配电线路干线断线故障同步时序信息检测方法

面对当前使用的FP-Growth算法、AdaBoost算法受到负载电路谐波突变量影响,存在故障信息检测无法大的问题,提出了配电线路干线断线故障同步时序信息检测方法。构建同步时序关系模型,设置配电线路干线断线故障位置判定规则,以初步确定故障位置。依据故障位置,建立决策属性机制,由此设计基于同步时序信息的断线故障检测流程,获取最终故障位置信息。根据实际负载的波动情况,检测负载电路谐波突变量,避免干扰信息检测。由试验结果可知,该方法与试验数据最大误差为0.05 A,检测误差较小。     

改进 RetinaNet 的工艺流程检测算法

现阶段,图像深度学习算法无法检测时序性的工艺流程问题。本文针对针织机械山板总成的人为装配工艺进行研究,提出MS-RetinaNet目标检测算法。借鉴自然语言处理的思想,引入Swin-Transformer结构,保留了CNN结构的层次性,弥补了CNN结构对于高层语义信息融合不足的问题,增强了全局与细节学习能力;使用改进的GIoU Loss,增加判定因子式,缓解损失计算退化的影响,优化边界框回归效果;根据多尺度目标参数,采用最佳锚框比,提高了召回率和检测精度;设计时序检测头,使算法具有判别目标先后顺序和逻辑关系的能力。实验结果表明,算法AP可达90.3%,高于当前主流算法2%以上,单张图片检测速度约46 ms,满足了工艺流程的时序检测要求,综合性能优越。     

基于行为时序逻辑TLA的时钟系统分析与检测

对基于行为时序逻辑TLA的模型检测技术进行了研究,指明了TLA的语义和语法并对行为时序逻辑中的公平性问题进行了定义.用基于TLA的系统描述语言TLA+对时钟系统进行描述并用其模型检测工具TLC对其进行了验证.     

基于位置信息校正和条带化融合的西林瓶标签文本检测方法

西林瓶标签信息检测对实现药品自动化管理以及建设智能化药房有着重要意义。针对目前文本检测网络对西林瓶标签文字检测存在精确率低、极端长宽比和大型文字检测效果较差的问题,提出了一种基于位置信息校正和条带化融合的西林瓶标签文本检测方法。首先,通过增加感受野模块扩大网络的感受野,提高文本检测的精度;其次,提出了位置信息校正模块,避免特征融合时下采样导致位置信息偏移;最后,采用条带化尺度融合模块的竖直和水平条带状池化层收集上下文空间特征信息,从而引导特征的自适应融合,实现对极端长宽比文字的有效检测。实验结果表明,提出的检测网络相比于原始模型,在西林瓶标签数据集上F1-score、精度和召回率分别提高了2.47%、3.12%和1.57%,优于目前大多文本检测网络。     

基于空间特征融合的车间作业工具检测算法

手和工具的交互是区分车间人员作业行为的关键信息。为防止泵件装配工序错漏,达到实时监测的目的,提出基于空间特征融合的车间作业工具检测算法。首先,为了提高对目标的定位能力和检测精度,基于帧差法分割前景中的手部运动区域,获得具有运动空间特征的纹理图像,结合装配过程的RGB图像构成目标检测网络的双通道输入。设计空间感知模块实现双通道输入的空间特征融合,获得全局空间信息。利用特征增强模块融合全局空间信息和深层语义信息,加强显著位置的特征响应。然后,采用ESNet(enhance shuffleNet)重构主干网络,基于深度可分离卷积实现多尺度特征提取,提高检测速度。最后,针对图像背景中局部元素变化问题,采用CutOut数据增强方法,提高模型抗干扰能力。实验结果表明,本文所提算法有效降低了误检率,较传统YOLOv5s的mAP提高6.4%,能够快速准确检测车间人员作业时使用的工具。     

