基于图像融合的保护压板运行状态辨识方法研究

随着信息技术和智能化技术在电力系统的应用拓展,采用智能巡检机器人对变电站一、二次设备运行状态进行巡视逐步成为智能运检的趋势.提出了一种基于图像融合的保护压板运行状态辨识方法.基于OTSU阈值分割优化方法快速检测图像中的高光干扰;引入改进RANSAC算法完成多视角的图像特征匹配和求取最佳透视变换矩阵,利用辅助图像透视变换至主图像修复其中的高光区域;在图像修复的基础上通过对压板边缘检测的倾角来判断其运行状态.实验结果表明,所提抗干扰方法有助于更好地识别图像中压板的运行状态,辨识准确率可达93％.     

应用聚类和证据理论实现变电站保护压板状态校核EI北大核心CSCD

针对目前人工校核保护压板效率低、图像识别易受光照条件影响的问题,提出了一种基于聚类和D-S证据理论的变电站保护压板状态校核方法。首先对压板图像进行聚类分割,按行检查压板图像像素量和边界点,重新分割异常压板。根据压板在投、退状态下的形态特征,构造压板状态指标作为证据,分析了光照、透视变形因素对压板识别的影响。最后,将多个状态指标依据证据理论进行融合,减少个体指标的不确定性影响。结果表明,所提方法在光照条件不良情况下仍能正确识别压板状态,性能优于单一判据及多判据表决方法。     

应用聚类和证据理论实现变电站保护压板状态校核

针对目前人工校核保护压板效率低、图像识别易受光照条件影响的问题,提出了一种基于聚类和D-S证据理论的变电站保护压板状态校核方法。首先对压板图像进行聚类分割,按行检查压板图像像素量和边界点,重新分割异常压板。根据压板在投、退状态下的形态特征,构造压板状态指标作为证据,分析了光照、透视变形因素对压板识别的影响。最后,将多个状态指标依据证据理论进行融合,减少个体指标的不确定性影响。结果表明,所提方法在光照条件不良情况下仍能正确识别压板状态,性能优于单一判据及多判据表决方法。     

基于OTSU-Graham改进算法的保护压板状态辨识研究

随着自动化与智能化技术在变电站中的推广应用为智能巡检奠定了基础,但是目前二次设备的保护硬压板仍然大多采用人工现场核对的方式,存在核对频次低、校对过程溯源性不足的问题。为此,本文提出了一种基于图像内容识别的压板运行状态智能识别方法。首先采用基于空间领域信息的OTSU算法进行阈值分割消除光照不均阴影区域的影响,在此基础上基于Graham的最小外接矩形算法检测压板开关的最小矩形面积,通过识别面积大小来判断压板是否投入。该方法能够有效减少阴影干扰的影响,准确辨识图像中压板的运行状态。     

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.     

基于颜色分离与形态特征分析的保护压板定位及状态识别研究

为了提高变电站中密集排布,颜色多样的拔插式压板智能识别水平,提出一种色差法与形态特征分析的保护压板定位及状态识别方法。该方法首先对采集的压板图像进行同态滤波增强与透视校正;其次,根据压板图像颜色特征,利用RGB三分量色差法结合形态特征分析实现有效压板区域的分割;然后,通过的矩形结构元素对有效压板区域进行膨胀,从而定位出每块压板区域的位置。最后,结合每块压板图像外接矩形框的形态特征与其重心位置的4联通区域灰度值总和判断出压板的投退状态。对不同拍摄角度及不同光照环境下的保护压板状态识别测试结果表明,该算法具有识别精度高、鲁棒性好的特点。     

基于图像处理与形态特征分析的智能变电站保护压板状态识别

针对目前变电站二次保护压板仍多由人工进行位置读取和核对操作,存在误操作风险且制约着智能化水平提升的问题,提出了一种基于图像处理与形态特征分析的智能变电站保护压板状态识别方法。该方法首先对移动终端采集到的屏柜图像进行图像处理,将其转化为包含有效压板区域和背景干扰区域的二值图,进而采用8连通的方式进行连通区域提取并对所有区域进行形态特征分析,再依据形态特征从中提取出有效压板区域,最后依据有效压板区域方向角确定压板投退状态,同时结合各区域的重心确定屏柜上的有效压板顺序,进而得到表征屏柜压板投退状态的标识序列。不同场景和分辨率下的保护压板状态识别实例结果表明,所提方法具有较好的适用性。     

