基于图像特征和深度森林的乙丙橡胶电缆绝缘

为了更准确地对乙丙橡胶电缆绝缘老化状态进行识别,提出了一种基于局部放电图像特征和深度森林的识别方法。文中制备了不同老化状态的乙丙橡胶试样,搭建了局部放电试验平台,通过试验获得了不同老化状态的乙丙橡胶试样局部放电谱图,并从局部放电谱图中提取了19个特征参量,结合深度森林网络对不同老化程度的试样进行识别。结果表明：通过结合局部放电谱图特征和深度森林网络能够准确的识别电缆老化状态,且识别率优于其他传统分类算法。将局部放电图像特征与深度森林结合应用于电缆的绝缘老化诊断具有较好地工程应用前景。     

基于多尺度卷积神经网络的动车组电缆终端故障诊断研究

为对动车组电缆典型故障进行高效、准确评估,提出了一种基于多尺度卷积神经网络的诊断方法.首先人工制作含四种典型缺陷的动车组电缆试样,对其进行局部放电测试,并将采集的局部放电信号去噪;然后将去噪后的局部放电信号导入多尺度卷积神经网络进行深度特征学习;最后通过softmax分类器对电缆故障进行评估.结果 表明,针对四种典型的电缆故障,该方法能保持较高识别率,且在识别率和耗费时间方面均优于其他传统故障诊断方法,具有较好的工程应用前景.     

基于改进残差网络的电缆终端缺陷识别方法

针对动车组乙丙橡胶电缆终端缺陷局部放电识别准确率低的问题,提出一种基于改进残差网络的车载电缆终端缺陷识别方法。首先制作了含4种典型绝缘缺陷的电缆终端,搭建局部放电检测平台获取不同缺陷状态的局部放电信号、建立数据集;然后利用特征变换将局部放电一维时序信号转换为二维拓扑特征图像,从而增强缺陷类别的可区分性;最后,在残差网络ResNet101模型中加入注意力机制,同时融合Center和Softmax损失函数进行训练和识别分类,进一步提升准确率。测试结果表明,该诊断方法对电缆终端局部放电的识别准确率高达97.3%,相比于其他传统缺陷诊断方法,模型的识别精度更高、均衡性更好。     

融合注意力机制与多尺度网络的EPR电缆终端故障诊断方法

高铁列车关键部件的智能化诊断是当前电气化铁路智能检测与控制的关键一环,如何通过深度学习方法更精确、灵敏地诊断出高铁列车关键部件的故障已成为当前研究的热点.该文在卷积神经网络架构的基础上,提出了融合注意力机制与多尺度网络的故障诊断方法,选择4种乙丙橡胶(ethylene propylene rubber,EPR)电缆终端典型缺陷模型作为研究对象,通过所提出的融合注意力机制与多尺度网络的方法进行了终端典型缺陷的诊断.结果 表明:所提出的方法对于EPR电缆终端故障的预测准确率达95.9％,相较于传统方法,预测准确率提高15％;同时,相较于其他深度学习方法,该方法对终端故障的预测准确率提高了5％,且所构建的诊断模型的训练迭代步数减少约40％.该文还提出了一种在极值寻优能力、网络稳定性、特征学习能力优于多尺度网络的网络模型,但相较于传统识别方法,深度学习方法的模型训练时间过长,如何缩短网络的模型训练时间还需要进一步深入研究.     

基于非线性混合整数规划的配电终端布点优化研究

提出一种考虑供电可靠性和经济成本的配电自动化终端布点优化方法,在架空馈线安装故障指示器、电压时间型终端和电压电流型终端,在电缆馈线安装故障指示器、二遥终端和三遥终端,对配网进行配电自动化改造以提高供电可靠性,可靠性指标取为用户年平均故障停电时间,故障影响模式根据配电终端类型确定。用Java语言编程实现,从XML文件读取配网数据,使用JGraphT图形库存储配网拓扑信息,建立非线性混合整数规划模型,使用建模系统Gams求解模型,为便于工程实施,分阶段输出优化结果。采用某市的配电终端布点规划作为算例,验证了方法的可行性。     

