CN107241740A - 一种孤岛移动式电力系统健康状态监测传感器部署方法 - Google Patents

一种孤岛移动式电力系统健康状态监测传感器部署方法 Download PDF

Info

Publication number
CN107241740A
CN107241740A CN201710279272.3A CN201710279272A CN107241740A CN 107241740 A CN107241740 A CN 107241740A CN 201710279272 A CN201710279272 A CN 201710279272A CN 107241740 A CN107241740 A CN 107241740A
Authority
CN
China
Prior art keywords
power system
sensor
isolated island
mobile power
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710279272.3A
Other languages
English (en)
Other versions
CN107241740B (zh
Inventor
王荣杰
周海峰
蒋德松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jimei University
Fishery Machinery and Instrument Research Institute of CAFS
Original Assignee
Jimei University
Fishery Machinery and Instrument Research Institute of CAFS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jimei University, Fishery Machinery and Instrument Research Institute of CAFS filed Critical Jimei University
Priority to CN201710279272.3A priority Critical patent/CN107241740B/zh
Publication of CN107241740A publication Critical patent/CN107241740A/zh
Application granted granted Critical
Publication of CN107241740B publication Critical patent/CN107241740B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Algebra (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种孤岛移动式电力系统健康状态监测传感器部署方法，其特征在于，包括如下两大步骤：步骤1、面向孤岛移动式电力系统的传感器部署步骤；步骤2、基于欠定复数盲源分离的孤岛移动式电力系统健康状态信号分离实现步骤。与现有技术相比，本发明提供的孤岛移动式电力系统健康状态监测传感器部署方法，全面反映电力系统健康状态的信息能从更少传感器中获取，并解决移动载体机舱空间有限与采集电力系统工作数据需要装置过多传感器之间的矛盾。

