针对轻量化网络的安全帽检测方法

变电站内电气设备数量众多,在工人进行现场作业时需要对工人佩戴安全帽进行监测。由于机器学习的安全帽佩戴检测方法常常出现漏检和误检的情况,为提高对安全帽佩戴识别的准确率,同时加快识别速度,提出了一种基于YOLOv5s的轻量化卷积神经网络模型。通过引入RepVGG模块对网络主干进行轻量化,在网络后处理阶段通过Soft-NMS降低遮挡目标漏检率,以Mixup数据增强来扩充数据集,建立样本之间的线性关系,提升训练模型泛化性能,最后进行消融实验。实验结果表明,改进的模型的均值平均精度(mAP)达到80.4%,推理速度达到了83.3 f/s,为变电站安全帽佩戴检测提供了有效参考。     

弱电网下光伏场站并网谐波特性实测分析

受电网结构及地理环境等因素限制的中西部地区电网,通常具有电源接入点少、供电能力薄弱及可再生能源丰富等特点。以新疆某地区弱电网为例,光伏发电系统大规模接入电网,在实际并网中会产生大量谐波电流,对电网运行造成严重影响。为此,对接入新能源光伏电站的谐波特性开展测试与分析,利用谐波特性分析测试装置,基于相关谐波特性的标准定量,评估了新能源接入后的电网侧谐波特性水平。     

光伏电站接入对送出线路继电保护的影响张东明;连婷;王东;贾中义;任华;王海云;1-4

针对大量光伏电站接入电网,重点从光伏电站的电源特性对现有继电保护的动作特性方面展开研究。在综合稳定程序(PSASP)中建立了光伏电站系统暂态模型以及送出线路模型,分析了光伏电站发电系统的故障电流特征。在此基础上分析了光伏电站发电系统对送出线路光伏侧继电保护动作特性的影响,并提出了相应的保护配置建议。为分析和预测在现有大系统中增加光伏发电系统后对电网的影响等提供了有力的技术支持。     

基于数据融合的变电站电气设备安全运行一体化检测技术

变电站设备安全运行一体化检测技术中信息管理系统与运维业务之间数据融合度低,严重影响检测过程中故障定位精度,对此设计一种基于数据融合的变电站电气设备安全运行一体化检测技术。对采集到的电气设备运行数据中的缺失数据和异变的数据进行处理,完成数据融合前的预处理,建立数据融合故障诊断模型,结合最短距离法聚类树确定故障存在情况,通过计算明氏距离划分变电站电气设备安全运行扰动区域,根据故障扰动区域划分结果,检测故障,从而完成变电站电气设备安全运行中故障的精准定位。在实验中设计无NLOS传播和有NLOS传播2种场景下检测技术的定位精度,实验结果表明,与无NLOS传播相比,在有NLOS传播情况下定位精度稍差,但是2种场景下的定位误差均在合理范围内。     

基于深度学习网络的三维激光雷达弱小目标分割研究

为了提升三维激光雷达弱小目标分割的抗干扰性与实时性，有效提取三维激光雷达图像有用信息，设计了基于深度学习网络的三维激光雷达弱小目标分割方法。采集目标三维激光雷达图像，应用小波方法去除三维激光雷达图像噪声；从去噪后的图像中提取三维激光雷达图像多尺度特征，并将特征输入到深度学习网络中训练，建立三维激光雷达弱小目标分割模型，实现弱小目标分割。测试结果表明：该方法能够高精度分割三维激光雷达目标，且分割速度较快，具有较高的实际应用价值。