基于深度学习的电力设备红外图像故障诊断方法

红外热成像检测技术在变电站中的广泛应用产生了大量红外图像.针对变电站人工故障诊断作业量大、效率低的问题,提出了一种基于MobileNet的设备红外图像自动故障诊断方法,并进行了软件封装.首先,考虑到检测速率需求,构建了基于MobileNet轻量化网络的深度学习电力设备分类模型,并通过迁移学习提高模型训练效率和准确率;其...     

基于油中溶解气监测的变压器在线半监督故障诊断方法研究

变压器是电力系统中的核心设备,其运行的可靠性直接影响着整个电力系统的稳定与安全,因此对变压器运行状态进行实时分析并进行准确的故障诊断非常重要。针对变压器运行状态数据难以收集、故障数据缺乏而导致故障分析模型泛化能力差的问题,该文提出了一种半监督流形嵌入(semi-supervised manifold embedding,SSME)学习的变压器在线故障诊断方法。该方法使用变压器油中H₂、CH₄、C₂H₆、C₂H₄和C₂H₂ 5种不同气体的浓度特征和运行状态类别的有限样本,联合大量在线监测获得的气体浓度样本数据,建立一种在线的半监督故障诊断模型来分析变压器的运行状态,该模型能在0.1s内完成700条在线监测数据的状态检测,其性能可以达到在线诊断的要求。结合实例,对所设计的变压器故障诊断模型的准确性和诊断效率进行了对比分析实验。实验结果表明,该文提出的方法的故障诊断准确率高于经典的深度置信网络(deep belief ...     

基于改进Centernet的变电设备红外检测方法

变电站红外图像中小目标众多并且环境复杂,导致现有检测算法精度较低,因此本文提出一种基于改进Centernet的变电设备红外检测方法。首先以Centernet作为基础模型,将FPN结构引入上采样网络以充分利用小目标特征信息,从而解决小目标难以被精确检测的问题;然后,为提升网络在复杂环境中检测的鲁棒性,通过在主干网络resnet50中嵌入注意力机制来提升网络对重要目标的关注;最后,采用CIOU损失替换中心点偏移损失和宽高损失的训练策略以加速网络收敛、提升训练效果。实验结果表明,本文方法在小目标检测和复杂环境检测中都能有较好的检测效果,检测精度相比改进前提升3.1%,达到92.7%,相比Faster R-CNN等现有方法精度更高,在变电设备红外检测中具有一定参考价值。     

红外诊断技术在变电设备状态检修中的应用

介绍了红外诊断技术用于变电设备故障诊断的原理,阐述了红外诊断技术的特点,其适用范围包括导流回路的故障诊断、绝缘故障的诊断、铁磁损耗和涡流故障的诊断以及油浸设备缺油故障诊断。针对实际应用中发现的一些故障实例进行了分析探讨,归纳了红外诊断技术实际应用中的一些注意点。     

基于全局注意力机制的变电设备红外图像识别方法

常规的变电设备红外图像识别特征提取以目标标点提取为主,识别速度慢,容易导致红外图像的缺陷误识率升高。为此,提出对基于全局注意力机制的变电设备红外图像识别方法的设计与验证分析。根据当前识别需求,先采集红外图像数据,通过多尺度的方式,提高识别速度,进行多尺度特征提取。以此为基础,设计全局注意力机制变电设备红外图像识别模型,采用阈值辅助判别的方式来实现图像识别。测试结果表明：在选定的3个阶段中,对比的2种辅助方法对红外图像的缺陷误识率均高达15%以上,而所设计的全局注意力机制变电设备红外图像识别组误识率被较好地控制在10%以下,说明此次在全局注意力机制的辅助下,设计的图像识别方法针对性更强,识别效率高,更为高效。     

基于半监督分类方法的变压器故障诊断

变压器油中溶解气体分析(DGA)是电力变压器故障诊断的重要方法。针对现有方法建立分类器时需用到大量已知类别数据而没有利用待分类数据的问题,将半监督分类(SSC)方法引入变压器故障诊断问题中,建立了一个新的变压器故障诊断模型。SSC方法在学习过程中能同时利用已知类别数据和未知类别数据,获得更多的信息,因而有更好的学习效果。采用模糊近邻标签传递的半监督分类(FNNLP-SSC)方法进行变压器故障诊断,所提方法依据样本与其K个近邻的模糊相似性连接,使类别标签从标签数据向未标签数据传递,最终实现未标签数据的分类。对故障DGA样本的诊断实例结果表明,所提FNNLP-SSC方法比模糊C均值(FCM)方法和IEC 3比值法有更高的诊断正确率,验证了所提方法在变压器故障诊断中的有效性和可行性。     

