CN113567785B - 一种智能化电磁电器性能评估方法及系统 - Google Patents
一种智能化电磁电器性能评估方法及系统 Download PDFInfo
- Publication number
- CN113567785B CN113567785B CN202110840300.0A CN202110840300A CN113567785B CN 113567785 B CN113567785 B CN 113567785B CN 202110840300 A CN202110840300 A CN 202110840300A CN 113567785 B CN113567785 B CN 113567785B
- Authority
- CN
- China
- Prior art keywords
- performance evaluation
- index
- characteristic
- suction
- evaluation
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种智能化电磁电器性能评估方法及系统,该方法包括:构建性能评估体系:其第一层包括吸合、吸持、分断三个阶段,第二层包括各个阶段的各项特征指标,吸合阶段的特征指标包括吸合时间、弹跳时间和吸合功耗,吸持阶段的特征指标包括吸持功耗和接触电阻,分断阶段的特征指标包括燃弧时间、分断时间和燃弧功率;构建性能评估模型:先对各项特征指标进行无量纲化处理,并确定各项特征指标的权重,而后将指标数据和阶段评价等级转化为数字特征形式进行统一度量,结合逼近理想解排序法构建得到性能评估模型;采集智能电磁电器的各项特征指标数据,输入性能评估模型,解算得到评估结果。该方法及系统有利于对智能化电磁电器的性能进行评估。
Description
技术领域
本发明属于低压电器技术领域,具体涉及一种智能化电磁电器性能评估方法及系统。
背景技术
电磁电器的性能直接影响到用电系统的安全性与可靠性。电磁式开关设备性能集中表现为分合操作的快速、可靠以及操作寿命。由于电器触头受分断电弧侵蚀的程度与剩余电寿命大小有一定关系,传统的电器性能评估方法集中于触头的状态识别与表征。但电器的性能水平不单体现在触头状态与电寿命,其动作过程涉及到多项特征参数。尤其是伴随着智能开关电器的发展与智能电网不断提出的更高要求,电磁电器的动作时间与功耗等参数同样是其性能表征的重要参量。为了提高电器的性能表现水平,研究者们利用人工智能控制算法提出多种控制策略,各种方案都针对了一定的优化目标,但缺乏一套评估标准与合理的评估方法对各方案进行评判与优选决策。
发明内容
本发明的目的在于提供一种智能化电磁电器性能评估方法及系统,该方法及系统有利于对智能化电磁电器的性能进行评估。
为实现上述目的,本发明采用的技术方案是:一种智能化电磁电器性能评估方法,包括以下步骤:
构建性能评估体系:所述性能评估体系的第一层包括吸合、吸持、分断三个阶段,第二层包括各个阶段的各项特征指标,所述吸合阶段的特征指标包括吸合时间、弹跳时间和吸合功耗,所述吸持阶段的特征指标包括吸持功耗和接触电阻,所述分断阶段的特征指标包括燃弧时间、分断时间和燃弧功率;
构建性能评估模型:先对各项特征指标进行无量纲化处理,并确定各项特征指标的权重,而后建立关于各项特征指标的指标数据云模型和关于三个阶段的评价等级云模型,以将指标数据和阶段评价等级转化为数字特征形式进行统一度量,结合逼近理想解排序法构建得到性能评估模型;
采集智能电磁电器的各项特征指标数据,输入所述性能评估模型,解算得到评估结果。
进一步地,构建性能评估体系时,首先构建初始性能评估体系,所述初始性能评估体系的第一层包括吸合、吸持、分断三个阶段,第二层包括各个阶段的各项特征指标,所述吸合阶段的特征指标包括吸合时间、弹跳时间、吸合功耗、超程时间和吸合末速度,所述吸持阶段的特征指标包括吸持功耗、接触电阻和噪声水平,所述分断阶段的特征指标包括燃弧时间、燃弧能量、分断时间、燃弧功率、电弧侵蚀量、燃弧相角、累积燃弧能量和分断末速度;然后通过层次聚类算法对特征指标进行筛选,遍历所有特征指标,计算两两之间的相似性距离,将距离最近的两个特征指标聚为一类,再对新的聚类重复上述步骤,形成分层树状图形式的指标聚类结果;舍弃相似性较大且难以直接测量或计算的特征指标,最终得到所述性能评估体系。
进一步地,构建性能评估模型包括以下步骤:
对各项特征指标进行同质化转换,即进行无量纲化处理,以去除量纲不一致带来的影响;
确定各项特征指标的权重;
所述性能评估体系的第一层三个阶段为定性分析的指标,第二层的各项特征指标为定量衡量的数据性指标,基于云模型理论,将定量指标和定性评估区间都表示为由三个数字特征组成的云向量,即(Ex,En,He),其中,Ex为期望,描述云滴的典型值,En为熵,反映云滴的离散程度,He为超熵,反映云滴的凝聚度和厚度;
对于定量指标,如下式所示,根据其样本数据可以计算云向量:
对于定性指标,划分其评估区间与各评估等级范围[cmin,cmax],如下式所示,可以计算各评估区间的云向量:
Ex=(cmin+cmax)/2
En=(cmax-cmin)/6
从而将指标数据和阶段评价等级转化为数字特征形式进行统一度量,结合逼近理想解排序法构建得到性能评估模型。
进一步地,采用主客观结合的赋权方法确定各项特征指标的权重:结合文献大数据与专家咨询结果确定主观权重,根据指标数据的变异系数确定客观权重,然后采用离差最小化法确定主客观权重的分配占比,计算公式如下式所示:
假设有m个待评样本,n个指标,rij为第i个样本第j个指标无量纲化后的值,wjz为第j个指标的主观权重,wjk为第j个指标的客观权重,a是主观权重占比,b是客观权重占比,wz为主观权重,wk为客观权重,w为组合权重。
进一步地,采用逼近理想解排序法TOPSIS对性能评估模型进行解算:计算待评样本与正负理想解的距离,从而计算相对贴近度,选择评语等级最高与最低的等级云作为正负理想云,计算指标数据云与正负理想云的相对贴近度,相对贴进度越大,即样品评价值越高,样品性能越优;求得性能评估体系中第一层各阶段的独立评估结果,再确定第一层指标的权重,将相对贴近度为1作为最优解,相对贴近度为0作为最负解,利用TOPSIS方法确定最终评价结果。
进一步地,所述最终评价结果可以雷达图形式表征,以便于衡量各阶段评估情况,也可以最终的贴近度数值形式表示,确定整体评估结果。
本发明还提供了一种智能化电磁电器性能评估系统,包括FPGA下位机和PC上位机,所述FPGA下位机用于进行继电器控制、数据采集、智能化电磁电器控制策略执行,所述PC上位机用于进行波形显示、数据处理计算与存储,从而实现对智能化电磁电器进行实时的运动过程智能控制,并获取性能评估体系所需的各项指标数据。
进一步地,在评估系统应用于产品选型时,FPGA下位机输出时序上的数字控制信号改变继电器导通状态从而实现实验时间与实验频率的控制;在评估系统应用于智能控制策略决策时,在FPGA下位机输入控制策略程序,经过智能控制模块硬件电路实现智能化电磁电器的智能控制。
与现有技术相比,本发明具有以下有益效果:本发明提出了一种智能化电磁电器性能评估体系,以接触器运动过程中的吸合、吸持、分断三个阶段作为一层评价指标,分别分析每一阶段下的运行特征参数构成初始评估指标体系,再利用层次聚类法筛除包含重复信息的冗余指标,最终得到的两层评估指标体系可以利用较少的指标包含丰富的接触器性能水平信息。同时,本发明提出了一种智能化电磁电器性能评估模型构建方法,采用主客观综合确权法结合离差最小化法进行指标赋权,将云模型理论引入接触器性能评估领域,实现定性描述指标与定量描述指标的统一度量,利用TOPSIS算法进行评估结果最终解算;通过上述步骤构建的评估模型可以对接触器整体以及各运动阶段进行准确的评估,便于识别样品整体性能,并提出合适的控制策略。此外,本发明还提出了一种基于FPGA的智能化电磁电器性能评估系统,该系统可以实现开关运动过程的实时智能控制,并具有数据采集、计算、显示、存储功能,采用了模块化的硬件电路与软件结构,实现不同样机的控制策略灵活配置和整体性能指标评估。
附图说明
图1是本发明实施例的方法实现流程图。
图2是本发明实施例中初始性能评估体系的示意图。
图3是本发明实施例中性能评估体系的示意图。
图4是本发明实施例中性能评估模型的构建流程图。
图5是本发明实施例的系统结构框图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示,本实施例提供了一种智能化电磁电器性能评估方法,包括以下步骤:
1、构建性能评估体系
性能评估的第一步是构建性能评估体系。所述性能评估体系的第一层包括吸合、吸持、分断三个阶段,第二层包括各个阶段的各项特征指标,所述吸合阶段的特征指标包括吸合时间、弹跳时间和吸合功耗,所述吸持阶段的特征指标包括吸持功耗和接触电阻,所述分断阶段的特征指标包括燃弧时间、分断时间和燃弧功率。