Description

一种孤岛移动式电力系统健康状态监测传感器部署方法
技术领域
本发明涉及电力系统领域，确切地说是指一种孤岛移动式电力系统健康状态监测传感器部署方法。
背景技术
国内外关于电力系统健康状态监测传感器部署方法方面的研究主要有两类：一类是Shafaq B.C.，Juan E.T.和李强懿等研究的无线传感器网络的传感器部署方法，无线传感器网络所要部署的传感器节点仅能采用供电方式的能量非常有限，然而传感器节点的能量又决定着无线传感器网络的性能和使用寿命，这类传感器部署策略仅考虑如何有效利用有限的能量来最大限度地延长网络的寿命，而没有考虑传感器所能部署的实际几何位置；另一类是Krause A.，Stolkin R.和Martin W.N.等研究的基于最佳部署几何位置的传感器部署方法，这类的传感器部署策略能为传感器选定最佳的几何位置，但它们没有考虑部署的传感器能传输的信息量。由于孤岛移动式电力系统的工作空间如船舶和飞机机舱特殊的环境，采集监测孤岛移动式电力系统健康状态的传感器部署方法不仅要根据选定的传感器数量和类型在有限的空间内为每个传感器选定最佳的几何位置，还要使选定部署方案中的传感器传输的信息量达到最大。为此，存在移动载体机舱空间有限与采集电力系统工作数据需要装置过多传感器之间的矛盾。
发明内容
针对上述缺陷，本发明解决的技术问题在于提供一种孤岛移动式电力系统健康状态监测传感器部署方法，全面反映电力系统健康状态的信息能从更少传感器中获取，并解决移动载体机舱空间有限与采集电力系统工作数据需要装置过多传感器之间的矛盾。
为了解决以上的技术问题，本发明提供的一种孤岛移动式电力系统健康状态监测传感器部署方法，包括如下两大步骤：
步骤1、面向孤岛移动式电力系统的传感器部署步骤；其中，步骤1分为如下步骤完成：
S11、根据孤岛移动式电力系统健康状态演变以及状态的形成机理和应力分析模型，构建反映电力系统基本部件的物理信号、子系统工作状态和整体系统健康状态三者之间的逻辑关系的逻辑树；
S12、根据健康状态演变时反应敏感牡蛎信号是否采集的原则，得到不同采集物理信号的组合方案；
S13、选定传感器类型和数量，根据孤岛移动式电力系统的具体工作环境的特征，确定传感器可能部署的位置；
S14、根据步骤S13给定的传感器类型、数量和可能部署的位置进行排列组合得到不同的候选部署方案；
S15、根据蒙特卡罗样本抽取方法利用仿真软件产生孤岛移动式电力系统不同工作状态下几部部件的模拟信号，并以部件的物理信号能否反映子系统状态和整体系统健康状态为依据，统计步骤S12不同采集方案出现的频率及计算出相应的出现概率；
S16、以步骤S11构建的逻辑树和贝叶斯理论为推理机，计算步骤S14所有部署方案中所需传感器对应的出现概率；
S17、计算步骤S14每种部署方案中传感器所能传输反映电力系统健康状态信息量的熵值，该熵值为每种部署方案中所有传感器所能传输信息量的数学期望值；
S18、以步骤S17计算的熵值最大为原则，确定出最优的传感器部署方案；
步骤2、基于欠定复数盲源分离的孤岛移动式电力系统健康状态信号分离实现步骤；其中，其中步骤2分为如下步骤完成：
S21、对传感器采集信号进行时-频变换，获得这些信号的复数形式；
S22、利用基于聚类分析的欠定源数估计机理估计出隐含在传感器采集信号中的孤岛移动式电力系统信号的源数；
S23、根据步骤S22估计隐含在传感器采集信号中孤岛移动式电力系统信号的源数，由基于牛顿迭代和差分峰度的欠定复数盲源分离算法分离隐含在传感器采集信号中的电力系统信号。
本发明的基于欠定复数盲源分离的传感器部署策略，首先要确定具有最佳几何位置和最大传输信息量采集孤岛移动式电力系统健康状态演变时反应敏感信号的传感器部署方案；然后利用欠定复数盲源分离算法提取出隐含在传感器采集信号中表征电力系统工作属性的信号。与现有技术相比，本发明提供的孤岛移动式电力系统健康状态监测传感器部署方法，全面反映电力系统健康状态的信息能从更少传感器中获取，并解决移动载体机舱空间有限与采集电力系统工作数据需要装置过多传感器之间的矛盾。
附图说明
图1为本发明实施例中孤岛移动式电力系统健康状态监测传感器部署方法中步骤1的流程图；
图2为步骤1中步骤S16基于贝叶斯理论的逻辑树推理机计算部署的传感器对应出现概率的流程图。
具体实施方式
为了本领域的技术人员能够更好地理解本发明所提供的技术方案，下面结合具体实施例进行阐述。
