CN112994702B - 城轨供电系统数字孪生用数据特征提取及数据压缩方法和装置 - Google Patents
城轨供电系统数字孪生用数据特征提取及数据压缩方法和装置 Download PDFInfo
- Publication number
- CN112994702B CN112994702B CN202110171399.XA CN202110171399A CN112994702B CN 112994702 B CN112994702 B CN 112994702B CN 202110171399 A CN202110171399 A CN 202110171399A CN 112994702 B CN112994702 B CN 112994702B
- Authority
- CN
- China
- Prior art keywords
- waveform data
- data
- deduced
- actual
- power supply
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000000605 extraction Methods 0.000 title claims description 25
- 238000013144 data compression Methods 0.000 title claims description 21
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 8
- 230000006835 compression Effects 0.000 claims description 8
- 238000013500 data storage Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 12
- 238000003745 diagnosis Methods 0.000 description 7
- 238000011176 pooling Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例提供了一种城轨供电系统数字孪生用数据特征提取及数据压缩方法和装置，所述方法包含：步骤1，获取城轨供电系统的采集的实际的波形数据与推演的波形数据；所述波形数据包括：交流侧波形数据和直流侧波形数据；步骤2，对所述实际的波形数据与所述推演的波形数据进行压缩；步骤3，对压缩后的所述实际的波形数据与所述推演的波形数据进行分析，提取出所述实际的波形数据的关键特征信息值与所述推演的波形数据的关键特征信息值；步骤4，根据所述实际的波形数据与所述推演的波形数据的关键特征信息值之间的差值，判断所述城轨供电系统是否出现故障，生成判断结果。
Description
技术领域
本发明涉及牵引供电系统领域，尤其涉及一种城轨供电系统数字孪生用数据特征提取及数据压缩方法。
背景技术
目前，牵引供电系统是城市轨道交通系统的最核心部分，为列车运行提供持续、稳定的能量供给，是城市轨道交通系统安全平稳运行的重要保障。在城市轨道交通系统中，主变电所在接收城市电网的高压电源110kV之后，将其降压为35kV的中压网络。35kV的交流中压网络是国家的标准电压等级，牵引供电系统又将其降压整流后变成1500V的直流电压。牵引供电系统交流测和直流侧的电压电流数据可直接反映系统内各设备的运行状况以及健康状态。然而，如果对每个时刻的各变量的波形数据都进行存储和分析，会增加系统的运算负荷，存储与分析所需的时间也会大大延长。
发明内容
本发明的实施例提供了一种城轨供电系统数字孪生用数据特征提取及数据压缩方法和装置，提高了数据处理效率。
一种城轨供电系统数字孪生用数据特征提取及数据压缩方法，包含：
步骤1，获取城轨供电系统的采集的实际的波形数据与推演的波形数据；所述波形数据包括：交流侧波形数据和直流侧波形数据；
步骤2，对所述实际的波形数据与所述推演的波形数据进行压缩；
步骤3，对压缩后的所述实际的波形数据与所述推演的波形数据进行分析，提取出所述实际的波形数据的关键特征信息值与所述推演的波形数据的关键特征信息值；
步骤4，根据所述实际的波形数据与所述推演的波形数据的关键特征信息值之间的差值，判断所述城轨供电系统是否出现故障，生成判断结果。
所述的方法，还包括：
步骤5，当所述城轨供电系统是否出现故障时，判断所述故障发生的位置；
步骤6，当所述城轨供电系统未出现故障时，则评估设备的健康状态，预测未来是否会出现故障。
所述的方法，还包括：
步骤7，根据压缩后的所述实际的波形数据与所述推演的波形数据，还原并显示所述实际的波形数据与所述推演的波形数据。
所述步骤2中对所述实际的波形数据进行压缩的步骤包括：
在每个小时选取最后十分钟，在最后十分钟内选取每分钟的前十秒，每秒钟生成一条实际的波形数据，每条实际的波形数据内将各个变量在一秒内的波形平均分配选择预定量个点，作为压缩后的实际的波形数据。
所述步骤3包括：
