逆散射级数和抛物线Radon变换联合的层间多次波压制策略

层间多次波给地震成像和解释带来极大挑战,单独使用基于波动方程预测或基于滤波的方法压制层间多次波效果都不理想,前者对数据的品质要求高且运算量大,而后者则很难处理规律性较差的层间多次波。基于此,提出了一种将逆散射级数法与抛物线Radon变换相结合的层间多次波压制新策略。首先在抛物线Radon域采用自适应非线性滤波对CRP数据中的一次波进行保护处理,将未受多次波干扰的一次波和含有部分一次波的多次波能量进行分离,然后在曲波域对滤波分离出的多次波能量和逆散射级数预测的层间多次波模型数据进行匹配相减,最后将相减得到的剩余一次波和滤波分离出的一次波相融合得到层间多次波压制后的结果。实际资料测试表明该策略能高效高精度压制层间多次波,使地层结构特征更为清楚,地震成像质量显著改善,从而为油藏解释提供更可靠的地震数据。     

河南油田110kV变电所主变经济运行分析

分析了河南油田电网110kV变电所主变的运行方式,制定出其主变运行负荷与损耗之间的曲线,以实现变电所主变的经济运行.     

基于三相自搜寻比较法的电气设备过热故障识别方法

电力设备过热故障图谱识别是判断电力设备故障程度的重要手段。工程实际中通常是对变电设备热拍照并进行人工甄别。为提高设备热像图故障判定准确率和效率,本文针对电力三相设备的特点,提出了一种通过三相分区块自动搜寻及温度对比的过热区域判定方法,通过将三相设备热像图每相分离,调整为相似大小与姿态,将新图像分块进行对比,判定对应区块是否有异常温升,从而判定某相设备出现的热故障。试验结果表明,本文基于计算机自动搜寻和判定的设备热诊断方法能够更加高效准确地判定识别三相设备热故障,从而能够提高电力设备热故障检测的效率、准确性与自动化程度。     

基于DeepLabv3+网络的电流互感器红外图像分割方法

红外图像智能分析是变电设备故障诊断的一种有效方法,目标设备分割是其关键技术。本文针对复杂背景下电流互感器整体分割难的问题,采用基于ResNet50的DeepLabv3+神经网络,用电流互感器的红外图像训练语义分割模型的方法,对收集到的样本采用限制对比度自适应直方图均衡化方法实现图像轮廓增强,构建样本数据集,并运用图像变换扩充样本数据集,搭建语义分割网络训练语义分割模型,实现电流互感器像素与背景像素的二分类。通过文中方法对420张电流互感器红外图像测试,结果表明,该方法的平均交并比（Mean Intersection over Union, MIoU）为87.5%,能够从测试图像中精确分割出电流互感器设备,为后续电流互感器的故障智能诊断做铺垫。     

多属性融合的电力设备红外热特征数字化方法

本文针对电力设备红外图像诊断中热故障特征提取和数字化表达难题,提出一种多属性融合的电力设备红外热特征数字化方法。通过对电力设备热故障特性和相关诊断文件研究分析,在对图像预处理的基础上,提取图像中关键发热区域的热点温度、热点温差、发热面积、位置信息以及热点群聚现象等热属性值,构建多属性信息融合的过热性故障特征值向量,实现热故障特征数字化描述。以断路器为例对该方法进行了验证分析,结果表明,该方法对典型红外故障图谱具有良好的描述能力,可用于后续大量复杂故障样本情况下的设备热故障智能分类与诊断应用中。     

基于热点位置分类的电流互感器发热故障判别方法

针对变电设备故障发热特征选择、提取和故障类型判别问题,提出一种基于热点位置分类的电流互感器发热故障判别方法。首先运用CNN神经网络和YOLO融合算法完成电流互感器零部件检测为基础,建立二维坐标参考基准;然后采用PCNN分层聚类迭代方法分割出故障区域,并利用灰度质心法获取故障区域的热点等效中心;最后选择并提取热点等效中心到坐标原点的距离、角度等参数,应用这些参数判别热点位置的故障类别属性,从而实现电流互感器故障类型判别。结果表明,该判别方法准确率高达92,具有较好的实用性和推广性。     

基于IAGA-BP的复杂机电产品线缆故障定位方法研究

针对复杂机电产品线缆断路故障定位难的问题，本文提出一种改进的自适应遗传算法与误差逆向传播神经网络相结合的线缆断路故障定位方法。首先，采用改进的自适应遗传算法对误差逆向传播神经网络的权值阈值选取进行优化；然后，将预测的定位结果与同类型的算法进行比较，结果表明改进的自适应遗传算法与误差逆向传播神经网络相结合的方法对定位线缆故障距离效果更好。最后，结合某相控阵雷达机柜中的故障线缆实例，验证了本文提出的方法在复杂机电产品线缆断路故障定位方面的可行性。