3/2接线方式母差保护扩建间隔压板操作次序优化

为提高变电站运维检修的工作效率,研究了3/2接线方式下母差保护中扩建间隔压板在启动过程中的操作次序优化,这对电网的安全稳定运行具有重要的意义.在保证电网设备安全稳定运行的前提下,对500 kV电压等级变电站扩建5011断路器间隔的案例进行分析.通过对500 kV I母母差保护5011断路器间隔压板的操作顺序进行调整,得出不同操作顺序下的5011断路器间隔压板变化情况,从而分析得出500 kV I母母差保护5011断路器间隔压板操作次序对断路器保护、母差保护等保护动作行为的影响.基于此提出500 kV I母母差保护5011断路器间隔压板最优操作次序,结果表明在最优操作次序下压板操作量减少60%以上,并且保护动作行为不受影响.     

变电二次设备倒闸操作中硬压板防误操作技术

在对变电站内保护及自动化二次设备倒闸操作中,运行人员易出现二次设备硬压板漏投退或多投退、停送电前后压板位置不一致等错误,造成二次设备安全隐患,威胁相关变电一次设备稳定运行。本文针对变电站二次设备硬压板操作中存在安全隐患,基于二次设备硬压板倒闸操作原则,设计防误操作报警回路与压板位置监测指示灯回路,能够帮助运行操作人员有效预防二次设备硬压板误操作,效果直观,实用性强,防误可靠性强。     

采用非同原工作状态检测技术的新型保护压板设计及应用

智能变电站的建设需要对站内二次设备进行重点升级或换代,其中保护硬压板作为变电站关键二次设备之一,其投入与退出时动作是否到位对于变电站安全运行具有重要意义。针对传统保护硬压板操作人力消耗大、机械断点易开合不到位的问题以及满足现今无人值守工作模式的发展需要,设计了一种采用非同一原理工作状态检测技术的新型保护硬压板,检测过程采用工作电压与动作执行双重检测,并使用“与”运算方式,其中电压检测环节基于采样频率自适应更新与抽取突变算法,保证压板工作状态检测结果的正确性。工程应用表明所提自动保护压板及其检测方法具有有效性。     

基于改进稀疏表示的变电站保护压板状态辨识

鉴于保护屏柜柜门的镜面反射,导致通过图像识别压板状态准确率较低的问题。提出一种基于改进稀疏表示的变电站保护压板状态辨识方法,在消除高光干扰的基础上,实现压板状态辨识。针对高光干扰问题,首先利用二维最大类间方差法检测图像中的高光区域,然后改进稀疏表示修复算法,实现对图像中高光干扰的消除。对于修复后图像,再根据最小外接矩形法对保护压板进行状态辨识。最后,通过有无高光干扰的两组对照仿真分析检验了所提方法的有效性和准确性。其中,其中对无高光干扰的200个不同型号的压板样本进行状态辨识,最小外接矩形法的准确率为98.0%,优于倾角辨识法的83.5%,对存在高光干扰的240个图像样本采用改进稀疏表示算法进行状态辨识,其准确率可以达到97.92%。     

基于CNN图像识别算法的保护装置智能巡视技术

继电保护装置是保障电力系统安全稳定运行的重要环节。随着变电站及继电保护装置的数量大幅增加,运维人员的日常巡视工作量已经趋于饱和,无法保证每次都实现高质量,无死角的巡视,给保护装置的可靠运行带来了隐患。本文提出基于卷积神经网络图像识别算法的保护装置智能巡视技术,借助安装在屏柜前后的摄像头,可实现保护装置的无人或少人巡视。首先,介绍了保护装置智能巡视系统并对可实现的智能巡视项目进行了分析,引出可利用卷积神经网络对其进行图像识别,然后以压板状态识别为例对巡视项目所需要的训练样本集和测试样本集进行介绍,并给出了巡视项目的卷积神经网络层级,再利用训练样本集对不同巡视项目的卷积神经网络进行训练,最后对各网络进行了测试。测试结果表明,各个巡视项目的神经网络图像识别率都在96%以上,有的可以达到98%,识别效果良好。#$NL关键词：卷积神经网络;图像识别;智能巡视;保护装置#$NL中图分类号：TM77     