分别根据压缩后的所述实际的波形数据与所述推演的波形数据，构建卷积神经网络架构，输出所述实际的波形数据的关键特征信息值与所述推演的波形数据的关键特征信息值；
所述卷积神经网络包括：卷积层、池化层和全连接层；
其中，所述卷积层对数据进行特征分析与提取；所述池化层用于降维；所述全连接层用于输出结果。
所述关键特征信息值包括：幅值、频率、畸变率。
一种城轨供电系统数字孪生用数据特征提取及数据压缩的装置，包含：
获取单元，获取底层采集的城轨供电系统的实际的波形数据与推演的波形数据；所述波形数据包括：交流侧波形数据和直流侧波形数据；
压缩单元，对所述实际的波形数据与所述推演的波形数据进行压缩；
分析单元，对压缩后的所述实际的波形数据与所述推演的波形数据进行分析，提取出所述实际的波形数据的关键特征信息值与所述推演的波形数据的关键特征信息值；
判断单元，根据所述实际的波形数据与所述推演的波形数据的关键特征信息值之间的差值，判断所述城轨供电系统是否出现故障，生成判断结果。
由上述本发明的实施例提供的技术方案可以看出，本发明实施例中，其加入的数据特征提取与数据压缩方法筛选了大量的数据，去除了无用重复的数据，使数据变得少而精，大大减小了数据存储的数量，提高了数据存储与读取等的处理效率，对城市轨道交通系统牵引供电系统变量监控的高效运行具有重要意义。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的城轨供电系统基于数字孪生技术的运营推演方法的流程示意图；
图2为本发明实施例提供的城轨供电系统数字孪生用数据特征提取及数据压缩方法的实现原理示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
如图1所示，为本发明所述的一种城轨供电系统数字孪生用数据特征提取及数据压缩方法，包含：
步骤1，获取城轨供电系统的采集的实际的波形数据与推演的波形数据；所述波形数据包括：交流侧波形数据和直流侧波形数据；
步骤2，对所述实际的波形数据与所述推演的波形数据进行压缩；
步骤3，对压缩后的所述实际的波形数据与所述推演的波形数据进行分析，提取出所述实际的波形数据的关键特征信息值与所述推演的波形数据的关键特征信息值；
步骤4，根据所述实际的波形数据与所述推演的波形数据的关键特征信息值之间的差值，判断所述城轨供电系统是否出现故障，生成判断结果。
所述的方法，还包括：
步骤5，当所述城轨供电系统是否出现故障时，判断所述故障发生的位置；
步骤6，当所述城轨供电系统未出现故障时，则评估设备的健康状态，预测未来是否会出现故障。
所述的方法，还包括：
步骤7，根据压缩后的所述实际的波形数据与所述推演的波形数据，还原并显示所述实际的波形数据与所述推演的波形数据。
所述步骤2中对所述实际的波形数据进行压缩的步骤包括：
在每个小时选取最后十分钟，在最后十分钟内选取每分钟的前十秒，每秒钟生成一条实际的波形数据，每条实际的波形数据内将各个变量在一秒内的波形平均分配选择预定量个点，作为压缩后的实际的波形数据。
所述步骤3包括：
分别根据压缩后的所述实际的波形数据与所述推演的波形数据，构建卷积神经网络架构，输出所述实际的波形数据的关键特征信息值与所述推演的波形数据的关键特征信息值；
所述卷积神经网络包括：卷积层、池化层和全连接层；
其中，所述卷积层对数据进行特征分析与提取；所述池化层用于降维；所述全连接层用于输出结果。
所述关键特征信息值包括：幅值、频率、畸变率。
本发明的一种城轨供电系统数字孪生用数据特征提取及数据压缩装置，包含：
获取单元，获取底层采集的城轨供电系统的实际的波形数据与推演的波形数据；所述波形数据包括：交流侧波形数据和直流侧波形数据；
压缩单元，对所述实际的波形数据与所述推演的波形数据进行压缩；
分析单元，对压缩后的所述实际的波形数据与所述推演的波形数据进行分析，提取出所述实际的波形数据的关键特征信息值与所述推演的波形数据的关键特征信息值；
判断单元，根据所述实际的波形数据与所述推演的波形数据的关键特征信息值之间的差值，判断所述城轨供电系统是否出现故障，生成判断结果。
以下描述本发明的应用场景：
如图2所示，本发明提供了一种城轨供电系统数字孪生用数据特征提取及数据压缩装置，包括：数据压缩与存储模块、特征提取模块、数字孪生内核模块与上层服务器模块。
所述的数据压缩与存储模块用于过滤压缩底层采集与推演获得的交流和直流侧波形数据，将压缩后的数据存储在数据库中。
所述的特征信息提取模块利用算法对数据库中经过压缩的数据进行分析，获得交流和直流侧波形数据的关键特征信息，包括：幅值、频率、畸变率等。
所述的数字孪生内核模块用于对比底层实际运行数据与推演数据的关键特征信息，实现波形的分析与评估，并将结果上传至上层服务器。
所述的上层服务器模块用于接收并处理分析与评估结果，包括：波形还原与显示模块与故障诊断与健康状态评估模块。
所述的波形还原与显示模块用于从数据库中读取交流和直流侧的波形数据，连接每个数据点，还原原始的波形，并在显示界面中显示。
所述的故障诊断与健康状态评估模块利用算法，根据数字孪生内核模块分析与评估的结果，进行故障诊断与健康状态评估，并将结果通过显示界面显示。
