同态滤波在人脸识别中的应用研究

论文首先对人脸识别进行了介绍,通过对人脸识别系统的分析指出预处理在人脸识别中的重要性。然后对已有的人脸识别预处理法作了详细的介绍,并对各种方法进行比较。最后针对光照对人脸图像的影响还提出了同态滤波的方法,在预处理阶段消除光照对人脸图像的影响,实验结果表明,此种方法可以提高识别率。     

基于电力物联网的110kV输电线路舞动监测技术研究

舞动灾害已发展成为110kV输电线路的重大风险之一,但传统舞动监测手段无法为110kV输电线路的舞动防护和治理提供有效支持。为提高110kV输电线路的安全可靠性,减少舞动灾害带来的线路受损和经济损失,本文对舞动灾害形成的原因与产生危害进行了概述,对输电线路的安全管控要求、难点和现状进行了分析和研究,并提出了基于电力物联网智能感知系统的110kV输电线路舞动在线监测方法,为110kV线路的防舞治理提供有效技术支撑。     

基于改进YOLOv5的阀冷系统主循环泵电机故障检测方法

主循环泵作为柔直换流站阀冷系统的核心设备,对于维护阀冷系统安全稳定运行具有重要作用。为了对主循环泵电机的红外图像进行精准定位与状态识别,提出了一种基于改进YOLOv5的主循环泵电机故障检测方法。首先,使用全新的卷积网络ConvNeXt作为YOLOv5的主干网络,提高网络的检测精度;同时,将定位损失函数替换为有效交并比损失函数(EIOU Loss),提高网络在训练过程中的收敛精度;然后,对改进YOLOv5网络使用数据增强、标签平滑、指数移动平均、迁移学习等策略进行训练,提高网络训练效率;最后,设置实验对所提改进方法进行验证,结果表明该方法能有效提高模型的检测精度,模型最终的均值平均精度(mAP)值达到95.82%,可使电机的故障平均检测精度提高至94.34%。     

基于模型-数据混合驱动的MMC阀损耗计算方法*

针对现有模块化多电平换流器(MMC)阀损耗计算方法无法兼顾准确度和计算速度,仅使用数据驱动算法又会导致机理不明、可靠性低的问题,提出了一种基于机理模型和数据混合驱动的MMC阀损耗计算方法。该方法物理过程明确,充分利用了现场数据隐含信息,能够快速准确计算不同工况、不同控制策略下的阀损耗。首先推导了MMC阀损耗的计算公式,并引入热电类比模型,获得了不同冷却水温下的阀损耗理论计算结果。然后,结合全连接神经网络,利用实际MMC换流站数据对理论结果进行了修正。最后,以某MMC换流站实际工程作为算例,利用该工程实际参数和现场数据,对所提出的计算方法进行验证,证明了该方法的有效性和准确性。     

基于多端柔性直流输电系统潮流控制策略的交直流电网合环模型研究

对于多端直流输电与交流混合运行电网,在电网合环后可能因多端柔性直流输电(VSC-MTDC)系统潮流控制策略导致潮流迂回,进而造成设备过载或跳闸,严重威胁电网的安全运行.本文基于南澳AC-DC混合运行电网的合环操作案例,分析启动多端柔性直流输电系统潮流控制策略前后的两种场景状态,以此建立合环电流约束的AC-DC混合运行电网合环模型,证明潮流控制策略是影响安全合环的关键因素,在此基础上确定安全合环的边界参数,并提出有效的合环风险管控策略.     

运行中500 kV输电线路绝缘子串自然积污及污闪特性研究

500 kV输电线路是我国电网的主干网架,运行中一旦发生绝缘子污闪事故将严重威胁电力系统可靠运行,因此了解运行电压下绝缘子的自然积污规律及其污闪特性十分重要.对重庆电网某500kV交流输电线路运行中绝缘子的自然积污情况及污闪特性开展了测试研究,研究结果表明:运行中绝缘子上,下表面累积的盐密,灰密有差异,且下表面的盐密/灰密较上表面的严重;运行中绝缘子表面灰密累积速度大于盐密累积速度;运行中各串绝缘子以及绝缘子串中各片绝缘子的积污均存在差异;自然积污下绝缘子污闪电压比人工染污下绝缘子污闪电压高;污秽成分及绝缘子表面污秽分布的差异是导致运行中绝缘子污闪电压高的主要原因.     

基于数据跟踪与行为预测的配网馈线开关重合闸状态智能监测

电网数字化技术的发展对配网馈线开关重合闸的应用有较高的要求.调度台常面临大量因配网生产业务需要而退出重合闸功能的需求,但在任务完成需恢复重合闸时存在未及时投或漏投的情况,严重影响配网自动化策略和供电可靠性,增加电网运行风险.目前仅依靠定期人工核查进行纠正,工作量大且效率较低.基于D5200调度自动化系统,运用数据跟踪和行为预测算法,提出一种重合闸投退状态智能监测技术,并开发功能应用模块,提高重合闸投退的及时率和准确率.     

基于数据中台的电力大数据高效挖掘分析技术研究

构建基于数据中台的电力大数据挖掘分析平台,其中数据源层获取来自不同渠道的电力初始大数据,数据中台层数据接入模块负复制传输数据源层获取的多种电力大数据;数据挖掘分析模块在数据服务、运营模块支持下,通过提取电力大数据语义关联特征量,结合模糊C均值算法的特征聚类融合,高效挖掘电力大数据,并利用密度峰值聚类方法分析数据挖掘结果,检测电力数据异常值;业务应用层呈现挖掘分析结果。实验表明该技术可以挖掘到不用电力大数据之间的潜在关系,通过电力正常数据样本点的聚类,筛选出异常电力数据,实现异常电力大数据分析。