构建性能评估体系时,首先构建初始性能评估体系。如图2所示,所述初始性能评估体系的第一层包括吸合、吸持、分断三个阶段,第二层包括各个阶段的各项特征指标,所述吸合阶段的特征指标包括吸合时间、弹跳时间、吸合功耗、超程时间和吸合末速度,所述吸持阶段的特征指标包括吸持功耗、接触电阻和噪声水平,所述分断阶段的特征指标包括燃弧时间、燃弧能量、分断时间、燃弧功率、电弧侵蚀量、燃弧相角、累积燃弧能量和分断末速度。初始性能评估体系中指标参数数量众多,存在一定的信息重叠。为解决指标冗余问题,引入层次聚类算法,通过层次聚类算法对特征指标进行筛选,遍历所有特征指标,计算两两之间的相似性距离,将距离最近的两个特征指标聚为一类,再对新的聚类重复上述步骤,形成分层树状图形式的指标聚类结果。舍弃相似性较大且难以直接测量或计算的特征指标,最终得到两层的性能评估体系,如图3所示。
2、构建性能评估模型
性能评估的第二步是构建性能评估模型。先对各项特征指标进行无量纲化处理,并确定各项特征指标的权重,而后建立关于各项特征指标的指标数据云模型和关于三个阶段的评价等级云模型,以将指标数据和阶段评价等级转化为数字特征形式进行统一度量,结合逼近理想解排序法构建得到性能评估模型。
如图4所示,构建性能评估模型包括以下步骤:
首先,对各项特征指标进行同质化转换,即进行无量纲化处理,以去除量纲不一致带来的影响。
然后,采用主客观结合的赋权方法确定各项特征指标的权重:结合文献大数据与专家咨询结果确定主观权重,根据指标数据的变异系数确定客观权重,然后采用离差最小化法确定主客观权重的分配占比,计算公式如式(1)所示:
假设有m个待评样本,n个指标,rij为第i个样本第j个指标无量纲化后的值,wjz为第j个指标的主观权重,wjk为第j个指标的客观权重,a是主观权重占比,b是客观权重占比,wz为主观权重,wk为客观权重,w为组合权重。
所述性能评估体系的第一层三个阶段为定性分析的指标,第二层的各项特征指标为定量衡量的数据性指标,基于云模型理论,将定量指标和定性评估区间都表示为由三个数字特征组成的云向量,即(Ex,En,He),其中,Ex为期望,描述云滴的典型值,En为熵,反映云滴的离散程度,He为超熵,反映云滴的凝聚度和厚度。
对于定量指标,如式(2)-(5)所示,根据其样本数据可以计算云向量:
对于定性指标,划分其评估区间与各评估等级范围[cmin,cmax],如式(6)、(7)所示,可以计算各评估区间的云向量:
Ex=(cmin+cmax)/2 (6)
En=(cmax-cmin)/6 (7)
从而将指标数据和阶段评价等级转化为数字特征形式进行统一度量,结合逼近理想解排序法构建得到性能评估模型。
为衡量最终的评价结果,采用逼近理想解排序法TOPSIS对性能评估模型进行解算,其方法是:计算待评样本与正负理想解的距离,从而计算相对贴近度,选择评语等级最高与最低的等级云作为正负理想云,计算指标数据云与正负理想云的相对贴近度,相对贴进度越大,即样品评价值越高,样品性能越优;求得性能评估体系中第一层各阶段的独立评估结果,再采用同样的主客观综合赋权法确定第一层指标的权重,将相对贴近度为1作为最优解,相对贴近度为0作为最负解,利用TOPSIS方法确定最终评价结果。所述最终评价结果可以雷达图形式表征,以便于衡量各阶段评估情况,也可以最终的贴近度数值形式表示,确定整体评估结果。
3、采集智能电磁电器的各项特征指标数据,输入所述性能评估模型,解算得到评估结果。
本实施例还提供了一种用于实现上述方法的智能化电磁电器性能评估系统,用于实现对智能化电磁电器进行实时的运动过程智能控制,并获取性能评估体系所需的各项指标数据。如图5所示,所述评估系统包括FPGA下位机和PC上位机,所述FPGA下位机用于进行继电器控制、数据采集、智能化电磁电器控制策略执行,所述PC上位机用于进行波形显示、数据处理计算与存储。秉持模块化的软硬件设计理念,可以使系统在不同应用场景下进行软硬件的灵活匹配。
在评估系统应用于产品选型时,FPGA下位机输出时序上的数字控制信号改变继电器导通状态从而实现实验时间与实验频率的控制;在评估系统应用于智能控制策略决策时,在FPGA下位机输入控制策略程序,经过智能控制模块硬件电路实现智能化电磁电器的智能控制。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (4)
1.一种智能化电磁电器性能评估方法,其特征在于,包括以下步骤:
