-
公开(公告)号：CN110414412B
公开(公告)日：2023-03-31
申请号：CN201910674207.X
申请日：2019-07-25
Applicant: 长沙理工大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06N3/084 , G06N3/0455
Abstract: 本发明提出了一种基于大数据分析的广域电网多重扰动精确识别方法和装置，该方法包括：获取扰动暂态大数据；提取常规特征，以滤波残差作为检验统计量，实时检测电网扰动发生；构建用于提取深度扰动特征的深度网络，设置该深度网络为具有特定结构的栈式自编码器；将常规特征和扰动暂态大数据一起作为深度网络的输入，经逐层训练，使深度扰动特征和常规特征相融合，提取出融合后的耦合特征，对其进行解耦分离，分离成不同的单一扰动类型，完成扰动类型的辨识。该装置包括数据模块、常规特征模块、深度网络设置模块、深度学习模块和耦合分离模块。该方法和装置，可及时检测到电网扰动并辨识多重扰动的类型。
-
公开(公告)号：CN110414412A
公开(公告)日：2019-11-05
申请号：CN201910674207.X
申请日：2019-07-25
Applicant: 长沙理工大学
Abstract: 本发明提出了一种基于大数据分析的广域电网多重扰动精确识别方法和装置，该方法包括：获取扰动暂态大数据；提取常规特征，以滤波残差作为检验统计量，实时检测电网扰动发生；构建用于提取深度扰动特征的深度网络，设置该深度网络为具有特定结构的栈式自编码器；将常规特征和扰动暂态大数据一起作为深度网络的输入，经逐层训练，使深度扰动特征和常规特征相融合，提取出融合后的耦合特征，对其进行解耦分离，分离成不同的单一扰动类型，完成扰动类型的辨识。该装置包括数据模块、常规特征模块、深度网络设置模块、深度学习模块和耦合分离模块。该方法和装置，可及时检测到电网扰动并辨识多重扰动的类型。
-
公开(公告)号：CN106338651B
公开(公告)日：2018-09-14
申请号：CN201610773422.1
申请日：2016-08-31
Applicant: 长沙理工大学
IPC: G01R23/165
Abstract: 一种应用于电力系统低频振荡模式识别的粒子滤波分析方法，是通过获取电力系统低频振荡时的信号，建立状态方程和观测方程，选定对象(包含频率、幅值、相位、衰减系数等参数)作为粒子，对粒子集进行初始化，通过先验概率密度函数生成采样粒子，对采样粒子进行重要性采样和重采样，迭代结束后得到粒子的最优状态估计，再对最优状态进行参数估计，并将参数最优估计值与原始信号进行拟合，以确定低频振荡模式的各个参数是否正确，从而辨识出低频振荡模式。本发明的粒子滤波不需要对系统作任何先验性假设，在处理复杂的非线性、非高斯的电力系统问题上，精度和可靠度都有了很大的提升，能够更好的估计出低频振荡的各个参数。
-
公开(公告)号：CN107103160A
公开(公告)日：2017-08-29
申请号：CN201710376583.1
申请日：2017-05-25
Applicant: 长沙理工大学
IPC: G06F17/50
Abstract: 本发明属于电力系统领域，涉及基于贝叶斯滤波的微弱故障行波信号去噪和精确识别方法。从时域的角度，利用现代信号处理方法和贝叶斯滤波技术对微弱故障行波信号进行分析与建模，在保留原始信号主要特征的同时，有效滤除以时域特征变化为主的各种噪声干扰，实时估计出行波信号的瞬时幅度和建模残差，由此准确提取行波信号的突变点，实现微弱行波信号的可靠准确辨识，以此提高故障行波定位的准确性和可靠性。此研究提出了受扰行波信号的时域建模分析方法，对比分析了各种故障雷电流仿真模型，实现了各类噪声干扰下微弱故障行波信号奇异点的准确辨识。此发明对于行波故障定位精度的提高、行波保护的实用化具有很重要的理论与现实意义。
-
公开(公告)号：CN106405237A
公开(公告)日：2017-02-15
申请号：CN201610784072.9
申请日：2016-08-31
Applicant: 长沙理工大学
IPC: G01R23/165
Abstract: 一种应用于多通道电力系统信号中的低频振荡模式识别的分析方法，该方法是先获取多通道电力系统低频振荡时的振荡源信号，再将振荡源信号用独立分量分析算法(ICA)进行分离，使多通道的时变信号分离成相互独立的统计独立分量，消除非周期噪声，然后通过粒子滤波算法对其进行参数估计，得到系统的最优参数估计值，最后与最初获取的振荡源信号进行拟合，通过拟合误差的大小确定低频振荡模式的各个参数是否正确，从而辨识出各通道低频振荡信号的模式。本方法将独立分量分析算法与粒子滤波算法相结合地进行分析，能提高多通道系统分析的可靠性以及精确度。
-
Patent Agency Ranking
公开(公告)号：CN116243110A
公开(公告)日：2023-06-09
