一种改进的压板状态识别SSD算法

在变电站二次侧管理中,压板承担着重要作用.文章提出了一种改进SSD图像识别算法,用以实现对压板状态的识别.新算法通过在SSD目标识别算法中,嵌入注意力机制,利用注意力机制挖掘了每个特征通道的重要程度,提升有用特征的权重,抑制了无效特征,提升了原有算法的检测精度.为了解决训练样本不足的问题,新算法通过对样本的扩充和迁移学...     

基于OpenCV+SSD深度学习模型的变电站压板状态智能识别

目前,变电站保护硬压板信息管理处于完全依赖于人工巡检的状态.伴随着人工智能上升为国家战略,深度学习技术进一步发展,提出一种基于OpenCV+SSD深度学习模型的压板状态识别方法.在图像二值化并高斯滤波基础上,基于霍夫直线检测算法进行保护屏柜角点检测,并通过透视变换实现压板图像矫正,从而避免拍摄图像的角度变化对识别结果的...     

用于变电站保护压板状态识别的增强YOLO网络

为解决变电站保护压板识别环境复杂、前景与背景难以分割和小目标检测困难等问题,提出了增强YOLO算法用于变电站保护压板的状态识别。首先,提出了局部残差聚合模块,对堆叠的残差模块的局部残差特征进行聚合,加强复杂环境下的识别能力。然后,将空域注意力机制嵌入到残差模块中,利用空间信息解决前景与背景难以分割的问题。最后,提出交叉空间金字塔模块用于提取全局上下文信息。利用标注的数据集进行验证,实验结果表明,增强YOLO算法相较于改进前算法,保护压板的状态识别效果显著提高。     

变电站硬压板状态在线监测功能研究

智能压板在线实时监测系统在国内率先采用计算机非接触光检测和网络技术,采集变电站保护硬压板状态信息,利用变电站综合自动化系统将信号传至主站端,基于调度技术支持系统,实现对压板状态的实时监测和防误识别。沈阳供电公司智能压板在线实时监测系统运行半年以来,系统运行状况良好,为调度和运行人员对压板状态进行监视管理提供了有效手段。     

调控一体化运行模式下变电站二次设备状态监测技术探讨

介绍常规变电站二次设备的类型,分析各种二次设备的运行状况,重点说明空开和压板的状态监测现状及其存在的问题,提出变电站二次设备状态监测改进技术方案,并对空开和压板状态采集系统进行方案说明和验证。     

使用深度分离卷积网络实现继保压板状态识别

变电站内继电保护压板的核对一直以来都是依靠人工进行操作,并且变电站继电保护压板装置众多,人工核对压板方式费时费力且易出错.文章提出一种利用深度可分离卷积网络实现继电保护压板识别的方法.首先,基于TensorFlow机器学习平台创建深度可分离卷积网络;然后,对采集的压板图像进行标注,形成数据集,并对网络进行训练,得到图像识别模型;最后,使用TensorFlow Lite对模型进行转换和优化,并将其应用于嵌入式系统.试验结果表明,深度可分离誊积网络在嵌入式系统上运行性能和识别速度达到预期效果,压板开合状态识别正确率达100％,具有广泛应用价值.     

基于注意力机制与特征平衡的变电站多目标检测

随着电网结构的日益复杂,变电站关键设备的运行状态对电网安全稳定运行的影响逐渐增强。针对变电站复杂背景下多目标识别以及相似目标识别困难的问题,该文提出了一种基于注意力机制与特征平衡的YOLO-AFB(youonly lookonce-attentionandfeaturebalance)网络。通过在Darknet-53网络中引入混合注意力加强对变电站相关目标的特征提取能力,在特征融合模块中加入反卷积来实现特征图的自适应上采样,提出特征平衡策略来缓解特征图语义信息差别,提高特征融合的质量。在含有9类目标的变电站数据集上进行测试,所提模型整体识别精度达到了83.02%,与经典目标检测网络对比,各类目标的检测精度均有大幅提升。同时互感器等相似目标的识别也得到明显改善,验证了特征平衡的策略可以很好地解决变电站中相似目标识别难的问题。     

继保压板状态图像识别与核对系统设计和实现∗

变电站人工核对压板工作量大、效率低,造成不能及时发现压板误投退、漏投退隐患,因此提出了一种以机器人和手持终端为底层感知设备的继保压板状态图像识别与核对系统.该系统采用多层设计架构方式,实现了设备的实时控制和数据的高效传输与处理.系统感知层采用轮式机器人和手持终端相结合的方式对压板屏柜进行巡检,服务器端采用YOLO目标识别算法实现压板投退状态的识别,使用SSM框架快速搭建稳定性良好的应用系统.该系统在某220 kV变电站进行了试点应用,对该站主控室45面压板保护屏柜(共计1107个压板)进行每月1次定时巡检,并自动形成压板核对报告,压板投退状态识别正确率达100％,完全满足压板日常巡检要求,运行效果良好.     

基于AdaBoost算法的继电保护硬压板图像核对方法

针对常规继电保护硬压板状态核对和管理方法中存在的不足,提出基于在人脸识别领域有良好效果的、以加权投票为机制的AdaBoost算法对压板图像进行核对。在获取大量的压板图像后,对图像样本进行AdaBoost训练,进而得到分类器,对建立的样本中所有图像正确分类。将该分类器和算法嵌入在线检测软件中可对任意图像进行检测。最后得到压板的投退状态和位置信息后输出识别结果。该方法在蒙西电网某220 kV变电站继电保护硬压板图像核对过程中体现出很好的灵活性和较高的准确率。     

变电站巡检机器人盲区压板识别方法及应用

为解决变电站主控室内轮式机器人拍摄继电保护屏底部压板时存在视觉盲区的问题,提出了一种基于除法模型矫正的广角副摄像机拍摄方法。该方法首先通过在轮式机器人侧面安装广角副摄像机实现继电保护屏底部视觉盲区的压板图像信息采集,然后采用除法模型对所采集的图像信息进行矫正,最后采用卷积神经网络算法对压板进行识别,实现了继电保护屏压板识别的全覆盖,提高了压板识别的准确率。在某220 kV变电站进行了压板核对实验,结果表明,采用该方法改进的轮式巡检机器人解决了视觉盲区压板的核对问题,压板核对准确率达到100%,相比原有轮式机器人巡检覆盖面更广、结果更准确,具有良好的推广价值。