请参见图1和图2，图1为本发明实施例中孤岛移动式电力系统健康状态监测传感器部署方法中步骤1的流程图；图2为步骤1中步骤S16基于贝叶斯理论的逻辑树推理机计算部署的传感器对应出现概率的流程图。
本发明实施例提供的孤岛移动式电力系统健康状态监测传感器部署方法，包括如下两大步骤：
步骤1、面向孤岛移动式电力系统的传感器部署步骤；
步骤2、基于欠定复数盲源分离的孤岛移动式电力系统健康状态信号分离实现步骤。
步骤1不仅要根据选定的传感器数量和类型在移动载体机舱有限的空间为每个传感器选定最佳的几何位置，还要使选定部署方案中的传感器传输反映电力系统健康状态的信息量达到最大。其中，步骤1分为如下步骤完成：
S11、根据孤岛移动式电力系统健康状态演变以及状态的形成机理和应力分析模型，构建反映电力系统基本部件的物理信号、子系统工作状态和整体系统健康状态三者之间的逻辑关系的逻辑树；
S12、根据健康状态演变时反应敏感牡蛎信号是否采集的原则，得到不同采集物理信号的组合方案；
S13、选定传感器类型和数量，根据孤岛移动式电力系统的具体工作环境的特征，确定传感器可能部署的位置；
S14、根据步骤S13给定的传感器类型、数量和可能部署的位置进行排列组合得到不同的候选部署方案；
S15、根据蒙特卡罗样本抽取方法利用仿真软件产生孤岛移动式电力系统不同工作状态下几部部件的模拟信号，并以部件的物理信号能否反映子系统状态和整体系统健康状态为依据，统计步骤S12不同采集方案出现的频率及计算出相应的出现概率；
S16、以步骤S11构建的逻辑树和贝叶斯理论为推理机，计算步骤S14所有部署方案中所需传感器对应的出现概率；
S17、计算步骤S14每种部署方案中传感器所能传输反映电力系统健康状态信息量的熵值，该熵值为每种部署方案中所有传感器所能传输信息量的数学期望值；
S18、以步骤S17计算的熵值最大为原则，确定出最优的传感器部署方案。
在步骤S16中，首先，由S16的蒙特卡罗方法产生出一系列电力系统的各种健康状态；其次，根据S11建立的逻辑树，分析哪些电力系统的基本部件(电力设备或元件)物理信号可以表征蒙特卡罗方法产生出电力系统的各种健康状态，从而统计出每种部署方案中每个传感器出现的次数；最后，由贝叶斯网络理论计算采集表征蒙特卡罗方法产生出电力系统的各种健康状态物理信号每种部署方案中每个传感器出现的概率。
其中，其中步骤2分为如下步骤完成：
S21、对传感器采集信号进行时-频变换，获得这些信号的复数形式；
S22、利用基于聚类分析的欠定源数估计机理估计出隐含在传感器采集信号中的孤岛移动式电力系统信号的源数。欠定盲源分离的混合模型为：x(k)＝As(k)；x(k)为观测信号，s(k)为源信号，而A为混合矩阵，它反映了混合系统或信道的传输特性，如果将观测信号x(k)和源信号s(k)的维数分别记为m和n，当m<n时，即A行数少于列数，称为欠定。源数估计就是在s(k)和A都为“盲”信息，仅已知观测信号的前提下将隐含在x(k)中s(k)的个数n估计出来。
如果将传感器采集到的信号视为x(k)，则相应地s(k)为隐含在传感器采集信号中的移动电力系统源信号，并记x(t,f)为时-频变换后传感器采集到的混合观测信号，t和f分别为时域和频域的采样点，如果某一时频点(t,f)的x(t,f)为单源点(在该时频点只有一个隐含的源信号不为零，其余的源信号均为零)且存在x(t,f)的一个元素xi(t,f)≠0(i＝1,2,…,m)，那么x(t,f)中所有的元素均由某一个相同的源信号与混合矩阵A中的元素相乘获得，因此为纯实数向量；如果(t,f)不为单源点时，那么为复数向量。根据这一思想构造选择具有单源性的观测信号表达式为：
||·||为Frobenius范数的运算符，Re[·]和Im[·]分别为取实部和取虚部运算，具有单源特性的观测信号x(t,f)的实部或虚部与对应的A中的列向量之间具有相同的绝对方向，又由于A列数为源数n，因此利用非监督模式分类的聚类分析对具有单源特性的观测信号进行聚类估计源数。基于聚类分析的欠定源数估计机理：根据不同的聚类数(聚类数c＝2,3,…,cmax)对单源性元素进行Ψs聚类以达到自动对数据样本进行分类的目的，并以为验证准则对不同c的聚类结果进行评估得到最优聚类数，Scat(c)和Sep(c)分别表示聚类数为c的聚类紧凑性和描述聚类数为c时聚类中心分布情况的聚类分离度，它们不仅与聚类数c有关，还与单源性观测信号集合Ψs中的元素和聚类中心相关，当聚类紧凑性越好时Scat(c)的值将越小，当聚类中心分布越合理时Sep(c)的值也将越小，而当验证准则函数为最小时，便可获得Ψs的最佳聚类数，即确定隐含在传感器采集信号中移动电力系统信号的源数n。