所述的一种城轨供电系统数字孪生用数据特征提取及数据压缩方法，述推演系统的工作流程包括以下步骤：
步骤一，在数据压缩与存储模块中将底层采集与推演获得的交流和直流侧波形数据过滤压缩后存入数据库，从数据库中读取数据并在特征提取模块中提取关键特征信息；
步骤二，数字孪生内核模块对比底层实际运行数据与推演数据的关键特征信息，实现波形的分析与评估，并将结果上传至上层服务器模块。
步骤三，上层服务器模块中的波形还原与显示模块用于从数据库中读取交流和直流侧的波形数据，连接每个数据点，还原原始的波形，并在显示界面中显示。上层服务器模块中的故障诊断与健康状态评估模块利用算法，根据数字孪生内核模块分析与评估的结果，进行故障诊断与健康状态评估，并将结果通过显示界面显示。
本发明提供一种的实现底层高采样率数据的传输和复现，减轻网络压力，对底层采集的交流和直流侧波形数据进行压缩，提取关键特征信息的方法。
本发明实施例提供的实施例，相比于传统的数据存储与读取，其加入的数据特征提取与数据压缩方法筛选了大量的数据，去除了无用重复的数据，使数据变得少而精，大大减小了数据存储的数量，提高了数据存储与读取等的处理效率，对城市轨道交通系统牵引供电系统变量监控的高效运行具有重要意义。
本发明实施例提出的城轨供电系统数字孪生用数据特征提取及数据压缩方法的实现原理示意图如图1所示，包括：数据压缩与存储模块、特征提取模块、数字孪生内核模块与上层服务器模块。
本发明提供城轨供电系统数字孪生用数据特征提取及数据压缩方法，如图2所示，其具体实施方式包括以下步骤：
步骤1，在分别接收到底层传感器采集与程序推演获得的城轨供电系统交流和直流侧的电压和电流波形数据后，数据压缩与存储模块对这两类数据分别进行压缩处理，具体压缩处理方法为选取每个小时最后10分钟，在最后十分钟内选取每分钟的前10秒，每秒钟生成一条数据，每条数据内分别将三相电压和电流的每一个变量在一秒内的波形平均分配选择2000个点存储，2000个数据存储在同一个格子中，每个数据用逗号分隔，以减少每条数据的格子使用数。通过压缩，最终每个小时内每个设备仅在数据库中存储100条数据，数据量得到了大幅度的减少，存储的效率得到了极大的提高；
步骤2，特征提取模块从数据库中提取经过压缩处理的采集与推演获得的数据，构建卷积神经网络架构，卷积神经网络包括：卷积层、池化层和全连接层。卷积层用于对数据进行特征分析与提取，获得数据的特征参数；池化层用于降维，防止过拟合；全连接层用于输出结果。经过卷积神经网络后，分别获得采集与推演获得的交流和直流侧波形数据的关键特征信息，包括每相电流和电压的幅值、频率、畸变率等，分析结束后关键特征信息被传入数字孪生内核模块；
步骤3，数字孪生内核模块在接收到关键特征信息后，对比采集数据与推演数据的关键特征信息，若两者的差别大于各类信息提前设定的阈值，则给出差别警告，利用算法进一步分析与评估差别过大的采集波形数据与推演波形数据，判别是否确实出现故障，将分析与评估结果上传至上层服务器；
步骤4，上层服务器分别从数据库与数字孪生内核提取数据和分析与评估结果。其中采集与推演的波形还原与显示模块根据数据库中交流和直流侧的波形数据还原原始的各变量的波形，根据每个数据点，连线画出波形，并在界面中显示波形。在界面中，波形可根据所需时刻调取显示，波形可实现任意拉伸与压缩；
步骤5，之后，其中的故障诊断与健康状态评估模块利用算法根据结果进行故障诊断和健康状态评估，获得相关设备的运行状况，差别小于阈值的即为正常，差别大于阈值的即为异故障。根据实际运行状况与推演运行状况的差别情况判断是否出现故障，若出现故障，则给出设备故障发生的位置，若未出现故障，则评估设备的健康状态，预测未来是否会出现故障。诊断与评估结果通过显示界面显示。
综上所述，本发明实施例提出了一种城轨供电系统数字孪生用数据特征提取及数据压缩方法，相比于传统的数据存储与读取，其加入的数据特征提取与数据压缩方法筛选了大量的数据，去除了无用重复的数据，使数据变得少而精，大大减小了数据存储的数量，提高了数据存储与读取的效率，对城市轨道交通系统牵引供电系统变量监控的高效运行具有重要意义。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (5)
1.一种城轨供电系统数字孪生用数据特征提取及数据压缩方法，其特征在于，包含：
步骤1，获取城轨供电系统的采集的实际的波形数据与推演的波形数据；所述波形数据包括：交流侧波形数据和直流侧波形数据；
步骤2，对所述实际的波形数据与所述推演的波形数据进行压缩；对所述实际的波形数据进行压缩的步骤包括：
在每个小时选取最后十分钟，在最后十分钟内选取每分钟的前十秒，每秒钟生成一条实际的波形数据，每条实际的波形数据内将各个变量在一秒内的波形平均分配选择预定量个点，作为压缩后的实际的波形数据；
步骤3，对压缩后的所述实际的波形数据与所述推演的波形数据进行分析，提取出所述实际的波形数据的关键特征信息值与所述推演的波形数据的关键特征信息值；具体包括：
