宋辉 作品数:29 被引量:695 H指数:13 供职机构: 上海交通大学电子信息与电气工程学院 更多>> 发文基金: 国家电网公司科技项目 国家自然科学基金 国家高技术研究发展计划 更多>> 相关领域: 电气工程 电子电信 理学 更多>>
面向知识图谱构建的设备故障文本实体识别方法 被引量:12 2022年 电力设备在运行维护中积累了大量包含重要实体信息的故障文本,然而文本实体边界模糊、术语较多等特点导致传统实体识别方法训练效率低下,效果难以提升。为此,该文提出一种新的实体识别方法I-BRC(integrated algorithm of BERT based BiRNN with CRF)。该方法采用字嵌入模型将文本逐字转化为字向量序列以避免分词处理带来的误差累积;利用循环神经网络与概率图模型对文本的序列特征信息进行抽取;集成多个单一类型实体识别器分别独立学习不同类型实体的特征并采用并行预训练机制提升算法训练效率;最后利用多类型识别器对识别结果进行整合。此外,通过调整单一类型实体识别器可以灵活机动地应对不同电力设备的实体识别任务,避免重复训练,节省计算资源。实验表明,所提出的I-BRC仅需3次迭代就可收敛,训练效率大幅度提升;且该模型的F1值、精确率、召回率分别达到了88.0%、86.8%与89.2%,相比传统模型性能提升了7.5%~29.3%,验证了所提模型的有效性与可行性。 田嘉鹏 宋辉 陈立帆 盛戈皞 江秀臣关键词:电力设备 知识图谱 采用LSTM网络的电力变压器运行状态预测方法研究 被引量:83 2018年 为预测电力变压器运行状态,首先分析了变压器运行过程中状态变化的影响因素,选取油中溶解特征气体体积分数和运行工况、检修记录、运行时间作为关键影响因素。采用模糊综合评判思想对电力变压器运行状态进行评估,并以模糊综合隶属度为数据标签建立基于长短时记忆网络的电力变压器状态预测模型。利用变压器油中气体序列数据及技术指标参数的状态隶属度数据对长短时记忆网络进行训练,以发掘特征参量与变压器状态之间的对应关系及模型预测参数。实例分析表明,所提方法可有效预测电力变压器运行状态,基于长短时记忆网络的电力变压器状态预测模型对1周后变压器状态预测准确率达94.4%,对1个月后状态预测准确率达81.2%,能较准确地反映变压器的优劣状况。 代杰杰 宋辉 盛戈皞 江秀臣 王健一 陈玉峰关键词:变压器 油中气体分析 基于GPS同步的金属氧化锌避雷器无线带电检测系统设计和实现 被引量:1 2013年 金属氧化锌避雷器(MOA)的阻性电流大小能较好地反应其设备状态,传统的MOA阻性电流测量方法每次测试时需在电压互感器二次侧接线,有较大的安全隐患。提出了一种新型的MOA阻性电流无线测量方法,基于GPS和无线通信模块实现便携式电流检测装置与电压监测装置的无线同步测量,通过基于傅里叶级数的算法实现检测MOA的阻性电流。重点阐述了系统的组成以及硬件的设计原理和实现方法,试验测试和现场运行测试结果表明方法满足MOA阻性电流测量的要求。 徐剑 宋辉 盛戈皞 江秀臣关键词:氧化锌避雷器 阻性电流 GPS 复杂数据源下基于深度卷积网络的局部放电模式识别 被引量:38 2018年 随着局部放电检测技术和大数据技术的推广,变电站现场气体绝缘组合电器(GIS)的局部放电检测数据不仅数量庞大,而且数据来源复杂,因此传统的局部放电模式识别方法已难以满足需求。鉴于此,提出了一种基于深度卷积网络的局部放电大数据模式识别方法,构建了应用于局部放电模式识别的深层卷积网络模型,同时应用深度自编码器对模型参数进行初始化,利用多层卷积神经网络提取局部放电大数据的深层特征以提高复杂数据源下的识别正确率。通过真型GIS模型实验、变电站现场带电检测和典型干扰实验获取了大量局部放电检测数据,组成复杂数据源的测试样本,并对所提方法进行了实验分析。实验结果表明:与传统的模式识别方法相比,新所提的方法在处理复杂数据源样本任务中识别正确率更高,且识别正确率提高值随样本数据的增加而增大,更适合于大数据平台的工程应用需求。 宋辉 代杰杰 张卫东 毕凯 盛戈皞 江秀臣关键词:GIS 大数据 模式识别 局部放电 基于油中气体分析的变压器故障诊断ReLU-DBN方法 被引量:58 2018年 油中溶解气体分析可为变压器故障诊断提供重要依据。为提高变压器故障诊断精度,研究了基于修正线性单元改进的深度信念网络(rectified linear units deep belief networks,Re LU-DBN)变压器故障诊断方法。通过分析油中溶解气体与故障类型的联系,建立以油色谱特征气体无编码比值为特征参量的Re LU-DBN诊断模型。Re LU-DBN通过多维多层映射提取出故障类型更细致明显的特征区别,通过反向调优达到诊断模型参数最优化。