构建性能评估体系:所述性能评估体系的第一层包括吸合、吸持、分断三个阶段,第二层包括各个阶段的各项特征指标,所述吸合阶段的特征指标包括吸合时间、弹跳时间和吸合功耗,所述吸持阶段的特征指标包括吸持功耗和接触电阻,所述分断阶段的特征指标包括燃弧时间、分断时间和燃弧功率;
构建性能评估模型:先对各项特征指标进行无量纲化处理,并确定各项特征指标的权重,而后建立关于各项特征指标的指标数据云模型和关于三个阶段的评价等级云模型,以将指标数据和阶段评价等级转化为数字特征形式进行统一度量,结合逼近理想解排序法构建得到性能评估模型;
采集智能电磁电器的各项特征指标数据,输入所述性能评估模型,解算得到评估结果;
构建性能评估体系时,首先构建初始性能评估体系,所述初始性能评估体系的第一层包括吸合、吸持、分断三个阶段,第二层包括各个阶段的各项特征指标,所述吸合阶段的特征指标包括吸合时间、弹跳时间、吸合功耗、超程时间和吸合末速度,所述吸持阶段的特征指标包括吸持功耗、接触电阻和噪声水平,所述分断阶段的特征指标包括燃弧时间、燃弧能量、分断时间、燃弧功率、电弧侵蚀量、燃弧相角、累积燃弧能量和分断末速度;然后通过层次聚类算法对特征指标进行筛选,遍历所有特征指标,计算两两之间的相似性距离,将距离最近的两个特征指标聚为一类,再对新的聚类重复上述步骤,形成分层树状图形式的指标聚类结果;舍弃相似性较大且难以直接测量或计算的特征指标,最终得到所述性能评估体系;
构建性能评估模型包括以下步骤:
对各项特征指标进行同质化转换,即进行无量纲化处理,以去除量纲不一致带来的影响;
确定各项特征指标的权重;
所述性能评估体系的第一层三个阶段为定性分析的指标,第二层的各项特征指标为定量衡量的数据性指标,基于云模型理论,将定量指标和定性评估区间都表示为由三个数字特征组成的云向量,即(Ex,En,He),其中,Ex为期望,描述云滴的典型值,En为熵,反映云滴的离散程度,He为超熵,反映云滴的凝聚度和厚度;
对于定量指标,如下式所示,根据其样本数据可以计算云向量:
对于定性指标,划分其评估区间与各评估等级范围[cmin,cmax],如下式所示,可以计算各评估区间的云向量:
Ex=(cmin+cmax)/2
En=(cmax-cmin)/6
从而将指标数据和阶段评价等级转化为数字特征形式进行统一度量,结合逼近理想解排序法构建得到性能评估模型;
采用主客观结合的赋权方法确定各项特征指标的权重:结合文献大数据与专家咨询结果确定主观权重,根据指标数据的变异系数确定客观权重,然后采用离差最小化法确定主客观权重的分配占比,计算公式如下式所示:
假设有m个待评样本,n个指标,rij为第i个样本第j个指标无量纲化后的值,wjz为第j个指标的主观权重,wjk为第j个指标的客观权重,a是主观权重占比,b是客观权重占比,wz为主观权重,wk为客观权重,w为组合权重;
采用逼近理想解排序法TOPSIS对性能评估模型进行解算:计算待评样本与正负理想解的距离,从而计算相对贴近度,选择评语等级最高与最低的等级云作为正负理想云,计算指标数据云与正负理想云的相对贴近度,相对贴进度越大,即样品评价值越高,样品性能越优;求得性能评估体系中第一层各阶段的独立评估结果,再确定第一层指标的权重,将相对贴近度为1作为最优解,相对贴近度为0作为最负解,利用TOPSIS方法确定最终评价结果。
2.根据权利要求1所述的一种智能化电磁电器性能评估方法,其特征在于,所述最终评价结果可以雷达图形式表征,以便于衡量各阶段评估情况,也可以最终的贴近度数值形式表示,确定整体评估结果。
3.一种用于实现如权利要求1-2任一项所述方法的智能化电磁电器性能评估系统,其特征在于,包括FPGA下位机和PC上位机,所述FPGA下位机用于进行继电器控制、数据采集、智能化电磁电器控制策略执行,所述PC上位机用于进行波形显示、数据处理计算与存储,从而实现对智能化电磁电器进行实时的运动过程智能控制,并获取性能评估体系所需的各项指标数据。