S23、根据步骤2估计隐含在传感器采集信号中孤岛移动式电力系统信号的源数，由基于牛顿迭代和差分峰度的欠定复数盲源分离算法分离隐含在传感器采集信号中的电力系统信号。复数盲源分离混合模型为：X(k)＝AS(k)；X(k)为观测信号，S(k)为源信号，它们均为复数，而A为混合矩阵，它反映了混合系统或信道的传输特性。复数盲源分离就是在仅已知X(k)的前提下，依靠复数信号的统计特性从X(k)分离或恢复出S(k)。将X(k)记为传感器采集到在时频域的混合观测信号(即如果记x(k,f)为在频域点f的观测信号，则X(k)＝x(k,f)，f＝fmin,…,fmax)，S(k)为隐含在传感器采集信号中能表征孤岛移动式电力系统健康状态的信号，当A行数少于列数，即欠定情况。本项目引入基于欠定复数盲源分离技术的孤岛移动式电力系统健康状态监测数据采集传感器部署策略的目的就是要利用更少的传感器获得监测电力系统工作更全面的数据。由于表征电力系统健康状态的信号S(k)为服从不同分布的复值信号，本项目又提出基于牛顿迭代和差分峰度的欠定复数盲源分离算法。
逐次盲源分离的表达式可描述为：y(k)＝wiX(k)，wi为抽取权向量，i＝1,2,…,n；y(k)为在S(k)中一个源信号的恢复或估计，以此通过多次提取最终获得所有源信号的估计。在信号处理中复值信号的分布类型依据信号的峰度值来界分，复值信号y(k)的峰度定义为：
式中的上标“*”为取共轭复数的运算，E[·]为求期望运算符。如果记Ky(k1)和Ky(k2)分别为信号y(k)在时域点k1和k2的峰度，那么将复值信号y(k)的差分峰度定义为：
式中，和分别为源信号Si(k)在时域点k1和k2的峰度。当Si(k)为平稳信号时，它的而源信号Si(k)为非平稳信号时，那么因此，DKy(k1,k2)是由非平稳的Si(k)元素组成的。如果令Q为非平稳源信号Si(k)的序号i集合，则y(k)的差分峰度又可写成：如果源信号特性满足假设条件时，那么欠定的问题将可以退化(简化)为非定的问题。DKy(k1,k2)的绝对值为一个严格的凸函数，如果源信号Si(k)的差分峰度当盲分离Si(t)的抽取向量wi达到最优值时，y(t)的差分峰度DKy(k1,k2)将达到最大值(最小值)，此时将存在唯一一个ri(i∈Q)不为零，而它对应的某源信号Si(k)将可以被恢复出来。不失一般性，将源信号Si(k)相关函数的值约束在单位球面上，可得到||wi||2＝1。由上述的分析可得到如下两个结论：其一，差分峰度绝对值可以作为求解盲抽取权向量wi的代价函数，即通过最大化差分峰度绝对值可以恢复出混合在欠定观测信号中的复值源信号；其二，wi受到||wi||2＝1项的约束。它们具体可以描述为：z(k)＝BX(k)，(约束条件为||wi||2＝1)，y(k)＝wi Hz(k)，B为白化矩阵。基于牛顿迭代和差分峰度的欠定复数盲源分离算法的思想为：以差分峰度的绝对值作为目标函数，利用牛顿迭代寻优机理进行优化得到最优权抽取向量wi，在优化过程中只有当|DKy(k1,k2)|达到最大值时的wi被认为是最优的，并由此获得一个源信号的估计y(k)，以此通过多次的提取过程最终获得所有源信号的估计。这种算法不需要对复值源信号做任何限制或约束性的假设前提，适用于处理服从任意分布的复值信号，并且项目组前期的研究证明了利用牛顿迭代寻优机理迭代计算具有很好的收敛性能和稳定性。其算法实现过程：首先，由z(k)＝BX(k)计算白化观测信号z(k)；然后利用牛顿迭代式求解最优的wi，并采用和去相关处理以避免代价函数收敛后得到两个相同的解(即两次分离出同一个信号)；最后利用y(k)＝wi Hz(k)得到复值源信号S(k)的一个Si(k)估计值，源信号S(k)将按差分峰度绝对值的降序逐次地恢复出来。
本发明的基于欠定复数盲源分离的传感器部署策略，首先要确定具有最佳几何位置和最大传输信息量采集孤岛移动式电力系统健康状态演变时反应敏感信号的传感器部署方案；然后利用欠定复数盲源分离算法提取出隐含在传感器采集信号中表征电力系统工作属性的信号。
与现有技术相比，本发明提供的孤岛移动式电力系统健康状态监测传感器部署方法，全面反映电力系统健康状态的信息能从更少传感器中获取，并解决移动载体机舱空间有限与采集电力系统工作数据需要装置过多传感器之间的矛盾。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (1)