申请号：CN202310400129.0
申请日：2023-04-14
Applicant: 长沙理工大学
IPC: G01R31/08
Abstract: 本发明提供了一种一级式配电网故障识别与定位方法及相关设备，包括：对目标配电网在故障工况下的拓扑结构进行建模，获取拓扑结构的故障暂态信号；故障暂态信号包括暂态电压信号和暂态电流信号；建立故障暂态信号的最优时频联合分布表达式提取故障暂态信号的浅层特征量；构建故障定位模型，将拓扑结构、故障暂态信号和浅层特征量输入至故障定位模型进行特征提取和特征融合，得到目标配电网的故障识别结果和故障定位结果；能提取到融合配电网拓扑结构和故障暂态信号的时空故障特征，通过集成多层感知器完成故障类型识别、故障区段定位以及故障点精确定位，实现一级式的故障识别与定位，大大降低故障定位耗时，提高故障定位速度。
-
公开(公告)号：CN112649700B
公开(公告)日：2022-06-03
申请号：CN202011463260.4
申请日：2020-12-09
Applicant: 长沙理工大学
IPC: G01R31/08
Abstract: 本发明公开了一种基于动态虚拟故障的行波网络定位方法，步骤1：将所有测量点的初始行波到达时间两两作差，得到真实故障的时间特征矩阵；步骤2：得到虚拟故障的时间特征矩阵；步骤3：利用真实故障的时间特征矩阵与虚拟故障的时间特征矩阵求取时间信息差异度et；步骤4：利用PSO算法不断更新虚拟故障点位置，重复步骤2～3，逐步逼近真实故障点；当达到迭代次数后，或者时间信息差异度et的值小于预设值，结束迭代；将当前虚拟故障点位置作为故障点位置，实现故障定位。仿真结果表明，该方法无需分析网络结构与解网操作，在一定程度上能够消除行波波速的影响，实现故障精确定位。
-
公开(公告)号：CN106338651A
公开(公告)日：2017-01-18
申请号：CN201610773422.1
申请日：2016-08-31
Applicant: 长沙理工大学
IPC: G01R23/165
Abstract: 一种应用于电力系统低频振荡模式识别的粒子滤波分析方法，是通过获取电力系统低频振荡时的信号，建立状态方程和观测方程，选定对象(包含频率、幅值、相位、衰减系数等参数)作为粒子，对粒子集进行初始化，通过先验概率密度函数生成采样粒子，对采样粒子进行重要性采样和重采样，迭代结束后得到粒子的最优状态估计，再对最优状态进行参数估计，并将参数最优估计值与原始信号进行拟合，以确定低频振荡模式的各个参数是否正确，从而辨识出低频振荡模式。本发明的粒子滤波不需要对系统作任何先验性假设，在处理复杂的非线性、非高斯的电力系统问题上，精度和可靠度都有了很大的提升，能够更好的估计出低频振荡的各个参数。
-
公开(公告)号：CN119963836A
公开(公告)日：2025-05-09
申请号：CN202510036505.1
申请日：2025-01-09
Applicant: 长沙理工大学
IPC: G06V10/26 , G06V20/17 , G06V10/80 , G06V10/46 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/082 , G06V10/44
Abstract: 本发明提供了一种输电线路分割方法、装置、设备及介质，将获取的输电线路历史无人机航拍图像输入构建的分割模型，对分割模型进行训练，得到输电线路分割模型；通过无人机实时获取目标输电线路的航拍图像，将目标输电线路的航拍图像输入输电线路分割模型进行分割，得到目标输电线路的分割结果；与现有技术相比，本发明通过编码模块对输入的图像进行降采样后，利用解码模块对图像进行特征提取，然后通过跨域特征增强模块构建跳跃连接，充分融合了编码模块输出的图像和解码模块输出的特征，提高了图像的分割精度。
-
公开(公告)号：CN105893976B
公开(公告)日：2019-09-17
申请号：CN201610246191.9
申请日：2016-04-20
Applicant: 长沙理工大学
IPC: G06K9/00
Abstract: 本发明属于电力系统领域，涉及一种行波信号的参数化识别方法。该方法根据行波信号的统计特性建立行波信号的参数化模型；利用自适应粒子滤波算法和优化方法估计出表示不同故障情况下行波特征的参数信息和时频信息,提取能够全面反映行波信号特点的时域和时频域关联特征量组；联合分析上述关联特征量组，提取行波故障特征，突显故障信息，准确可靠地感知强电磁干扰下微弱故障行波信号和复杂折反射行波信号。本发明方法利用参数化时频分析的方法来识别电网故障行波，提出行波信号的新型识别参数,可有效提高受扰行波信号识别的可靠性和准确性,为构建新型故障行波保护与定位原理提供参数支持。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.04 seconds)