4.根据权利要求3所述的一种智能化电磁电器性能评估系统,其特征在于,在评估系统应用于产品选型时,FPGA下位机输出时序上的数字控制信号改变继电器导通状态从而实现实验时间与实验频率的控制;在评估系统应用于智能控制策略决策时,在FPGA下位机输入控制策略程序,经过智能控制模块硬件电路实现智能化电磁电器的智能控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110840300.0A CN113567785B (zh) | 2021-07-24 | 2021-07-24 | 一种智能化电磁电器性能评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110840300.0A CN113567785B (zh) | 2021-07-24 | 2021-07-24 | 一种智能化电磁电器性能评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113567785A CN113567785A (zh) | 2021-10-29 |
CN113567785B true CN113567785B (zh) | 2022-10-28 |
Family
ID=78167000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110840300.0A Active CN113567785B (zh) | 2021-07-24 | 2021-07-24 | 一种智能化电磁电器性能评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113567785B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115526540B (zh) * | 2022-10-28 | 2024-02-23 | 苏州西门子电器有限公司 | 电寿命的评估方法、装置、计算机可读介质及电子设备 |
CN117540283B (zh) * | 2024-01-10 | 2024-04-26 | 河北省药品医疗器械检验研究院(河北省化妆品检验研究中心) | 一种智能化电磁电器性能评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086518A (zh) * | 2018-08-01 | 2018-12-25 | 国网福建省电力有限公司 | 一种智能变电站输变电一次设备状态评估的方法 |
CN109636110A (zh) * | 2018-11-09 | 2019-04-16 | 中国电力科学研究院有限公司 | 一种获取继电保护装置运行状态的方法及装置 |
CN111929576A (zh) * | 2020-09-27 | 2020-11-13 | 通号(长沙)轨道交通控制技术有限公司 | 基于组合赋权法的真空断路器健康状态评估方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102543578B (zh) * | 2012-02-07 | 2014-04-09 | 福州大学 | 全闭环实时控制智能交流接触器 |
US9503278B2 (en) * | 2013-08-20 | 2016-11-22 | Lenovo Enterprise Solutions (Singapore) Pte. Ltd. | Reflective relay processing on logical ports for channelized links in edge virtual bridging systems |
CN104679988B (zh) * | 2015-01-26 | 2017-06-06 | 北京航空航天大学 | 一种基于云topsis的多属性决策方法 |
CN105740635B (zh) * | 2016-02-03 | 2018-01-30 | 中原工学院 | 一种变压器电磁设计方案的云理想解评价方法 |
CN108564254B (zh) * | 2018-03-15 | 2021-04-09 | 国网四川省电力公司绵阳供电公司 | 基于大数据的配电设备状态可视化平台 |
CN109670675B (zh) * | 2018-11-26 | 2023-10-31 | 国网冀北电力有限公司 | 充电桩运行状态评价方法及装置 |
CN110119904A (zh) * | 2019-05-22 | 2019-08-13 | 中国人民解放军海军工程大学 | 一种舰船装备维修保障能力评估方法和系统 |
CN110175789A (zh) * | 2019-05-31 | 2019-08-27 | 国网山东省电力公司经济技术研究院 | 基于模糊层次和critic法的配电网诊断评估指标权重赋权方法 |