1.一种孤岛移动式电力系统健康状态监测传感器部署方法，其特征在于，包括如下两大步骤：
步骤1、面向孤岛移动式电力系统的传感器部署步骤；其中，步骤1分为如下步骤完成：
S11、根据孤岛移动式电力系统健康状态演变以及状态的形成机理和应力分析模型，构建反映电力系统基本部件的物理信号、子系统工作状态和整体系统健康状态三者之间的逻辑关系的逻辑树；
S12、根据健康状态演变时反应敏感牡蛎信号是否采集的原则，得到不同采集物理信号的组合方案；
S13、选定传感器类型和数量，根据孤岛移动式电力系统的具体工作环境的特征，确定传感器可能部署的位置；
S14、根据步骤S13给定的传感器类型、数量和可能部署的位置进行排列组合得到不同的候选部署方案；
S15、根据蒙特卡罗样本抽取方法利用仿真软件产生孤岛移动式电力系统不同工作状态下几部部件的模拟信号，并以部件的物理信号能否反映子系统状态和整体系统健康状态为依据，统计步骤S12不同采集方案出现的频率及计算出相应的出现概率；
S16、以步骤S11构建的逻辑树和贝叶斯理论为推理机，计算步骤S14所有部署方案中所需传感器对应的出现概率；
S17、计算步骤S14每种部署方案中传感器所能传输反映电力系统健康状态信息量的熵值，该熵值为每种部署方案中所有传感器所能传输信息量的数学期望值；
S18、以步骤S17计算的熵值最大为原则，确定出最优的传感器部署方案；
步骤2、基于欠定复数盲源分离的孤岛移动式电力系统健康状态信号分离实现步骤；其中，其中步骤2分为如下步骤完成：
S21、对传感器采集信号进行时-频变换，获得这些信号的复数形式；
S22、利用基于聚类分析的欠定源数估计机理估计出隐含在传感器采集信号中的孤岛移动式电力系统信号的源数；
S23、根据步骤S22估计隐含在传感器采集信号中孤岛移动式电力系统信号的源数，由基于牛顿迭代和差分峰度的欠定复数盲源分离算法分离隐含在传感器采集信号中的电力系统信号。
CN201710279272.3A 2017-04-25 2017-04-25 一种孤岛移动式电力系统健康状态监测传感器部署方法 Active CN107241740B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710279272.3A CN107241740B (zh) 2017-04-25 2017-04-25 一种孤岛移动式电力系统健康状态监测传感器部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710279272.3A CN107241740B (zh) 2017-04-25 2017-04-25 一种孤岛移动式电力系统健康状态监测传感器部署方法

