基于YOLOv2网络的绝缘子自动识别与缺陷诊断模型

针对无人机或机器人获取的输电线路绝缘子图像,提出了一种基于深度学习图像识别框架（YOLOv2）网络的输电线路绝缘子在线识别与缺陷诊断模型,训练YOLOv2网络学习复杂背景下各种绝缘子的特征并准确识别,结合边缘检测、直线检测、图像旋转和垂直投影方法,对识别出各种状态的绝缘子进行缺陷诊断。输电线路巡检图像的仿真结果表明,所提出的绝缘子自动识别与缺陷诊断方法能迅速准确地从输电线路巡检图像中识别出绝缘子,并诊断出绝缘子是否破损以及缺陷位置,有利于提升输电线路智能巡检水平。     

基于计算机视觉的架空输电线路机器人巡检技术综述

架空输电线路是电网安全运行和电能可靠输送的关键,对其进行定期巡检至关重要。计算机视觉系统具有集成度高、交互性好、自动化程度高、处理速度快等特点,能够在架空输电线路巡检过程中各类设备的准确识别和故障判断中发挥重要作用,因此计算机视觉系统在架空输电线路机器人巡检与故障诊断中具有广泛的应用前景。从导线的识别、杆塔识别以及绝缘子串的识别等架空输电线路关键设备方面综述了机器人计算机视觉巡检技术及其研究现状,分析了多种相应的图像处理方法,在此基础上对基于机器学习的架空输电线路机器人视觉巡检关键技术进行了总结与展望。     

基于计算机视觉的架空输电线路机器人巡检技术综述

架空输电线路是电网安全运行和电能可靠输送的关键,对其进行定期巡检至关重要。计算机视觉系统具有集成度高、交互性好、自动化程度高、处理速度快等特点,能够在架空输电线路巡检过程中各类设备的准确识别和故障判断中发挥重要作用,因此计算机视觉系统在架空输电线路机器人巡检与故障诊断中具有广泛的应用前景。从导线的识别、杆塔识别以及绝缘子串的识别等架空输电线路关键设备方面综述了机器人计算机视觉巡检技术及其研究现状,分析了多种相应的图像处理方法,在此基础上对基于机器学习的架空输电线路机器人视觉巡检关键技术进行了总结与展望。     

基于全纯嵌入法的电力系统解耦模型：薄弱节点辨识

快速准确地识别电压薄弱节点对于电力系统的安全稳定运行至关重要。为此,构建电力系统解耦模型,并提出一种可视化预测预期运行环境中电压薄弱节点的方法。首先通过建立两节点虚拟通道对电力系统进行解耦,并为每个节点赋予特有的电压指标,同时引入电压稳定边界;接着提出含可调嵌入因子的全纯嵌入法来推导电压指标轨迹的解析表达式;最后将穿过电压稳定边界的电压指标轨迹所对应的节点识别为预期运行环境中的电压薄弱节点。在IEEE14节点,39节点和118节点电力系统上的仿真结果验证所提方法的有效性和准确性。     

基于全纯嵌入法的非迭代电力系统最优潮流计算

通过求解电力系统最优潮流获得各发电机的有功出力对于电力系统经济运行具有重要意义。全纯嵌入法是一种用于潮流计算的非迭代算法。该文将全纯嵌入法应用于最优潮流的求解,首先推导出约束条件和KKT条件的全纯嵌入形式;然后通过上述两组方程交叉得到求解通式,递归地计算出节点电压和发电机有功出力的表达式;最后根据解析表达式直接得到各发电机的有功出力,进而计算系统的最低发电成本。在IEEE 3节点、4节点、30节点、118节点和新英格兰39节点电力系统上的仿真结果验证了所提方法的可行性和准确性。     

基于改进CGAN的电力系统暂态稳定评估样本增强方法

基于数据驱动的暂态稳定评估方法已成为电网安全领域研究的重点,由于实际电力系统中暂态失稳情况极少,给通过数据挖掘方法判断失稳情况带来了极大困难。针对这个问题,提出了一种用于暂态稳定评估中失稳样本合成的数据增强方法,对条件生成对抗神经网络(CGAN)训练方法的适应性进行改进以提高其学习稳定性,在离线训练时利用改进CGAN交替训练生成器和判别器,学习电力系统暂态数据的分布特性,然后采用极限学习机(ELM)分类器筛选出改进CGAN所生成的多组样本中G-mean值最高的生成样本,将其中失稳样本对原始失稳样本进行增强,最后用增强后的原始样本训练分类器,实现在线暂态稳定评估。仿真结果表明,所提出的样本数据增强方法通过改进CGAN实现对原始数据分布特征的有效学习,进而提升暂态稳定评估的正确率,具有抗噪声干扰性强、对高维数据鲁棒性好的优点,能够有效平衡电力系统失稳数据。     

一种智能变电站保护装置寿命预测方法

继电保护设备剩余有效寿命预测是智能变电站二次设备状态检修的技术关键.文中提出了一种基于马尔科夫链的智能变电站继电保护设备寿命预测方法,该方法基于马尔科夫链,利用设备在线监测信息和历史运行数据获得其状态分布向量以及状态转移矩阵,进而根据可靠性原理预测其剩余有效寿命.算例分析结果表明该方法可以对保护装置未来运行状态分布和剩余寿命进行有效预测,其预测结果可以为运行人员提供参考.目前该方法已应用在实际智能变电站的二次设备在线监测系统中,有助于提高智能变电站的安全运行水平.     

考虑风电功率短期波动的风电场无功快速跟踪优化EI北大核心CSCD

风力发电的不确定性使风电场难以实现精准地优化调控。为此,该文提出一种无功快速跟踪优化方法,解决风机功率短期波动导致风电场运行状态偏移的问题。总控单元通过集中式无功优化获得风电场时段最优运行点,各风机控制单元利用梯度跟踪技术快速调节无功,实现对时段内风机功率短期波动的跟踪优化。所有风机的分布式跟踪优化共同组成风电场系统性的跟踪优化。通过我国某实际风电场案例,验证了所提方法的有效性。结果表明,快速跟踪优化方法能够有效降低系统网损,提高电压质量,缩小风电场优化时间尺度。