CN111489040B (zh) * | 2020-04-22 | 2022-03-25 | 云南电网有限责任公司 | 一种基于最优组合赋权的电压序列综合评估方法 |
CN111859680A (zh) * | 2020-07-24 | 2020-10-30 | 武汉理工大学 | 一种系统性能综合评价方法 |
-
2021
- 2021-07-24 CN CN202110840300.0A patent/CN113567785B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086518A (zh) * | 2018-08-01 | 2018-12-25 | 国网福建省电力有限公司 | 一种智能变电站输变电一次设备状态评估的方法 |
CN109636110A (zh) * | 2018-11-09 | 2019-04-16 | 中国电力科学研究院有限公司 | 一种获取继电保护装置运行状态的方法及装置 |
CN111929576A (zh) * | 2020-09-27 | 2020-11-13 | 通号(长沙)轨道交通控制技术有限公司 | 基于组合赋权法的真空断路器健康状态评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113567785A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113567785B (zh) | 一种智能化电磁电器性能评估方法及系统 | |
Qu et al. | Series arc fault detection of indoor power distribution system based on LVQ-NN and PSO-SVM | |
CN107274105B (zh) | 基于线性判别分析的多属性决策树电网稳定裕度评估方法 | |
CN114219147B (zh) | 一种基于联邦学习的配电站故障预测方法 | |
CN109165604A (zh) | 基于协同训练的非侵入式负荷识别方法及其测试系统 | |
CN113125095B (zh) | 一种基于深度学习的万能式断路器触头系统剩余机械寿命预测方法 | |
CN110082682B (zh) | 一种锂电池荷电状态估计方法 | |
CN111553495A (zh) | 一种基于概率神经网络的小型断路器故障分析方法 | |
CN103245911A (zh) | 一种基于贝叶斯网络的断路器故障诊断方法 | |
CN109031103B (zh) | 一种交流接触器性能退化与状态评估方法 | |
CN109936113B (zh) | 一种基于随机森林算法的保护动作智能诊断方法及系统 | |
CN110632546B (zh) | 基于全网域证据集的电子式互感器可信度评估方法和装置 | |
CN113723844B (zh) | 一种基于集成学习的低压台区理论线损计算方法 | |
CN111722028A (zh) | 一种基于高频数据的负荷识别方法 | |
CN113780684A (zh) | 一种基于lstm神经网络的智慧楼宇用户用能行为预测方法 | |
CN108919104B (zh) | 一种基于Fisher判别分类法的断路器故障诊断方法 | |
CN112800976A (zh) | 基于高压断路器振动信号的故障诊断方法 | |
CN112101813A (zh) | 一种配电自动化设备测试综合评价排序方法 | |
CN109901064A (zh) | 基于ica-lvq的高压断路器故障诊断方法 | |
CN113947011A (zh) | 一种低压直流接触器状态评估方法及装置 | |
CN111667694B (zh) | 一种基于改进dtw-knn的短时交通流预测方法 | |
CN116167465A (zh) | 基于多变量时间序列集成学习的太阳辐照度预测方法 | |
CN111079647A (zh) | 一种断路器缺陷识别方法 | |
CN115169405A (zh) | 基于支持向量机的酒店客房设备故障诊断方法及系统 | |
CN114838923A (zh) | 有载分接开关的故障诊断模型建立方法及故障诊断方法 |
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 |