的准确性与可靠性，适用于光伏系统和直流电力系统的安全监测与早期故障诊断。
-
Patent Agency Ranking
公开(公告)号：CN119884868A
公开(公告)日：2025-04-25
申请号：CN202411950437.1
申请日：2024-12-27
Applicant: 重庆邮电大学
IPC: G06F18/241 , G01R31/12 , G01R15/18 , G06F18/25 , G06N3/0464 , G06N3/084 , G06F18/213
Abstract: 本发明提供了一种基于VMD分解与卷积神经网络的光伏系统直流故障电弧检测方法。针对光伏发电系统并网过程中直流故障电弧的检测难题，提出了一种结合信号处理与深度学习的高效检测方法。首先，通过电流互感器采集光伏系统下的直流串联电弧信号，并对信号进行VMD分解。利用散布熵值选取最优模态分量，有效减少环境噪声和逆变器功率调节(MPPT)带来的干扰。然后，根据最优模态分量进行信号重构以增强信号有效性，并通过短时傅里叶变换(STFT)生成时频图，为卷积神经网络提供输入数据。最后，卷积神经网络自动提取信号的时频特征，例如频率突变、瞬态波动等，完成直流故障电弧的高精度检测与分类。该方法显著提高了光伏系统中直流故障电弧的检测准确率，同时有效降低了环境噪声和逆变器功率调节的干扰，具有较强的鲁棒性和高灵敏度。实验结果表明，该方法的故障电弧识别准确率可达到99％，大幅提升了光伏系统的安全性和稳定性。
-
公开(公告)号：CN118858854A
公开(公告)日：2024-10-29
申请号：CN202410892861.9
申请日：2024-07-04
Applicant: 重庆邮电大学
IPC: G01R31/12 , G06F18/213
Abstract: 本发明属于低压交流电气故障检测技术领域，具体是公开了一种基于自适应特征平稳性的故障电弧检测方法。仅使用时域、频域或时频域特征作为判断是否发生故障的依据难以应对当今多种负载的复杂性。将一个标签内的电流数据分为五等份，分别求取每段电流数据的特征值，设置一个窗口长度为四个周期的滑动窗进行遍历，然后求取滑动窗内这些周期的特征值的标准差作为特征平稳性，选取五个遍历结果中特征平稳性幅值最小的作为最终的特征。提出特征平稳性将特征幅值比较映射到另一层面，再通过支持向量机进行诊断。提出自适应特征平稳性的算法避免了传统检测方法中多负载多场景下的不稳定、不准确等问题，可以解决传统检测中对于弱弧的漏判以及误判，实现电弧的准确在线诊断。
-
公开(公告)号：CN116577612A
公开(公告)日：2023-08-11
申请号：CN202310499811.X
申请日：2023-05-05
Applicant: 重庆邮电大学
IPC: G01R31/12
Abstract: 本发明属于电力系统自动化技术领域，具体是公开提出一种基于变分模态分解(variational mode decomposition,VMD)、希尔伯特边际谱分析(Hilbert‑Huang transform，HHT)多特征融合的故障电弧检测方法。该方法首先通过对采集到的电流信号进行变分模态分解，提取出多个不同频率的固有模态函数，然后将各模态分量进行边际谱分析，针对模态分量边际谱的选取，提出依据多特征故障区分度进行模态分量选取方法，选取各模态分量边际谱故障区分度较高的特征量。为降低特征冗余度，采用线性成分分析进行特征融合，并最后导入神经网络进行分类验证检测精度。
-
公开(公告)号：CN118332320A
公开(公告)日：2024-07-12
申请号：CN202410512643.8
申请日：2024-04-26
Applicant: 重庆邮电大学
IPC: G06F18/2131 , G06F18/214 , G06N3/006 , G06N3/0499 , G06N3/084 , G06F18/2431
Abstract: 本发明属于光伏电气故障检测技术领域，具体是公开了一种基于自适应小波包分解的直流故障电弧检测方法。针对直流串联故障电弧随机性强，且电路中存在噪声或逆变器干扰时电流数据会有所变化，传统检测方法会产生漏判或误判，利用粒子群算法对不同场景中信号进行自适应小波包分解，选择最优分解层数进行特征提取，结合BP神经网络进行决策，准确率高达99％，可有效区分正常信号与故障电弧信号。基于该检测方法，设计了一款基于STM32的光伏直流系统故障电弧检测装置，通过实际测试，装置在实验室场景与光伏现场中均可实现高精度故障电弧检测，为直流故障电弧检测装置的研制提供了可靠参考。
-
公开(公告)号：CN116526971A
公开(公告)日：2023-08-01
申请号：CN202310455757.9
申请日：2023-04-25
Applicant: 重庆邮电大学
Abstract: 本发明属于光伏电气故障检测技术领域，具体是公开了一种基于自适应形态学增强光伏系统直流故障电弧检测特征的研究方法。为了确保系统的可靠性，精准检测故障电弧并增强其检测特征。研究了形态学对直流故障电弧检测特征的增强作用，提出了一种自适应形态学算法，利用粒子群算法结合信号特征对结构元素进行动态寻优，提升信号信噪比同时增强检测特征，并与随机共振和小波分析算法进行对比，验证了本发明具有很好的特征增强效果，可有效区分正常和故障电弧。最后结合支持向量机对特征进行决策，得到了高达96.23％的检测精度。提出的自适应形态学算法能有效地增强故障电弧检测特征，适用于不同实验场景的自适应寻优，有助于精准、有效地检测直流故障电弧。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
