-
公开(公告)号：CN116577678A
公开(公告)日：2023-08-11
申请号：CN202310352576.3
申请日：2023-04-04
Applicant: 重庆邮电大学
IPC: G01R31/378 , G01R31/389 , G01R31/367
Abstract: 本发明公开了一种基于阻抗谱结合CZT的锂离子电池内短路检测方法，所述方法包括：搭建降压电路，通过闭环控制实现对锂离子电池进行恒流充电；当充电电流达到期望值并稳定后，施加一个宽频激励小信号；对响应电压和响应电流进行采集，并进行降噪处理；利用CZT对采集信号进行处理，通过计算得到锂离子电池的阻抗谱；基于锂离子电池的阻抗谱低频部分构建数据集；对于待测电池通过K最近邻算法计算特征距离，判断电池是否发生内短路。与现有技术相比，本发明能够实现锂离子电池内短路早期阶段的检测，提高了内短路检测的灵敏性，并且能够在线检测。
-
公开(公告)号：CN116488574A
公开(公告)日：2023-07-25
申请号：CN202310499822.8
申请日：2023-05-05
Applicant: 重庆邮电大学
Abstract: 本专利涉及一种基于信息熵自适应特征频段的光伏故障电弧检测方法，通过对采集的电流互感器信号进行小波降噪处理，采用幅值熵自适应的方法选取特征频段。同时，采用线性调频Z变换(CZT变换)提高特征频段的频谱分辨率，并利用极限学习机(ELM)神经网络进行故障电弧识别。本专利还涉及一种基于该算法的光伏系统直流电弧检测装置，该装置能够实现高精准度的识别，有效排除各类干扰，在光伏系统中具有广泛应用前景。
-
公开(公告)号：CN119716393A
公开(公告)日：2025-03-28
申请号：CN202411858374.7
申请日：2024-12-17
Applicant: 重庆邮电大学
IPC: G01R31/08 , G01R31/52 , G01R31/54 , G01R31/58 , G06Q50/06 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06F18/10
Abstract: 本发明提出了一种抗噪声增强的配电网电缆故障检测与定位方法。通过注入多周期测试信号并采集反射信号，结合m序列去噪特性与自适应小波变换，对多周期反射信号进行去噪和归一化处理，提高信号质量。采用多周期二次互相关加权后功率谱函数求平均，并通过IFFT处理实现抗噪声增强的故障定位。同时提取第一个周期的滤波信号时域特征(如幅值、相位、包络)，与最终的二次互相关加权后功率谱函数IFFT值融合为高维特征向量，输入基于卷积神经网络、LSTM和注意力机制的深度学习模型。注意力机制加权二次互相关加权后功率谱函数IFFT值，提取峰值特征，提升定位精度。该方法实现电缆故障的准确分类与定位，具备高精度和抗干扰能力，适用于复杂环境下的电缆故障检测，为电力系统的稳定运行提供技术支持。
-
公开(公告)号：CN115598477A
公开(公告)日：2023-01-13
申请号：CN202211272839.1
申请日：2022-10-18
Applicant: 重庆邮电大学(CN)
Abstract: 本发明公开并实现了一种双模多负载回路电弧故障检测系统，针对现有实时电弧故障检测装置精准度不足和设备高负载持续运行等问题，本发明把故障电弧分为起始电弧和使用过程电弧两种，根据起始故障和用电过程故障不同情况分别使用不同模式检测方法，在过程模式下采用特征值分区检测方法，在保证准确率和实时性的情况下，使得方法趋于简单化。此方法以stm32H7为核心微处理器，搭配调理电路、电源电路、数据采集电路以及无线通信电路组成双模故障诊断系统。本发明同时兼具监控单负载电路和多负载电路，且具备监测精度高、速度快的特点，具有很强的推广价值和使用价值。
-
公开(公告)号：CN110046787A
公开(公告)日：2019-07-23
申请号：CN201910035899.3
申请日：2019-01-15
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种城市区域电动汽车充电需求时空预测方法，包括以下步骤：按照经纬度将城市划分为网格区域并统计各区域电动汽车充电需求历史数据；提取各区域历史数据时间序列的时间依赖属性，将各区域的五个时间依赖属性按照对应网格合并成五个时空序列3D张量；对每个时间依赖属性张量分别建立基于卷积长短期记忆神经网络的深度学习子模型，并将五个子模型的输出进行融合；对外部因素数据建立全连接层子模型，将融合结果与全连接层子模型输出再进行融合得到城市各区域电动汽车充电需求预测结果。本发明可以有效提高城市区域电动汽车充电需求预测精度，将为电力系统调度、充电设施规划等提供重要依据。
-
Patent Agency Ranking
公开(公告)号：CN116990716A
公开(公告)日：2023-11-03
申请号：CN202310869444.8
申请日：2023-07-14
Applicant: 重庆邮电大学
IPC: G01R31/52 , G01R31/367 , G01R31/389 , G01R31/396
