Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 江苏大学闫小喜获国家专利权

江苏大学闫小喜获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉江苏大学申请的专利一种特征辅助的局部放电点定位方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114518511B

龙图腾网通过国家知识产权局官网在2025-11-07发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210069896.3,技术领域涉及:G01R31/12;该发明授权一种特征辅助的局部放电点定位方法是由闫小喜;薛夏;秦亚兵设计研发完成,并于2022-01-21向国家知识产权局提交的专利申请。

一种特征辅助的局部放电点定位方法在说明书摘要公布了:本发明公开了一种特征辅助的局部放电点定位方法,具体步骤如下:1采集并初步处理局部放电信号,通过局部放电检测装置采集电力设备的局部放电信号,经过处理之后得到局部放电点的位置量测信息、局部放电脉冲信号和频谱图等信息;2针对时域和频域特征建模,使用振幅作为时域特征,使用频谱作为频域特征;3将时域频域特征与高斯混合概率假设密度滤波融合,用特征修正局部放电点高斯分量的权重。本发明以高斯混合概率假设密度滤波为基础,融合时频域特征,从而能够抑制杂波干扰,实现对于强杂波环境下局部放电点的定位。本发明具有响应速度快,抗干扰能力强,定位准确度高等优点。

本发明授权一种特征辅助的局部放电点定位方法在权利要求书中公布了:1.一种特征辅助的局部放电点定位方法,其特征在于,包括如下步骤: S1,采集并初步处理局部放电信号,经过处理之后得到局部放电点的位置量测信息、局部放电脉冲信号和频谱图信息; S2,对采集到的局部放电信号进行时域分析:以局部放电信号作为时域信号,使用振幅作为时域特征建模,考虑局部放电点的特性,振幅越高,则认为局部放电点存在的可能性更高; S3,对采集到的局部放电信号进行频域分析:对所采集到的局部放电信号做傅里叶变换提取频谱信息,使用频谱作为频域特征,将局部放电信号频谱与杂波频谱的差异转化为归一化的特征统计量数值差异,从数值上达到真实局部放电信号与杂波的区分,差异越大,则表明局部放电点存在的可能性更高; S4,将时域频域特征与GM-PHD融合:将时域、频域两维度的特征以乘积的形式作用于GM-PHD滤波器权重的更新,用特征修正局部放电点高斯分量的权重,实现对强杂波影响下的局部放电点的定位; 所述S4的GM-PHD滤波器权重的更新方法如下: 设k-1时刻的后验强度为: 式中,Nx;m,P表示均值为m协方差为P的高斯分布,表示k-1时刻高斯组件的权重,Jk-1为k-1时刻高斯组件的个数; k时刻的预测方程表示为: Dk|k-1x=DS,k|k-1x+Υkx2 式中,DS,k|k-1x为存活的局部放电点的后验强度,Υkx为新产生的局部放电点的后验强度; 对于k时刻存在的局部放电点,它可能以PD,k的概率被检测到并根据似然函数产生量测,也可能以1-PD,k的概率漏检,假设k时刻的预测为Dk|k-1x,而k时刻又得到新的观测zk,则k时刻数据更新后的概率假设密度为: 式中,1-PD,kDk|k-1x表示对未检测到局部放电点的预测概率假设密度的保留,PD,k为k时刻的检测概率;DD,kx;z为k时刻被检测到的部分概率假设密度的更新,表示为: 设定某阈值尽可能减小漏检部分,当振幅特征统计量α和归一化频域特征β同时大于该设定阈值时,将时域频域特征与GM-PHD融合,高斯权重更新为: 式中,Kkz为量测中虚警或噪声的概率假设密度,用杂波数目和杂波分布的乘积表示;Hk表示k时刻观测矩阵,Rk是k时刻观测噪声的协方差,表示预测的权重,表示过程噪声的协方差; 所述S4局部放电点的定位方法:在k时刻得到的高斯组件中丢弃权重低于预设剪枝阈值的高斯组件,保留权重较大的高斯分量,得到新的高斯组件,对其中一些满足合并阈值的高斯分量,将其合并为一个高斯分量,选择权重大于设定数值的高斯均值提取多局部放电点状态,即得到定位结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人江苏大学,其通讯地址为:212013 江苏省镇江市京口区学府路301号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。