变电站二次设备巡检的Mecanum轮式机器人精确定位与作业辨识

通过巡检机器人进行变电站二次设备的监测是提升电力设备自动化、智能化管理的重要方式,有利于保障电力工程设备的安全运行。本研究开发了一种用于变电站二次设备自动化巡检的Mecanum轮式机器人,具备自主导航定位与作业辨识的能力,可极大提升设备巡检效率及保护压板状态识别准确性。通过Mecanum轮的驱动方式实现巡检机器人在狭窄作业环境下的灵活运动与姿态调整,多轨道升降平台实现对350-1800 mm高度范围内的二次设备及压板的图像采集与状态辨识。机器人采用基于激光雷达的SLAM导航方法进行自主定位导航,并结合基于视觉的路径提取与跟踪算法进行姿态位置修正,实现在待测点位置的精确定位。同时,提出了基于颜色辨识的图像排列与状态辨识方法,针对二次设备保护压板连通状态进行识别和判断。实验结果表明,研制的变电站二次设备巡检机器人可以实现自主导航与位置精确定位,在路径跟踪过程中最大偏角和偏距分别为±3°和±8 mm。结合机器视觉与颜色辨识的压板辨识方法可以准确识别压板状态,识别准确率大于95.80%,有助于提升机器人自动化的电力巡检作业水平。     

基于多通道增强融合的自适应液晶屏图像分割

液晶屏电子仪表因其示数精确,抗干扰能力强的特性,逐渐取代了指针式仪表,在工业生产中得到了广泛的应用。 针对 液晶屏的自身的显示特性和显示原理,提出一种利用信息熵进行自适应彩色形态学预处理且基于 HSV 空间和色调映射 V 通道 增强液晶屏区域分割方法,并结合了双通道图像加权融合的区域图像增强算法研究,实现液晶屏位置区域的分割。 对多种液晶 屏图像的分割实验的结果表明,较之传统液晶屏分割方案,该方法对单色液晶屏的分割准确度提升 8. 6%,对彩色液晶屏分割准 确度提升了 12. 4%。     

基于SVM的变电站保护室数显仪表数字识别方法

为研发一种适合电网运检用户使用的变电站保护室巡视机器人装备,提出了一种基于支持向量机（SVM）的变电站保护室数显仪表数字识别方法,用于对机器人所拍摄的数显仪表数据进行自动化识别和监测。首先对机器人所拍摄的图片进行自定义阈值分割,并寻找连通域的最小外接矩形,获取图像中的数显仪表区域;然后对获取的数显仪表区域依次执行灰度化、中值滤波、图像增强、数字分割、自适应二值化和归一化操作,实现对数显仪表区域的预处理,获取单个数字;最后,将经过小数点处理后的单个数字图像块输入构建的多元SVM分类器,实现对单个数字的识别。实验结果表明,所提出的方法能够达到96.3%的正确识别率,可用于变电站保护室小型巡视机器人的智能巡检工作。     

一种基于姿态校正的人脸检测方法

本文提出了一种基于姿态校正的人脸检测方法。该方法先对YGbCr空间进行非线性变换得到YC＇bbC’r,空间,用于肤色检测,然后应用形态学算子提取肤色区域。在此基础上,提出姿态角度估计目标函数,并讨论了2种寻优方法即：梯度下降法和次全局枚举寻优法来估计姿态角度值。根据估计的姿态角度作相应的旋转校正,在校正后的区域利用眼睛和嘴的色度和亮度特点分别构造映射图,提取出眼睛和嘴,并验证人脸。该方法在自拍的视频序列中进行姿态估计和人脸检测实验,均取得了较好的效果。     

基于图像质量分析与分割算子的图像特征点匹配算法

为了解决当前由于图像成像质量不稳定和分割不准确所导致图像匹配错误的不足,基于图像质量分析优化和分割算子,提出了基于图像质量分析和图像分割的图像匹配系统.根据图像对比度,建立质量评价函数,通过调节相机曝光,达到图像对比度分明的目的.通过阈值分割和形态学处理设计目标分割算子,根据目标特征匹配度,完成图像目标匹配.集成图像质量优化算子与分割算子于图像匹配系统,并编程实现,实验测试结果显示:与当前图像匹配方法相比,在图像成像质量不稳定的状况下,该方法拥有更高的匹配准确度.     

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...