配电自动化系统智能终端一致性测试系统分析与设计

接入配电自动化系统的智能终端在数据接口及通讯方式上存下一定的差异性,这改变了传统配电系统的通信方式及功能结构,对智能配电终端的相互兼容性提出了挑战。以智能配电终端互操作性为主要目标,提出了验证智能终端互操作能力的一致性测试系统以及智能终端集成系统自动化功能的互操作性测试系统。重点设计了智能配电终端的测试环境、测试内容、测试操作流程及测试结果,并以配电网变压器终端为例进行了一致性测试分析,最后给出了一致性测试质量评估手段及具体实现过程。     

一种基于卷积神经网络的配电网主站告警窗口的图像识别方法

随着配电网拓扑结构与设备规模的不断扩大,配电网主站中集聚了海量告警信息,亟需高效计算能力进行识别与分析。本文以配电网信息物理主站系统的强大硬件系统为依托,基于卷积神经网络的先进事件处理能力,形成了告警图像智能分析技术,实现告警信息在线综合处理、显示与推理,支持汇集和处理。以实际主站告警业务为例,对大量告警信息进行精准识别,实现对图像数值分析、阈值对比、趋势分析,对异常状态进行自动预警,实时对电网运维人员进行故障告警推送。基于实际配电网实景场景验证了设备识别与缺陷识别的准确性,支持实现配网运行监控、故障处理的一体化运行。     

结合LiDAR与RGB数据构建稠密深度图的多阶段指导网络

目的 使用单幅RGB图像引导稀疏激光雷达（light detection and ranging,LiDAR）点云构建稠密深度图已逐渐成为研究热点,然而现有方法在构建场景深度信息时,目标边缘处的深度依然存在模糊的问题,影响3维重建与摄影测量的准确性。为此,本文提出一种基于多阶段指导网络的稠密深度图构建方法。方法 多阶段指导网络由指导信息引导路径和RGB信息引导路径构成。在指导信息引导路径上,通过ERF （efficient residual factorized）网络融合稀疏激光雷达点云和RGB数据提取前期指导信息,采用指导信息处理模块融合稀疏深度和前期指导信息,并将融合后的信息通过双线性插值的方式构建出表面法线,将多模态信息融合指导模块提取的中期指导信息和表面法线信息输入到ERF网络中,提取可用于引导稀疏深度稠密化的后期指导信息,以此构建该路径上的稠密深度图;在RGB信息引导路径上,通过前期指导信息引导融合稀疏深度与RGB信息,通过多模态信息融合指导模块获得该路径上的稠密深度图,采用精细化模块减少该稠密深度图中的误差信息。融合上述两条路径得到的结果,获得最终稠密深度图。结果 通过KITTI （Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago）深度估计数据集训练多阶段指导网络,将测试数据结果提交到KITTI官方评估服务器,评估指标中,均方根误差值和反演深度的均方根误差分别为768.35和2.40,均低于对比方法,且本文方法在物体边缘和细节处的构建精度更高。结论 本文给出的多阶段指导网络可以更好地提高稠密深度图构建准确率,弥补激光雷达点云稀疏的缺陷,实验结果验证了本文方法的有效性。