基于多源信息融合的金属氧化物避雷器运行状态评价方法

为提高对金属氧化物避雷器(MOA)运行状态的准确把控能力,提出了基于多源信息融合的MOA运行状态评价方法。该方法通过评估运行巡视、带电测试与停电试验等数据对MOA运行状态的影响,建立了多源信息评价标准;应用长短期记忆循环神经网络(LSTM-RNN)、CART决策树与D-S证据理论构建了MOA运行状态评价模型;最后运用该模型对不同变电站的3个间隔9支MOA进行跟踪测试。结果显示,该模型的评价结果与停电试验结果相一致,证明了该模型对MOA运行状态评价的有效性。该方法可为高压试验人员制定MOA预试计划提供参考依据。     

基于多层支持矢量机的金属氧化物避雷器在线监测系统

研究了基于多层矢量机(MLSVM)的金属氧化物避雷器在线状态监测系统,并对新投运的表面清洁的避雷器、紫外辐射老化避雷器、表面染污避雷器及压敏电阻老化避雷器进行试验研究,再提取特征量i_r1/i_t1、i_t3/i_t5和i_r3/i_r5。其中比值ir1/it1可表征金属氧化物避雷器外部染污故障;比值i_t3/i_t5可表征金属氧化物避雷器压敏电阻老化故障;比值i_r3/i_r5作为避雷器紫外辐射老化故障衡量指标。将60%的测试数据用于训练MLSVM分类器,在分类器经训练后,将其余测试样本输入到MLSVM中,对样本进行分类。将分类结果与实际故障情况进行比对可知,MLSVM分类器具有良好的性能,可区分避雷器的不同故障状态,准确诊断避雷器的运行状况。     

基于红外热成像技术的水电站混凝土面板裂缝检测方法研究

混凝土面板是水电站枢纽重要的水工结构,为排查混凝土缺陷需开展全面的检测。针对传统方法巡检低效高危等问题,采用热成像技术对水电站混凝土面板裂缝进行有效巡检与识别。对红外热成像技术在裂缝检测应用进行了理论分析,并通过数值仿真对该技术进行了机理性验证。使用该方法在老挝南公1水电站开展了现场实际应用,利用红外热成像技术对混凝土面板裂缝情况进行全面普查,为水利水电结构安全检测工作提供必要的技术支撑。     

基于迁移学习与VGG16深度神经网络的建筑物裂缝检测方法

针对传统的裂缝检测方法存在裂缝样本数量少、检测效率低下、准确率不高等问题,本文提出了一种迁移学习与VGG16深度神经网络相结合的新型裂缝检测方法.该检测方法主要包括三个步骤;首先将获取的裂缝图像进行缩放、裁剪、翻转等预处理来进行数据集的增强;其次在ImageNet数据集上进行网络的预训练,并将VGG16深度神经网络作为...