分别根据压缩后的所述实际的波形数据与所述推演的波形数据，构建卷积神经网络架构，输出所述实际的波形数据的关键特征信息值与所述推演的波形数据的关键特征信息值；
步骤4，根据所述实际的波形数据与所述推演的波形数据的关键特征信息值之间的差值，判断所述城轨供电系统是否出现故障，生成判断结果。
2.根据权利要求1所述的方法，其特征在于，还包括：
步骤5，当所述城轨供电系统是否出现故障时，判断所述故障发生的位置；
步骤6，当所述城轨供电系统未出现故障时，则评估设备的健康状态，预测未来是否会出现故障。
3.根据权利要求2所述的方法，其特征在于，还包括：
步骤7，根据压缩后的所述实际的波形数据与所述推演的波形数据，还原并显示所述实际的波形数据与所述推演的波形数据。
4.根据权利要求3所述的方法，其特征在于，所述关键特征信息值包括：幅值、频率、畸变率。
5.一种城轨供电系统数字孪生用数据特征提取及数据压缩装置，其特征在于，包含：
获取单元，获取底层采集的城轨供电系统的实际的波形数据与推演的波形数据；所述波形数据包括：交流侧波形数据和直流侧波形数据；
压缩单元，对所述实际的波形数据与所述推演的波形数据进行压缩；对所述实际的波形数据进行压缩的步骤包括：
在每个小时选取最后十分钟，在最后十分钟内选取每分钟的前十秒，每秒钟生成一条实际的波形数据，每条实际的波形数据内将各个变量在一秒内的波形平均分配选择预定量个点，作为压缩后的实际的波形数据；
分析单元，对压缩后的所述实际的波形数据与所述推演的波形数据进行分析，提取出所述实际的波形数据的关键特征信息值与所述推演的波形数据的关键特征信息值；具体包括：
分别根据压缩后的所述实际的波形数据与所述推演的波形数据，构建卷积神经网络架构，输出所述实际的波形数据的关键特征信息值与所述推演的波形数据的关键特征信息值；
判断单元，根据所述实际的波形数据与所述推演的波形数据的关键特征信息值之间的差值，判断所述城轨供电系统是否出现故障，生成判断结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110171399.XA CN112994702B (zh) | 2021-02-05 | 2021-02-05 | 城轨供电系统数字孪生用数据特征提取及数据压缩方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110171399.XA CN112994702B (zh) | 2021-02-05 | 2021-02-05 | 城轨供电系统数字孪生用数据特征提取及数据压缩方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112994702A CN112994702A (zh) | 2021-06-18 |
| CN112994702B true CN112994702B (zh) | 2023-12-19 |
Family
ID=76349275
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110171399.XA Active CN112994702B (zh) | 2021-02-05 | 2021-02-05 | 城轨供电系统数字孪生用数据特征提取及数据压缩方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112994702B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110062945A (ko) * | 2009-12-04 | 2011-06-10 | 충북대학교 산학협력단 | 다중레벨 인버터의 다단 스위치 고장 진단 장치 및 방법 |
| CN104316844A (zh) * | 2014-11-14 | 2015-01-28 | 广东电网有限责任公司佛山供电局 | 配电网故障类型识别方法及装置 |
| CN107202952A (zh) * | 2017-07-06 | 2017-09-26 | 北京信息科技大学 | 基于小波神经网络的回转窑故障诊断方法、故障诊断gui及系统 |
| CN108398609A (zh) * | 2018-03-19 | 2018-08-14 | 成都滕达科技有限公司 | 一种继电保护故障回放系统 |
| CN108445321A (zh) * | 2018-03-19 | 2018-08-24 | 成都滕达科技有限公司 | 一种继电保护故障智能录波方法 |
| CN110286323A (zh) * | 2019-07-19 | 2019-09-27 | 格力电器（武汉）有限公司 | 一种检验压缩机内部电机故障的方法和设备 |
| CN209746068U (zh) * | 2019-01-07 | 2019-12-06 | 山东科技大学 | 基于波形分析的配网故障告警系统 |