Publications (2)

Publication Number Publication Date
CN107241740A true CN107241740A (zh) 2017-10-10
CN107241740B CN107241740B (zh) 2020-03-17

Family

ID=59984132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710279272.3A Active CN107241740B (zh) 2017-04-25 2017-04-25 一种孤岛移动式电力系统健康状态监测传感器部署方法

Country Status (1)

Country Link
CN (1) CN107241740B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113379252A (zh) * 2021-06-11 2021-09-10 浙江工业大学 基于多尺度排列熵值的贝叶斯网络高压开关柜健康系统评估方法
CN116744317A (zh) * 2023-07-04 2023-09-12 北京博瑞翔伦科技发展有限公司 一种电力隧道传感器网络配置方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020290A (zh) * 2012-05-07 2013-04-03 山东电力集团公司青岛供电公司 电网信息校验方法及系统
CN103959589A (zh) * 2011-09-28 2014-07-30 通用电气公司 功率转换器孤岛检测
WO2015061881A1 (en) * 2013-10-29 2015-05-07 Gan Systems Inc. Fault tolerant design for large area nitride semiconductor devices
CN105372534A (zh) * 2015-12-04 2016-03-02 国网河南省电力公司电力科学研究院 一种多传感器多参量信息智能融合系统
CN106371070A (zh) * 2016-08-30 2017-02-01 电子信息系统复杂电磁环境效应国家重点实验室 一种改进的基于小波分析的欠定盲源分离源数估计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103959589A (zh) * 2011-09-28 2014-07-30 通用电气公司 功率转换器孤岛检测
CN103020290A (zh) * 2012-05-07 2013-04-03 山东电力集团公司青岛供电公司 电网信息校验方法及系统
WO2015061881A1 (en) * 2013-10-29 2015-05-07 Gan Systems Inc. Fault tolerant design for large area nitride semiconductor devices
CN105372534A (zh) * 2015-12-04 2016-03-02 国网河南省电力公司电力科学研究院 一种多传感器多参量信息智能融合系统
CN106371070A (zh) * 2016-08-30 2017-02-01 电子信息系统复杂电磁环境效应国家重点实验室 一种改进的基于小波分析的欠定盲源分离源数估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王荣杰: "基于相似度的电力电子电路故障诊断技术", 《集美大学学报(自然科学版)》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113379252A (zh) * 2021-06-11 2021-09-10 浙江工业大学 基于多尺度排列熵值的贝叶斯网络高压开关柜健康系统评估方法
CN116744317A (zh) * 2023-07-04 2023-09-12 北京博瑞翔伦科技发展有限公司 一种电力隧道传感器网络配置方法和系统
CN116744317B (zh) * 2023-07-04 2024-04-02 北京博瑞翔伦科技发展有限公司 一种电力隧道传感器网络配置方法和系统

Also Published As

Publication number Publication date
CN107241740B (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
CN108415789B (zh) 面向大规模混合异构存储系统的节点故障预测系统及方法
CN108182452A (zh) 基于分组卷积自编码器的航空发动机故障检测方法及系统
CN110795510B (zh) 基于高维数据关联挖掘的航天器系统健康状态评估方法
CN102457575B (zh) 服务器整合方法、装置和系统
CN103809115B (zh) 基于振动信号检测的断路器在线监测与故障诊断系统
CN104933444B (zh) 一种面向多维属性数据的多层聚类融合机制的设计方法
CN109975673B (zh) 一种光伏微电网直流侧故障电弧识别方法
CN104569694B (zh) 一种面向航天器飞行过程的电信号特征提取和识别系统
CN101726688A (zh) 一种多数据源信息融合的电网故障诊断方法
CN105260595A (zh) 道岔动作电流曲线的特征提取方法及道岔故障诊断方法
CN111080105A (zh) 基于电压时序数据的台区户变关系识别方法及系统
CN104133143B (zh) 一种基于Hadoop云计算平台的电网线路故障诊断系统及方法
CN104239964A (zh) 基于谱聚类和遗传优化极端学习机的超短期风速预测方法
CN103023927A (zh) 一种稀疏表达下的基于非负矩阵分解的入侵检测方法及系统
CN107085764A (zh) 一种基于改进dfhmm模型的负荷分解方法及装置
CN105204493A (zh) 一种旋转机械设备状态监测与故障诊断方法
CN105099759A (zh) 一种检测方法及装置
CN113836707B (zh) 基于加速属性网络嵌入算法的电力系统社区探测方法和装置
CN109374997A (zh) 基于vmd初始化s变换的混合动力系统电能质量扰动检测与评估方法
CN107241740A (zh) 一种孤岛移动式电力系统健康状态监测传感器部署方法
CN104280253B (zh) 一种基于免疫检测器的故障诊断方法及系统
CN101877065B (zh) 小样本条件下的人脸图像非线性鉴别特征抽取和识别方法
CN105634781B (zh) 一种多故障数据解耦方法和装置
CN115310499B (zh) 一种基于数据融合的工业设备故障诊断系统及方法
Nithiyananthan et al. Enhanced R package-based cluster analysis fault identification models for three phase power system network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant