一种智能电表自动化检定流水线表位在线异常检测方法

自动化检定流水线为智能电表的正常运行提供保障,然而在长期运行过程中,其自身可能发生性能退化甚至故障,特别是检定表位机械压接环节的形变或锈蚀,导致误差试验结果出现偏差,因此,运维工作是极其必要的。目前,检定表位的运维依赖于定期开展的人工故障检测,无法及时响应运维间隔中出现的异常工况,存在异常检定表位仍服务于入网检定工作的风险,因此,实现自动化检定流水线表位异常的在线检测、及时识别表位异常,具有重要意义。文章提出了一种智能电表自动化检定流水线表位在线异常检测方法,通过对表位检定数据分布进行特征提取,将表位异常状态转换为数据分布的异常;并借助局部异常因子算法量化分布的异常程度,标记产生异常分布的表位;应用文章提出的方法对山东省电力公司计量中心智能电表检定数据进行了分析,对比人工检查结果,验证了方法的有效性。     

一种智能电能表自动化检定流水线表位在线异常检测方法

自动化检定流水线为智能电能表的正常运行提供保障,然而流水线在长期运行中会发生性能退化甚至故障,尤其是表位机械环节的形变与锈蚀,会导致误差试验结果出现偏差。目前的人工定期检测方法无法及时响应流水线运维间隔中出现的异常工况,因此,实现自动化检定流水线表位异常的在线检测,具有重要意义。文章提出了一种智能电能表自动化检定流水线表位在线异常检测方法,通过对表位检定数据分布进行特征提取,将表位异常状态转换为数据分布的异常;并借助局部异常因子算法量化分布的异常程度,标记产生异常分布的表位;应用文章提出的方法对山东省电力公司计量中心智能电能表检定数据进行了分析,对比人工检查结果,验证了方法的有效性。     

智能电能表自动化检定流水线表位检测准确性研究

摘要：针对电能表自动化检定流水线表位由于隔离变压器带载能力、电流回路继电器、压线机构接触性能等可能导致的隐患问题。文中采用普通标准电能表、智能电能表和兼容智能电能表电气特性、尺寸及外部结构型制的高精度微型标准电能表（以下简称安装式标准电能表）,对电能表自动化检定流水线表位进行不同方法的空载和带载检测。通过分析检测数据,进行电能表自动化检定流水线表位带载检测的必要性研究,基于研究分析提出了高效、可靠的检测方案。最后,通过实例验证,基于安装式标准电能表对电能表自动化检定流水线表位的带载检测方案,检测准确度明显提升,实现了对电能表自动化检定流水线表位准确性的判断。     

基于LOF+SVM的异常用电用户分阶段识别方法

准确的电力异常用户识别方法能为供电企业锁定存在窃电行为或其他违规行为的电力用户提供参考。大多数基于机器学习的异常识别模型采用了无监督算法，但模型的准确度还较低。针对上述问题，提出一种结合无监督的局部离群因子（LOF）算法与有监督的支持向量机（SVM）算法的两阶段异常用电用户识别方法。基于分析异常电能表区别于正常电能表的电流电压表现，构建异常识别模型的输入特征；采用无监督的LOF算法进行采样，筛选出可疑样本交给人工进行标记，然后利用标记样本训练有监督的SVM模型；在之后的检测工作中，直接将LOF算法筛选出可疑样本交给SVM模型进行识别。实例结果表明，该方法对电力异常用户的识别准确度高，对供电企业的窃电稽查工作具有指导意义。     

基于主动学习和最优路径森林的 管道故障分类识别方法

在工业故障分类过程中有标记样本数量少而人工标注成本高会导致分类器精度难以提高,而大量包含丰富信息的无 标记样本却没有得到充分利用。 针对上述问题,提出了一种结合主动学习(AL)和最优路径森林算法(OPF)的半监督故障分类 模型(AL-OPF)。 该方法首先利用 BvSB 和余弦相似度准则综合衡量样本的价值量,以排序批处理模式筛选价值高的样本,并 获取其标签扩充初始标记样本集,然后通过构建最优路径森林实现半监督标签传播,最后在实验室采集得到的管道故障样本集 上进行实验验证。 实验结果表明,该方法能在有标签样本为 10%的情况下达到 96. 68%的整体识别准确率,与逐个采样模式的 主动学习方法以及基于距离度量提取训练样本全局结构信息的半监督方法相比,所提出方法拥有更高的 Recall 值和 F1- score 值 关键词: 。     

电能表全自动柔性检定系统关键技术研究

针对供电企业电能表检定过程中存在的系列问题,结合互联网+计量、物联网、大数据等技术,提出了电能表全自动柔性检定系统的设计方案,对系统的架构、各工作单元的功能、系统工作流程等进行了深入研究和设计。在研究U型检定仓的基础上,设计了并行检定仓。针对电能表从纸箱到周转箱转运过程中的技术瓶颈,设计了柔性机械手及配套的自动翻转装置,实现了电能表转运流程自动化。通过将全自动柔性检定系统与人工检定台及U型自动化流水线进行性能指标分析比对,结果表明采用本设计方案进行大规模的表计检测,可以显著提高检定效率,降低劳动成本,该设计方案具有很强的实用价值和推广价值。     

水表检定的自动化改造及应用

桂林市技术监督水表检定站原先有7台水表检定装置,用容积法的方式全人工进行水表检定,即用水表的示值与标准容器的示值进行计算来得出水表的误差。在检定的过程中,我们一直在寻求尽可能用自动化设备代替人工操作进行自动检定,并且实现数据的电子化管理及传输。     

多层次结构与半监督学习的谣言检测研究

当前谣言检测工作主要基于监督学习,需要人为标记数据而导致检测具有滞后性。为了充分利用大量的未标记数据,及时检测社交网络中的虚假谣言。提出了一种基于多层次结构与半监督学习谣言检测模型(multi-level semi spuervised graph convolutional neural network, MSGCN)。该模型构建了一种多层次检测模块,基于图卷积网络对有限的标记样本进行训练以提取多层次传播结构特征、扩散结构特征和全局结构特征。其次,引入随机模型扰动集成无标签数据的动态输出进行一致性预测,提出互补伪标签法来获取高质量伪标签数据,并将其加入标记数据扩充样本。最后在有监督交叉熵损失和无监督一致性损失约束下提高模型质量。在公开的Twitter15、Twitter16和Weibo数据集上的实验结果表明,所提出模型在30%标记样本下准确率达到88.3%、90.1%和95.5%,在少量的标记样本下便可达到优异的成绩。     

电力计量检定运行过程中3D动态感知监控方法

为了解决电力计量检定流水线检测不便的问题,结合计算机仿真技术和3D动态建模技术,提出了一种基于局部异常因子算法和3D动态建模相互结合流水线表位异常检测方法.采用标准化的特征缩放方法将特征进行缩放,使用局部异常因子算法计算每条生产线上的表位LOF值,通过格拉布斯准则根据LOF值来判定表位是否异常.根据3D动态建模对判定结...     

自监督瓷砖表面异常检测与定位

针对瓷砖表面异常检测中人工检测效率低、成本高和自动检测标记样本不足、漏检率高等问题，提出了一种自监督学习模型，无需大量缺陷样本，即可实现瓷砖表面常见异常的检测与定位。自监督学习通过样本扩充产生负样本，利用分布增强对比学习提高数据不规则性和扩展样本分布，进而降低对比表示的均匀性，使表示特征分布与分类目标保持一致。在自监督学习表示基础上，构建一类分类器实现了准确的异常检测与定位。实验结果表明，在异常检测标准评估度量(AUROC)准则下，该方法相比其他两种先进方法异常检测率分别提高了371%和274%；异常定位率分别提高了122%和401%，且具有更可靠的检测性能。     

机器人自动挂(摘)表式单相电能表检定装置

正在省级计量中心集中检定模式下,自动化流水线检定方式代替人工方式完成大批量电能表全检验收工作,但自动化检定流水线无法实现电能表抽样检测、不合格品和少数合格品复检。单相电能表相比其他计量资产抽样检测及不合格品和合格品复检量更大,传统的人工检定装置方式需要人工挂(摘)表到检定台后进行检定,人员需求量大、工作强度大以及挂(摘)表过程安全风险大,     

自动化检定流水线现场校验系统的设计与实现

针对目前实际应用的用电信息采集终端自动化检定流水线,文中依据自动化检定系统技术规范,提出了自动化检定流水线现场校验系统的设计方案,研制了符合要求的校验误差及耐压设备,设计了配套的表位误差一致性标准设备和故障模拟装置,开发了用于该测试系统的控制软件。建立了校验数据分析模型,基于GUM算法给出了测试结果的测量不确定度分析过程。实验结果表明校验系统能够准确校验自动化检定流水线的电能参数,确保检测结果的多路输出一致性,考核整套自动化检定流水线的可靠性、准确性。     

基于对比学习生成对抗网络的无监督工业品表面异常检测

在工业品表面异常检测中,由于异常的未知性和无规则性,人工标注异常样本难度大、成本高,有监督的深度学习算法在工业品表面异常检测任务中存在局限性。针对上述问题,提出一种基于对比学习生成对抗网络(contrastive learning generative adversarial network, CLGAN)的无监督工业品表面异常检测算法。首先,建立基于无监督学习算法的CLGAN模型;其次,采用对比学习加强潜在特征空间正负例样本约束,使得输入与输出图像对应Patch之间的互信息最大化,增强正负样本特征向量区分度,使模型重构异常样本图像能力得到进一步提升;然后,在检测阶段,利用训练好的模型得到待测工业品的无异常重构图像,并计算得到待测样本与其对应重构图像之间的残差图像;最后,结合双阈值分割的后处理方法和数学形态学处理,实现工业品表面异常区域地快速检测和准确定位。通过在公共数据集MVTec AD上进行实验,与其他的无监督深度学习模型算法相比,所提算法具有更好的识别效果和更强的泛化能力。     