基于电力设备大数据的预训练语言模型构建和文本语义分析EI北大核心CSCD

在电力设备运维管理过程中,如何运用非结构化文本信息,构造电力设备文本语义分析模型,挖掘非结构化文本信息,提升设备缺陷和故障的诊断速度和准确性,辅助电网运行检修决策,是非常具有应用价值的问题。该文提出基于超大规模预训练方法的电力设备文本语义分析模型(PowerBERT)。该模型基于多头注意力机制,采用多层嵌入语义表达结构,模型总参数超过1.1亿,实现对电力文本内蕴含的信息的理解和分析。基于超过18.62亿字符的电力标准、管理规定及检修记录文本构成的电力专业语料,并采用字符掩码、实体掩码、片段掩码等多种掩码机制和动态加载策略开展模型预训练。针对电力设备文本分析场景,在电力文本实体识别、信息抽取和缺陷诊断场景进行任务场景训练和优化。与传统深度学习算法进行对比实验的结果表明,该文所提方法在基于极少的场景任务样本的情况下,在验证集和测试集上实现召回率和精准度20%~30%的性能提升。     

基于MGAT-TCN模型的可解释电网虚假数据注入攻击检测方法

新型电力系统背景下,快速、准确的虚假数据注入攻击(FDIA)检测对电网安全运行至关重要。但现有深度学习方法未能充分挖掘电网量测数据的时序和空间特征信息,影响了模型的检测性能;同时,深度神经网络的“黑盒”属性降低了检测模型的可解释性,导致检测结果缺乏可信度。针对上述问题,提出了一种基于多头图注意力网络和时间卷积网络(MGAT-TCN)模型的可解释电网FDIA检测方法。首先,考虑电网拓扑连接关系与量测数据的空间相关性,引入空间拓扑感知注意力机制,建立多头图注意力网络(MGAT)提取量测数据的空间特征;接着,利用时间卷积网络(TCN)并行提取量测数据的时序特征;最后,在IEEE 14节点系统和IEEE 39节点系统中对所提MGAT-TCN模型进行仿真验证。结果表明,所提模型相比于现有检测模型具有更高的检测准确率和效率,且通过拓扑热力图对注意力权值可视化,实现了模型在空间维度的可解释性。     

基于预训练语言模型的电力领域设备缺陷检测

电力设备缺陷种类繁多,部分缺陷会引发设备故障,及时检测电力设备存在的缺陷是防止发生设备故障的重要手段。设备缺陷检测旨在从文本中识别触发词并且将文本划分对应的设备缺陷类型。针对电力领域缺陷数据集标注不足,以及由于文本中包含大量专业术语造成语义理解难等问题,研究基于深度学习的设备缺陷检测方法,设计电力领域设备缺陷检测预训练语言模型,利用事件三元组知识。文中,构建一个电力设备缺陷检测数据集,在模型进行缺陷检测任务之前,通过事件三元组预训练的方式提高语言模型的表征能力。实验表明,基于现场设备案例数据经过预训练的模型在缺陷检测任务上具有更好的表现效果,可以有效实现对电力领域缺陷报告文本的缺陷检测。     

移动机器人视觉 SLAM 回环检测原理、现状及趋势

近年来,视觉 SLAM 以结构简单、成本低、可结合语义信息等优势得到广泛关注。 回环检测在其中发挥着重要的作用。 根据获得的回环信息,视觉 SLAM 后端优化算法便可以根据回环约束对位姿进行优化,消除移动机器人在长时间的工作下产生 的累积误差,实现精确的长期定位,从而构建全局一致的运动轨迹和地图。 首先介绍视觉 SLAM 中回环检测原理及作用,从特 征提取、相似度判断、实验评估几个方面对传统词袋模型进行深入分析,并概述目前基于词袋模型和概率的改进算法,对比总结 基于深度学习的回环检测方法,简单概述结合语义信息的回环检测方法,最后对回环检测技术目前存在的问题以及未来的发展 趋势进行总结与展望。     

塑壳断路器操作可靠性试验微机检测与控制技术

根据塑壳断路器可靠性行业标准(报批稿)中对操作可靠性试验的规定,介绍了操作可靠性试验的基本要求.在此基础上,研究了试验过程中的计算机检测与控制技术,包括计算机检测与控制试验设备的组成.为了实现对试验参数检测与试验时序控制,采用了计算机定时中断技术、试验时序的控制方法以及失效的判定方法.     