| CN110726898A (zh) * | 2018-07-16 | 2020-01-24 | 北京映翰通网络技术股份有限公司 | 一种配电网故障类型识别方法 |
-
2021
- 2021-02-05 CN CN202110171399.XA patent/CN112994702B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110062945A (ko) * | 2009-12-04 | 2011-06-10 | 충북대학교 산학협력단 | 다중레벨 인버터의 다단 스위치 고장 진단 장치 및 방법 |
| CN104316844A (zh) * | 2014-11-14 | 2015-01-28 | 广东电网有限责任公司佛山供电局 | 配电网故障类型识别方法及装置 |
| CN107202952A (zh) * | 2017-07-06 | 2017-09-26 | 北京信息科技大学 | 基于小波神经网络的回转窑故障诊断方法、故障诊断gui及系统 |
| CN108398609A (zh) * | 2018-03-19 | 2018-08-14 | 成都滕达科技有限公司 | 一种继电保护故障回放系统 |
| CN108445321A (zh) * | 2018-03-19 | 2018-08-24 | 成都滕达科技有限公司 | 一种继电保护故障智能录波方法 |
| CN110726898A (zh) * | 2018-07-16 | 2020-01-24 | 北京映翰通网络技术股份有限公司 | 一种配电网故障类型识别方法 |
| CN209746068U (zh) * | 2019-01-07 | 2019-12-06 | 山东科技大学 | 基于波形分析的配网故障告警系统 |
| CN110286323A (zh) * | 2019-07-19 | 2019-09-27 | 格力电器（武汉）有限公司 | 一种检验压缩机内部电机故障的方法和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112994702A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103457609B (zh) | 故障录波数据无损压缩、解压缩方法 | |
| CN102510125B (zh) | 电力一次设备运行工况监测方法及装置 | |
| CN114509283A (zh) | 系统故障监测方法、装置、电子设备和存储介质 | |
| CN108088916B (zh) | 一种油中溶解气体在线监测数据质量的提升方法及系统 | |
| CN105989427B (zh) | 一种基于数据挖掘的设备状态趋势分析和预警方法 | |
| CN110571925B (zh) | 一种利用配电网监测终端数据分析电能质量的方法 | |
| CN102035200A (zh) | 一种信号处理的方法和装置 | |
| CN109462404A (zh) | 基于相似度分段的自适应波形数据压缩方法 | |
| CN103941116A (zh) | 故障录波指示器的数据压缩方法 | |
| CN103346797A (zh) | 一种用于齿轮故障信号的实时压缩方法 | |
| CN111555776B (zh) | 一种输电线路融合感知及联合诊断方法、系统及装置 | |
| CN102467556A (zh) | 一种电能质量智能信息系统及方法 | |
| CN115687969A (zh) | 一种基于声音特征分析的低压变压器故障诊断方法 | |
| CN112994702B (zh) | 城轨供电系统数字孪生用数据特征提取及数据压缩方法和装置 | |
| CN106443361B (zh) | 一种电力网中在线异常的监测方法、装置及系统 | |
| CN105550450B (zh) | 一种电能质量干扰源特征谐波建模方法 | |
| CN104573866B (zh) | 一种预测电力设备缺陷的方法和系统 | |
| CN117526998A (zh) | 基于扩频载波通信的供电故障监测方法及系统 | |
| CN105447862A (zh) | 一种高压直流换流站远程故障诊断方法、装置及系统 | |
| CN107506832A (zh) | 对监控巡视进行辅助的隐患挖掘方法 | |
| CN111948531A (zh) | 基于多参量提取的有载分接开关带电检测方法 | |
| CN116540015A (zh) | 一种基于暂态波形信号的配电网故障预警方法及系统 | |
| CN115409367A (zh) | 基于物联网的智能电网健康状态评估方法及系统 | |
| CN113298893B (zh) | 一种基于电力调度的人工智能图像处理方法 | |
| CN113033775B (zh) | 一种基于有监督学习的非侵入式负荷识别网络架构 |
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 |