一种大规模智能电能表全自动检定系统设计

针对即将建设的江苏省年检800万只智能电能表超大规模全自动检定系统工程建设需要,介绍了一种主要由自动化仓储、AGV搬运、机器人挂表、检测装置检测等环节组成,适合超大规模系统建设要求的电能表全自动检定系统的工艺流程、控制系统软件架构和通信规约设计原则,重点讨论了检定任务自动化执行过程,包括检定任务自动化执行过程设计思路,检定任务自动化执行过程设计及其改进方法,不同设计方法的优缺点分析等,探讨电能表自动化检定的新方法、新思路。     

电能表自动化检定流水线表位故障定位及报警系统设计

针对电能表自动化检定流水线表位数目众多且表位故障频率较高,依靠人工巡视远不能满足及时修复故障表位需求的问题,提出一种电能表自动化检定流水线表位故障定位及报警系统,从控制电路及软件设计等方面进行分析,认为该系统能准确定位发生故障的表位并进行报警,同时将故障表位信息显示在用户界面上,并对该系统进行了验证试验,结果表明该系统具有可行性。     

热量表自动检定系统设计

设计了一种可以检定多种口径热量表的多功能自动检定系统。该系统由热水流量检测系统、温差检测系统、数据检测系统和自动控制系统等部分组成。在检定中,热水流量检测系统给试验管路供以循环水,温差检测系统模拟实际的入口和出口温度,数据检测系统和自动控制系统在检定过程中采集相关流量,温度等信号,依据相关热力学公式计算出标准热量值,与被检表的热量示值进行比较计算,从而实现对被检表的检定。实验表明该装置能很好地完成热量表的自动和手动检定。检定系统达到了设计要求,实现了实时监测,保存检定记录,打印报表等功能,具有自动化程度高、检定管径多、灵活性强等特点。     

基于孤立森林评分扩展的流量异常检测方法

流量异常检测是一种有效识别网络攻击行为的技术。近年来,无监督方法在异常检测领域得到了广泛应用。针对现有流量数据间时序关系挖掘的需求与孤立森林随机选择特征属性进行样本划分的问题,本文提出一种基于孤立森林评分扩展的流量异常检测方法。首先,文章使用滑动窗口机制和信息熵特性,设计了网络流量的熵时序特征提取方法,集成至特征集执行显著特征筛选。然后,文章构建了孤立森林评分扩展模型,在节点样本划分时,利用特征集合迭代方法与特征重要性矩阵,综合集合中孤立树特征,为节点标记综合路径长度代替原路径长度,并计算更能表征样本分布的异常评分。最后,通过设定异常得分阈值判别样本是否异常。在公开数据集上的实验结果表明,文章提出的异常检测模型,相比其他方法有明显优势,具有良好的实时检测性能,误报率更低,可有效用于网络流量的异常检测中,对真实网络环境中攻击事件的识别具有重要意义。     

智能电能表自动化流水线检定系统的设计与实现

随着智能电网的建设,电网一户一表改造的推进,智能电能表的需求量急剧增加。为满足目前巨大数量智能电能表的检测需求,设计一种智能电能表自动化流水线检定系统,实现自动传输、自动接拆线、自动检定、自动封印、贴标和智能分拣入库等功能,实现智能电能表检定全过程的自动化和智能化,有效避免人工误差,提高智能电能表的检定质量和效率。     

电能表智能化检定流水线系统的研究与应用

针对目前市级计量检定机构,电能表检定人工环节多,效率低下的实际情况,创新了一种电能表检定模式,全面实现检定全过程智能化、自动化,无人工干预,提高工作效率,降低劳动强度,提高工作质量.系统采用模块化设计,主要由上料装置、传输装置、检定装置、气压接拆线装置、图像识别和接线温度监控装置、装箱装置等组成.通过关键技术的研究与开发,由传输装置将各功能模块紧密集成,通过计算机程序,控制自动化设备和电能表检定,形成流水线式的智能化检定系统.系统的研究和应用,彻底改变了传统检定模式下大量机械式、重复性的人工作业方式,是电能计量技术的一次全新突破.该系统已在浙江绍兴电力局计量中心实施,效益十分明显.     

结合图半监督与广义回归神经网络的非侵入式海洋平台负荷监测

海洋平台微电网所处环境复杂,对其自动化和智能化要求较高,目前缺少对其负荷实时智能监测和管理的方法。从非侵入式负荷监测的角度,考虑海洋平台的经济性要求和特殊的工业环境,提出结合图半监督与广义回归神经网络的非侵入式海洋平台负荷监测方法。采用图半监督学习算法自动标记训练数据集,减少了人工标记数据的工作量,使系统能自动完成数据标记。并与半监督聚类算法对比分析,表明图半监督学习算法对数据标记具有更高的正确率。再利用广义回归神经网络较强的非线性分类能力,提升负荷识别的识别精度和减少计算复杂度。Matlab/Simulink仿真结果表明,所提出的负荷识别算法不仅减少了人工干预而且具有高精度的识别率。