Abstract: 本发明公开了一种基于阻抗谱和Elman神经网络的锂离子电池内短路检测方法，所述方法包括：采集锂离子电池的阻抗谱数据，基于阻抗谱提取八个内短路特征；计算内短路特征的Pearson相关系数，保留四个相关性较强的特征；利用典型相关性分析对内短路特征进行特征融合，得到一维的综合变量，基于综合变量构建内短路特征数据集；通过粒子群优化算法对Elman神经网络进行优化；基于内短路特征数据集，对Elman神经网络进行训练；对待测电池测量其阻抗谱并进行特征提取和融合，输入Elman神经网络进行检测。与现有技术相比，本发明能够实现锂离子电池内短路早期阶段的检测，提高了内短路检测的灵敏性。
-
公开(公告)号：CN109951245A
公开(公告)日：2019-06-28
申请号：CN201910170440.4
申请日：2019-03-07
Applicant: 重庆邮电大学
IPC: H04B17/391 , G06F17/50
Abstract: 本发明设计了一种基于多节点多路由的复杂拓扑环境下的多源端噪声建模方法，将实际电力线通信场景中拓扑结构复杂，用电负载类型多样的特性纳入到噪声建模的考虑中。该方法主要包括以下步骤：A.搭建复杂测试用电网络，并测量各个源端噪声及接收端噪声时域波形；B.利用MATLAB软件对各个实测噪声波形进行分析提取关键参数，然后通过Markov-Middleton脉冲噪声模型对各个源端噪声进行建模；C.分析测试用电网络拓扑结构，建立距离矩阵，根据多节点信道建模方法对源端与接收端之间的信道进行建模；D.依据用电电器产生噪声的互不相干性，结合源端噪声建模和信道建模，通过噪声叠加综合完成对接收端噪声建模；E.从时域特性的分析和对仿真序列数学统计特性的提取分析验证方法的正确性。
-
公开(公告)号：CN119780722A
公开(公告)日：2025-04-08
申请号：CN202411858357.3
申请日：2024-12-17
Applicant: 重庆邮电大学
IPC: G01R31/367 , G01R31/389 , G01R31/378 , G01R31/52 , G06F18/2135 , G06F18/243 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于高维频率响应映射的锂离子电池内短路检测方法。通过采集电池电化学阻抗谱(EIS)数据，构建多频率点的高维频率响应特征，捕捉锂离子电池在不同频率下的动态变化。随后，采用随机森林筛选和核主成分分析(Kernel PCA)降维技术对频率特征进行去冗余处理，提取出与内短路特征相关的关键特征，提升检测准确性。本发明方法在复杂阻抗条件下表现出高效的内短路识别能力，适用于锂离子电池的安全监测和故障预警。
-
公开(公告)号：CN116526969A
公开(公告)日：2023-08-01
申请号：CN202310356102.6
申请日：2023-04-04
Applicant: 重庆邮电大学
Abstract: 本发明公开了基于线性调频Z变换和小波包分解的光伏故障电弧检测方法，所述方法包括：对采集的电流互感器两端电压信号小波降噪处理，然后进行傅里叶变换得到正常信号和故障信号的频谱，分析正常信号与电弧信号的差异，得到故障信号的特征频段，然后通过线性调频变换(CZT变换)放大故障信号的特征，计算出故障频段的方差和均值。为了提取故障电弧高频精细成分，同时也从电流信号多尺度分析的角度出发，对信号进行3层复小波变换获取各节点小波包系数模极大值及节点能量谱，最后进一步结合极限学习机(ELM)进行故障电弧识别。并且基于该算法设计了一种基于stm32嵌入式平台的光伏系统直流电弧检测装置。
-
公开(公告)号：CN119691518A
公开(公告)日：2025-03-25
申请号：CN202411858398.2
申请日：2024-12-17
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/213 , G06V10/80 , G06V10/764 , G06F17/18 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于残差神经网络和注意力模块的局部放电模式识别方法，涉及局部放电信号处理与识别技术领域。本方法包括以下步骤：采集待检测的局部放电信号数据；改进的集合经验模态分解自适应噪声算法和小波包分解联合的方法对局部放电信号进行多尺度去噪处理，以去除噪声干扰并保留信号主要成分；将去噪后局部放电信号的时域、频域和相位信息分别通过格拉姆角场、格拉姆角差场和马尔可夫转移场算法转化为灰度图，并融合生成特征RGB图像。随后将RGB图像输入结合卷积块注意力模块的残差神经网络中进行特征提取与分类；最后输出局部放电模式识别结果，用于电力设备的故障检测和预警。本发明利用多尺度去噪处理与多维特征融合，结合残差网络与注意力模块的深度特征提取能力，显著提升了局部放电模式的识别准确性与鲁棒性，可广泛应用于电力设备的故障诊断与预警。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
