基于AdaBoost算法和单模板匹配的变压器识别

随着无人值守变电站的发展,设备的在线监测技术可为工作人员对变电站现场情况的监控提供一份有力且直观的保障。图像识别技术在电力设备在线监测中的应用研究有助于真正实现变电站的无人值守。变压器作为变电站内的主要设备之一,其运行状态的监控至关重要。文章针对变电站环境中变压器设备的识别问题,提出了一种融合基于Ada Boost算法和模板匹配的方法。该方法在提取Haar特征的基础上采用Ada Boost算法初步识别变压器,再通过模板匹配的方法进一步判定,不仅提高了识别的正确率,减少了误检的发生,而且相比于对整幅图采用模板匹配法,提高了检测效率。     

基于Web技术的电力信息服务网站的研究与实践

信息化是电力行业的发展趋势，以Ｗｅｂ技术为基础，建立了面向电力行业的信息服务站点，信息服务系统采用两级框架结构，面向３个方面用户对象，５种不同的用户信息交互方式，经３个多月的实践表明网站的建设满足了许多电力行业的需求，在用户间建立起了一条新的信息交流渠道，取得了令人满意的效果，具有很好的衫和价值和发展前景。     

基于模糊支持向量机的电力系统中期负荷预测

考虑到气温因素对电力系统负荷的影响,提出了一种模糊支持向量机(FSVM)算法,基于欧洲智能技术网络(EUNITE)竞赛数据进行了中期电力负荷预测的应用研究。首先利用隶属度函数对影响负荷的气温因素进行模糊化处理,然后结合已知数据得到支持向量机(SVM)的训练样本集,采用序列极小优化(SMO)算法实现对支持向量机(SVM)的快速训练,最终得到预测结果,并与不将气温模糊化的仿真结果进行比较,表明本文所提方法简便且预测精度较高。     

基于改进Mask R-CNN的变电设备红外图像实例分割算法

红外图像中变电设备的分割精度直接影响着故障诊断的结果，针对复杂红外背景下变电设备边缘分割不精细、分割精度低的问题，提出了一种基于改进Mask R-CNN模型的变电设备红外图像分割方法。首先将ResNet特征提取网络中部分残差模块的标准卷积替换为可变形卷积，然后对空间注意力机制模块和通道注意力机制模块并行连接，并在这两个模块中加入可变形卷积，最后改进Mask R-CNN掩膜分支的损失函数，对目标边缘分割的精细度进一步优化。该方法能够有效提高模型对红外图像中变电设备几何特征多样性的适应能力，并减轻模型对背景等干扰特征的关注。在变电设备红外图像数据集上进行实验，结果表明，相比于Mask R-CNN基准模型，该方法的AP_50:95、AP₅₀和AP₇₅提高了3.5%、1.0%、4.2%,表明该方法能够显著提高红外图像中变电设备实例分割的准确率，有效解决边缘分割不精细的问题。     

基于多类支持向量机的汽轮发电机组故障诊断

故障诊断发展的瓶颈之一是故障样本的缺乏，而不仅在于诊断方法本身。支持向量机方法是专门针对小样本情况的，其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值。该文分析了多类支持向量机的DAGSVM算法，时于σ的取值，提出了基于错分样本数的变增量迭代算法，在小样本情况下时汽轮发电机组故障诊断进行了仿真研究，结果表明了该方法的有效性。     

基于模糊PID控制器的协调控制系统优化

火力发电厂在我国电力工业中占有主要地位,大型火电单元机组的协调控制对象是一个多变量、强耦合的控制对象,针对此对象设计合适的解耦控制器是急需解决的问题.本文结合以1000MW机组作为具体模型,分别采用常规PID协调控制方式和参数自整定模糊PID解耦协调控制方式对全工况下的协调控制系统进行仿真研究,在线对PID参数进行整定,通过仿真结果进一步比较,可以看出,该方法可以很好的对单元机组协调系统进行控制,并能使控制系统的性能得到完善.     

支持向量回归在内模控制中的应用研究

提出支持向量回归内模控制的设计方法采用支持向量回归在线辨识算法建立被控对象的正模型,并利用先离线再在线辨识的方法建立被控对象逆模型.对非线性慢时变系统进行仿真研究,与其它方法的仿真比较结果表明SVR-IMC具有更好的控制性能.     

基于特征金字塔算法的输电线路多尺度目标检测方法

本文提出了基于FP-SSD(Feature Pyramid-Single Shot Detector)算法的多尺度目标检测方法。首先对训练样本进行处理,采用自适应裁剪算法裁剪训练样本,以适应单张图片中不同尺度的目标,同时扩充训练样本数量;然后以resnet网络替代SSD结构中原有的VGG网络,从而使网络的特征提取能力增强;最后在整体网络结构中加入特征金字塔网络(Feature Pyramid Network),实现了上下特征层的信息融合。针对实际巡检图像进行了应用研究。结果表明,本文所提出的目标检测方法,较原始SSD算法而言,在小尺度目标检测方面精度有了明显提高,同时,对大尺度目标保持着良好的检测效果,说明本方法对于多尺度目标检测有着更好的适用性