通过识别实验分析了不同特征参量、不同训练集及样本集大小下Re LU-DBN诊断模型效果,研究了放电兼过热复合型故障对诊断模型的影响,并与支持向量机、反向传播神经网络方法做了对比。实验结果表明基于无编码比值的模型诊断效果优于IEC比值、Rogers比值、Dornenburg比值为特征参量的模型,且Re LU-DBN较支持向量机和反向传播神经网络方法相比诊断准确率有较大提高。区分复合型故障的模型诊断效果优于未区分复合型故障的模型。随着样本数据的增多,模型诊断精度得到较大提升。 代杰杰 宋辉 杨祎 陈玉峰 盛戈皞 江秀臣关键词:变压器 油中气体分析 故障诊断 基于OS-ELM的变压器局部放电模式识别 被引量:26 2018年 传统的变压器局部放电模式识别算法由于需调整的参数多且难以确定最佳参数、学习速度慢等缺点,在实际工程应用中识别正确率低,识别速度慢。因此,提出了一种基于在线序列极限学习机(OS-ELM)算法的变压器局部放电模式识别方法,该算法是传统极限学习机(ELM)的在线学习改进算法,是一种新型的单隐含层前馈神经网络(SLFN)。本文基于特高频检测法在真型变压器上进行局部放电实验,并获得大量实验数据。将本文所提方法与ELM、支持向量机(SVM)以及BP神经网络(BPNN)的模式识别效果和性能进行了比较分析。结果表明OS-ELM算法识别正确率比SVM和BPNN分别高出5.2%和23.2%;逐渐减小训练样本集大小,OS-ELM识别结果的波动明显小于SVM和BPNN,表现出更好的泛化能力;OS-ELM的训练时间仅为0.031 2 s,远远小于SVM和BPNN。因此,OS-ELM更适用于大数据量样本的工程应用。 张秦梫 宋辉 姜勇 陈玉峰 盛戈皞 江秀臣关键词:变压器 特高频法 模式识别 局部放电 考虑复杂关联关系深度挖掘的变压器状态参量预测方法 被引量:16 2019年 电力变压器状态参数预测分析可以为设备状态评估提供有力技术支撑。现有变压器状态参量预测模型主要基于单一或少数状态参量进行分析和判断,预测稳定性和科学性都有待提高。文中结合变压器设备大量状态信息、电网运行和环境气象数据,提出了一种考虑复杂关联关系深度挖掘的变压器状态参量预测方法,通过栅格长短时记忆网络提取各参量之间蕴含的内在规律和关联关系,用以修正状态参量的预测结果。将该方法用于某500kV变压器顶层油温趋势预测中,结果表明所提出的栅格长短时记忆网络能挖掘分析设备状态影响因素之间的关联关系,与未考虑关联性的预测方法及传统方法相比,通过参量序列间关联性提高了预测模型的稳定性,降低了预测误差。 代杰杰 宋辉 盛戈皞 韩璐岭 江秀臣 王健一 陈玉峰关键词:电力变压器 状态参量 基于图数据库的电力设备绝缘状态文本数据存储 被引量:3 2020年 电力设备绝缘状态文本数据包含现场局放检测的原始记录,为提高数据的利用率、挖掘对设备绝缘状态产生影响的关联信息,需要对其进行统一的处理与存储。使用了知识图谱技术对绝缘状态文本数据进行处理,并规定了绝缘状态文本记录格式,进而基于图数据库完成了数据存储。通过与关系型数据库进行对比发现,图数据库有着更高效的复杂关系查询性能,更适于存储关系复杂的绝缘状态文本数据。 张钊棋 宋辉 崔国栋 刘广辉 王建军 盛戈皞 江秀臣关键词:知识图谱 高效查询 面向新型电力系统的电力设备运行维护关键技术及其应用展望 被引量:145 2021年 在"碳中和、碳达峰"的目标下,建设以新能源为主体的新型电力系统是电网升级换代发展的必然趋势。随着新型电力系统的建设和发展,电力电子装置、大规模储能装置等新型电力设备将获得广泛应用,电网对柔性可控和安全稳定的要求越来越高,保障电力设备的可靠运行面临巨大的挑战。为此,提出了新型电力系统背景下电力设备高效运行和智能维护的基本特征和技术体系,详细阐述了电力设备数字化和智能化、新型电网设备状态评估以及电力设备高效优化运行等支撑新型电力系统的设备运行维护关键技术研究现状和进展,探讨了研究和应用中还需要解决的主要问题,最后对未来电力设备运行维护的模式和技术发展趋势进行了展望。 盛戈皞 钱勇 罗林根 宋辉 刘亚东 江秀臣关键词:电力设备 面向新型电力系统的数字化电力设备关键技术及其发展趋势 被引量:45 2023年 新型电力系统对设备状态以及运行环境等信息感知的深度和广度有更高的要求,亟需利用先进的数字化和信息化技术对传统电力设备进行升级,构建新一代的数字化电力设备。因此提出了数字化电力设备的定义、内涵特征和基本架构,详细阐述了电力设备状态智能感知、电力设备物联网平台、数字孪生建模仿真和状态精准评估诊断、复杂多维信息合成与可视化等电力设备数字化关键技术的研究现状和存在的问题,并展望了未来的重点研究方向及技术发展趋势,包括电力设备全景状态感知、多场景数字孪生仿真、数字化测试和试验、智能感知芯片等。 盛戈皞 钱勇 罗林根 宋辉 刘亚东 江秀臣关键词:电力设备 数字化技术