基于多源信息融合的配网故障外部原因识别

配网故障原因的准确识别对于缩短故障查找时间、提高供电恢复速度和供电可靠性有重要意义。根据责任归属可将配网故障原因分为内部原因和外部原因，内部原因指设备绝缘弱化、过电压等电气相关原因，而外部故障通常由于天气、动物或人类活动引起。由于外部原因导致的故障是多种因素共同作用的结果，为此提出融合线路参数、天气、时间等非电气量信息及动作电流、故障相数等电气量信息的故障外部原因识别方法，首先对5种典型外部故障原因的特点及相关影响因素进行分析，构建识别模型，然后使用无监督学习训练得到深度信念网络各层的最优参数，利用有监督学习对全局参数进行微调，得到基于深度信念网络的配网故障外部原因识别模型，最后利用西部某地区的实际故障数据对算法的准确性进行了验证，结果显示识别准确率可达94.82%,证明了方法的正确性。     

基于时频维数的10kV电缆故障诊断

10 kV 电缆故障信号具有非平稳性和非线性的特征,当前故障诊断方法无法精细刻画和准确提取电缆故障信号的内在特征信息,导致得到的诊断结果不准确,为此,提出一种基于时频维数的10 kV 电缆故障诊断方法,分析了广义维数法,将时域信号扩展至时频域信号对电缆信号进行研究,给出了电缆故障信号在时频平面上的广义维数覆盖方法的数值算法,通过时频域广义维数法对10 kV 电缆故障信号进行特征分析,针对任意待诊断电缆信号,通过对其模式特征和已构建的样本数据库的对比,即可识别出该待诊断电缆是否出现故障,确定故障类型。实验结果表明,所提方法适用于10 kV 电缆故障的诊断,具有很高的诊断精度。     

一种基于红外图像的电缆终端异常发热自动诊断方法

为提高电缆终端异常发热的自动诊断水平,降低对人工诊断的过分依赖,提出一种基于红外图像分析的电缆终端异常发热自动诊断方法。该方法首先利用最大类间方差法确定灰度化图像的灰度阈值,实现图像背景滤除;其次利用Canny算法提取前景图像中的边缘信息,识别出目标对象电缆终端;接着采用k-means聚类算法对电缆终端进行分割,提取疑似过热区域;然后基于过热区域构造模板,并采用模板匹配方法从参考相中匹配出参考区域;最后计算过热区域与参考区域的温度特征信息,依据相关诊断标准得到诊断结果。案例分析结果表明,该方法能从背景复杂的红外图像中识别出电缆终端,定位过热区域与参考区域,实现对异常发热现象的自动诊断,具有实际工程应用价值。     

低压配电网故障智能识别系统的研究

提出了一种识别380 V低压配电网故障的方法。以此为基础研发了低压配电网故障智能识别系统。通过在低压配网的相应位置,如箱式变电站的低压开关、低压电缆分支箱、环网柜等设备的电缆出口处安装该智能识别系统,自动记录故障区域、故障类别、故障前后的电量有效值和相关故障波形图,供技术人员比对、分析,确定故障区域和严重程度,为准确、快速处理电网故障提供依据。     

深圳供电局有限公司， 广东 深圳 518000

摘要： 10 kV电缆故障信号具有非平稳性和非线性的特征，当前故障诊断方法无法精细刻画和准确提取电缆故障信号的内在特征信息，导致得到的诊断结果不准确，为此，提出一种基于时频维数的10 kV电缆故障诊断方法，分析了广义维数法，将时域信号扩展至时频域信号对电缆信号进行研究，给出了电缆故障信号在时频平面上的广义维数覆盖方法的数值算法，通过时频域广义维数法对10 kV电缆故障信号进行特征分析，针对任意待诊断电缆信号，通过对其模式特征和已构建的样本数据库的对比，即可识别出该待诊断电缆是否出现故障，确定故障类型。实验结果表明，所提方法适用于10 kV电缆故障的诊断，具有很高的诊断精度。