组合电器状态检测新技术在辽宁电网的应用

对组合电器状态检测技术的发展及不同检测方法的优缺点进行了研究,主要包括SF6气体泄漏检测技术、SF6分解产物检测技术、局部放电检测技术、X射线成像检测技术和震荡波雷电冲击试验技术。在此基础上,结合辽宁电网实际,分析了组合电器状态检测新技术的应用情况,并提出了检测技术的应用建议。     

基于分布式测点的智能变电站核相系统

为适应数字化的采样值传输方式,解决目前智能变电站现场调试时缺乏专业核相设备、核相工作不易实施的问题,文中提出了一种基于WIFI无线传输网络的智能变电站分布式核相系统。介绍了核相系统的系统架构及具体实现方案,研究了分布式数字化核相时采样值自适应传输、无线区域化同步及相位测量方法等关键技术。实验表明,基于无线通信实现的分布式核相系统相位采集精度较高,核相结果准确,操作方便,能够满足智能变电站现场全站核相的功能需求。     

电力信息网络入侵检测中BM改进算法研究

分析了在电力信息平台中引入入侵检测技术的安全需求,介绍了Snort入侵检测系统的结构和工作流程,指出了字符串匹配算法的效率对于提高Snort系统性能的重要性。在此基础上,对Snort系统中的BM单模式匹配算法进行深入研究,提出了BM改进算法。改进算法分析了当前比较字符串的末字符及其后继字符唯一性、关联性,实现了模式串的较大向右跳转距离。在Snort系统中对改进算法进行了验证,实验结果表明,改进算法有效地提高了入侵检测的效率。     

水工混凝土裂缝像素级形态分割与特征量化方法

混凝土开裂问题在水工建筑物主体结构中普遍存在,裂缝检测一直是水工混凝土结构安全鉴定的重要内容。数字图像处理技术因具有效率高、成本低等优势而被广泛应用于结构表面裂缝检测中,形态分割与特征量化是其核心任务。针对传统图像处理人工干预较多、泛化能力较弱等不足,本文提出了一种基于深度卷积神经网络的水工混凝土裂缝像素级形态分割与特征量化方法。该方法以U-net语义分割模型架构为基础,融合迁移学习技术,采用VGG16预训练网络强化编码器,提取多尺度高级语义信息,并通过改进交叉熵损失函数缓解样本类别不均衡问题,从而实现裂缝形态的精准分割。随后根据二值化分割掩膜,集成计算机视觉技术,给出了一整套定量计算裂缝面积、长度和宽度等几何特征参数的算法。以自制水工混凝土裂缝图像数据集为案例,通过仿真对比实验对所提方法的有效性和优越性进行了验证评估。结果表明,所设计深层网络的裂缝分割效果明显优于经典图像分割方法,且裂缝特征参数计算结果满足检测精度要求,以期为水工混凝土结构质量控制提供新的技术手段。     

基于DBSCAN-FPN的输电线路螺栓缺销检测方法

螺栓作为输电线路上数量最大的紧固件,其缺陷检测是输电线路巡检工作中的一项重要内容.针对螺栓缺销为小目标,其定位困难、特征难提取的问题,提出一种基于DBSCAN算法与FPN模型相结合的螺栓缺销检测方法.首先,利用FPN模型定位螺栓缺销目标区域,同时基于DBSCAN聚类算法对具有相同形态结构的区域进行聚类;然后,改进FPN...     

