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 > 国网河南省电力公司鹤壁供电公司咸辉获国家专利权

国网河南省电力公司鹤壁供电公司咸辉获国家专利权

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!

龙图腾网获悉国网河南省电力公司鹤壁供电公司申请的专利电力设备健康评估与故障预测系统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:CN119963023B

龙图腾网通过国家知识产权局官网在2026-01-30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:202411829366.X,技术领域涉及:G06Q10/0639;该发明授权电力设备健康评估与故障预测系统是由咸辉;黄清江;王文;薛晨旭;申丽馨;马学娣;朱毅炜;杜振宝;程夏威;崔志永;张智远;王欢;王泽华设计研发完成,并于2024-12-12向国家知识产权局提交的专利申请。

电力设备健康评估与故障预测系统在说明书摘要公布了:本发明公开了电力设备健康评估与故障预测系统,涉及电力设备监测与维护技术领域,该系统包括:数据采集模块、数据处理与存储模块、短期故障预测模型、中期故障预测模型、长期故障预测模型、模型融合与决策模块以及用户交互界面;本发明通过整合短期、中期和长期故障预测模型,实现了对电力设备健康状况的全面评估和故障预测,短期模型能够迅速捕捉设备当前运行状态的异常变化,提供即时的故障预警,中期模型则通过时间序列分析和机理模型相结合,预测设备在未来一段时间内的性能变化趋势,为计划性维护工作提供决策支持,长期模型则侧重于设备的剩余寿命预测,为设备的长期运维规划提供重要参考。

本发明授权电力设备健康评估与故障预测系统在权利要求书中公布了:1.电力设备健康评估与故障预测系统,其特征在于,该系统包括:数据采集模块、数据处理与存储模块、短期故障预测模型、中期故障预测模型、长期故障预测模型、模型融合与决策模块以及用户交互界面; 所述数据采集模块:通过与电力设备上传感器相连,采集包括电气、机械、环境方面的参数数据,并通过无线通信链路将数据实时传输给数据处理与存储模块; 所述数据处理与存储模块:接收数据采集模块所传输的数据,对所接收的数据进行清洗、滤波和归一化,去除噪声与异常值,并通过电力数据相似特征提取方法提取电力设备数据中的特征向量,所述方法通过挖掘数据相似性、加权处理数据差值实现有效特征提取,依据时间尺度将处理后的数据分类存储于短期、中期和长期数据存储区,同时构建搜索索引和管理系统; 所述数据处理与存储模块中通过电力数据相似特征提取公式提取电力设备数据中的特征向量,设原始数据序列为D={d1,d2,…,dN},提取的特征向量F=f1,f2,…,fM],计算公式为:其中,kdi,dj是数据点di与dj之间的相似性核函数,公式为:σ为核函数带宽参数,gdi-dj是数据差值的加权函数,公式为:α为调节参数,λ是衰减系数,是数据序列D的均值; 所述短期故障预测模型:基于电力设备当前几分钟至几小时的运行状态变化数据构建短期故障预测模型,设电力设备在时刻t的运行状态向量为Xt=[x1t,x2t,…,xnt]T,公式为:其中xit表示第i个运行参数,是参数xi在过去ΔTs时间段内的均值,σit-ΔTs是相应标准差,wi,s是第i个参数在短期模型中的权重,αs是调节异常敏感度的指数,当Pst>短期模型故障判断阈值Ts,th,触发短期故障预警,立即输出详细的故障预警信息,包括故障类型,故障发生的位置和相关部件信息,并将异常特征向量Vst=[vs,1t,vs,2t,…,vs,nt]T传递给中期模型,其中: 所述中期故障预测模型:通过对中期数据存储区中的历史数据进行深度挖掘与分析,结合短期模型传递的异常特征向量Vst构建中期故障预测模型,公式为:其中,zjt是中期数据存储区中第j个中期特征参数,wi,m和θj,m分别是对应的权重,βm是与时间衰减相关的系数,将实时数据输入到模型进行预测,输出设备在未来3天至2周的详细性能变化曲线,预测性能下降到中期模型故障判断阈值的预计时间点,发送给运维人员安排计划性维护工作,并生成中期关键性能指标向量Kmt+ΔTm=[km,1t+ΔTm,km,2t+ΔTm,…,km,qt+ΔTm]T传递给长期模型,其中km,qt+ΔTm表示第q个中期关键性能指标预测值; 所述长期故障预测模型:运用理论结合数据驱动的方法构建长期故障预测模型,公式为:其中,yrt是长期数据存储区中的第r个长期特征参数,ωq,l和φr,l是相应权重,通过模型预测电力设备的剩余寿命,将结果反哺短期和中期模型,调整其故障判断阈值与精度要求; 所述模型融合与决策模块:基于短期故障预测模型、中期故障预测模型以及长期故障预测模型各自的预测成果,赋予其相对应的动态权重,运用加权求和策略得出设备整体状况的健康评估指标,依据健康评估指标,将设备故障划分为多个风险等级,并针对不同等级制定个性化运维策略,实时接收新数据和反馈,并依据新数据和运维反馈优化各模型参数与结构; 所述用户交互界面:以直观图表、文字展示设备健康评估、故障预测信息及运维建议,具有历史数据查询功能,支持多终端设备访问。

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国网河南省电力公司鹤壁供电公司,其通讯地址为:458000 河南省鹤壁市淇滨区淇滨大道270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。