基于广域响应的电力系统暂态稳定控制技术评述

电力系统暂态稳定控制技术是维持电网安全稳定运行的核心问题之一。随着PMU/WAMS的广泛应用,基于广域响应的暂态稳定控制技术已成为重要发展方向。从受扰轨迹快速预测、暂态失稳实时判别、暂态稳定紧急控制三个方面,以理论和应用相结合的观点,对广域量测在电力系统暂态稳定控制研究中的应用进行了评述。最后,进一步探讨了现有控制技术所亟待解决的问题。     

变压器可听声诊断技术中传声器的选择

变压器故障检测技术研究一直是变压器研究领域的热点问题,基于可听声的变压器诊断技术是当前较新的变压器故障诊断方法。其中可听声数据采集过程是非常关键的一步,因此可听声信号采集设备的性能直接影响诊断结果的判定。文中在对常用的动圈式、电容式、驻极体电容式传声器的结构、参数性能进行分析比较的基础上,根据变压器可听声信号的特性及检测要求,推荐在变压器可听声诊断检测中采用驻极体电容式传声器。最后,采用驻极体电容式CRY333型传声器对某地区实时运行中的变压器进行数据采集,结果表明该类传声器参数性能合适,适用于变压器可听声采集。     

基于特征增强 YOLOv4 的无人机检测算法研究

现有基于深度学习的目标检测方法在面对空中消费级无人机时,存在鲁棒性差、准确率不足等问题。 对此,提出一种基 于特征增强的 YOLOv4 目标检测方法—FEM-YOLOv4。 首先,针对无人机低、小、慢等特点,改进骨干网络,降低下采样倍数,充 分利用包含细粒度信息的浅层特征;其次,加入特征增强模块(feature enhancement module),通过使用不同空洞率的多分支卷积 层结构,综合不同深度的语义信息和空间信息,增强小尺度无人机的细节语义特征;另外,利用多尺度融合的特征金字塔结构, 突出特征图包含的细节信息和语义信息,提升模型对无人机目标的预测能力;最后,采用 K-means++算法对无人机目标候选框 的尺寸进行聚类分析。 与 6 种目标检算法进行对比,实验结果表明,FEM-YOLOv4 算法的 mAP 和 Recall 分别达到 89. 48%、 97. 4%,优于其他算法,且平均检测速度为 0. 042 s。     

基于几何统计的人体姿态语义描述方法

准确高效地对人体姿态进行语义描述是识别人类行为的重要部分,也是快速了解个体状态以及发生事件的关键。 近年 来,人体关键点检测技术获得了长足的发展,然而针对人体姿态语义描述的研究并未引起足够重视。 为此,本文提出了一种基 于几何统计的人体姿态语义描述方法。 首先将获得的人体关键点划分为若干集合,然后提取每个关键点集合的几何分布特征 用于描述人体姿态,最后采用层次策略判断人体姿态的语义。 该方法采用了集合的思想来提高识别人体姿态的鲁棒性。 在不 同真实场景数据集上的实验结果表明,所提方法在简单和复杂单人姿态的 IFD 和 PASCAL 数据集上识别人体姿态的平均准确 率分别达到了 90. 8%和 77. 1%,对于复杂多人姿态的 MPII 数据集准确率为 77. 2%,均优于对比方法,可见所提方法在关键点缺 失等情况下依然能够实现较准确的人体姿态语义描述。     

基于互相关与混沌检测相结合的光声信号检测方法

采用光声光谱方法检测变压器油中溶解气体的体积分数时,由于变压器运行现场的干扰以及检测过程中存在的噪声使得微弱光声信号湮没在强噪声中而无法辨识。在分别对互相关运算和混沌检测进行分析说明的基础上将这2种方法结合起来作为微弱光声信号检测的理论依据。集成LabVIEW和Matlab软件构建了虚拟信号检测系统,编程实现了由李雅普诺夫特性指数谱来判定混沌系统运动状态的功能。实验结果表明该方法对被强噪声覆盖的微弱光声信号非常敏感,具有较高检测精度。