采用CT域HMT模型的变电设备红外和可见光图像融合

将变电设备的红外图像和可见光图像融合可大大提高热故障定位的准确度。鉴于小波变换缺乏方向信息,且不能为2维图像提供理想的稀疏表达,同时考虑到边缘特征在图像融合中的重要性,提出了一种基于轮廓波变换(contourlet transform,CT)域隐马尔可夫树(hidden Markov tree,HMT)模型的红外和可见光图像融合算法。利用所提出的算法,完成了某500kV变电站设备的红外和可见光图像融合。融合结果表明,该算法由于采用期望最大(expectation maximization,EM)算法对CT分解得到的高频系数进行HMT建模且设计了一种利用Canny算子进行边缘检测的融合规则,所以可在保留更多细节信息的同时,能得到更加光滑细腻的融合图像;融合结果的均值、标准差、平均梯度和信息熵等统计指标均有明显改善。该算法为变电设备的智能检测与识别提供了量化依据和指导。     

用红外技术诊断变电设备内部健康状况的可行性分析

通过在大量例证基础上的归纳分析和简明的推算,指出在现有的技术水平上应用红外测试技术,开展对变电设备的在线检测是一项完全有可能而且很有意义的工作。     

基于智能算法的变电设备发热缺陷预判装置研发

针对红外热成像仪现场使用的必要性以及存在的不足,研发一款基于智能算法的变电设备红外测温发热缺陷智能预判装置。该装置根据现场采集的红外图谱等信息,可即时形成设备的图文缺陷报告单,并且能通过对设备发热缺陷信息的跟踪记录,利用融合的智能算法实现对设备发热缺陷的智能预判。     

基于深度学习和知识图谱的变电站设备故障智能诊断

及时发现并诊断变电站运行中设备存在的问题,是保障电网安全运行的关键手段之一.基于深度网络与知识图谱技术,提出一种关联变电站设备多模态信息的故障智能诊断方法.利用深度学习技术和知识图谱方法对采集的多模态数据进行知识提取和融合,构建一个多模态信息融合的语义知识图谱;使用YOLOv4算法对故障样本聚类并提取先验框参数;将多模...     

基于红外热像采集技术的变压器故障预警及诊断研究

为了实现对变电站变压器故障的精确诊断,采用红外热像仪测试并提取变压器工作工程中的红外热图像信息,采用图像分割与特征提取方法建立变压器温度场的温度-频率分布曲线,分析变压器正常工况及故障工况时的红外热像特征及温度场特征。结果表明:变压器在正常运行时,各接线夹温度相对接近,最大温差为4.4℃;而接触不良时,接线夹温度显著升高,与其它正常工况温差达到57.5℃。因此采用红外热像分析方法可有效实现变电站变压器故障的精确诊断。     

基于深度学习的电力设备故障诊断方法研究综述

在大数据时代背景下,如何有效利用电网产生的大量数据快速、准确地判断设备的运行状态,并进行故障预警,成为近年来的研究热点。以基于电力设备监测数据的故障诊断方法为研究主题,总结电力设备数据的特点,阐述应用深度学习技术过程中面临的挑战,最后给出研究建议。应用可解释的深度学习模型、增强数据融合广度和提升诊断结果稳定性是进一步的研究方向。     

基于Multi-Agent的变电站故障诊断系统的研究

为了解决大规模电网的故障诊断的问题，本文根据故障诊断的基本原理，结合Petri网故障诊断理论，提出了基于多Agent故障诊断系统模型。仿真结果证实了本模型的正确性。     

基于调度与变电站一体化系统的分布式故障诊断

随着智能电网的快速发展,智能变电站数据量不断增长,数据处理能力不断增强,推动故障诊断技术逐步朝分布式方向发展。基于统一平台技术的调度与变电站一体化系统采用了分布式故障诊断的设计,在变电站建立基于故障逻辑描述语言建模和模型驱动式故障推理的故障诊断专家系统,与调控中心主站的综合智能告警通过广域服务总线实现协同互动、信息共享。实践表明,基于调度与变电站一体化系统的分布式故障诊断能够满足调控运行人员快速、可靠地处理变电站故障告警的需求。     

基于红外检测的变电站设备热状态诊断

提出了一种基于红外检测的变电站设备热状态诊断方案。首先基于变电站设备的红外图像,采用局部方差映射函数和遗传算法阈值提取了变电站设备的热状态数据,以用于对异常区域进行分割。然后构建了红外图像灰度数与变电站设备温度两者之间的关系。最后采用改进的相对温差法达到了对设备热状态进行分类和诊断的目标,并捕获定位了变电站设备的热状态异常区域。实验结果表明,该方法提高了异常热区提取的精度和效率,提升了变电站设备热状态诊断的容错能力,进一步保证了变电站和整个电力系统的运行稳定性。     

变电站接地网的信息融合故障诊断

基于人工神经网络、小波变换及信息融合技术提出一种接地网断裂故障诊断方法。该方法通过在直流激励源下,采用人工神经网络的方法对地网的断裂进行诊断;在高频激励源下,建立接地网的高频模型,利用小波分析对地网的断裂进行诊断。但是考虑到上述两种故障诊断方法有其不确定性,为了提高变电站接地网导体故障诊断的可靠性,将上述两种故障诊断的结果作为证据来源利用证据理论实现多种故障诊断方法的融合。最后给出了一个接地网故障诊断的实例,其仿真计算和诊断结果表明,与单一诊断方法相比,故障诊断的可靠性得到了明显提高。     

基于云平台的变电站设备智能诊断系统

针对诊断设备无备用、特征参量单一导致变电设备故障诊断可靠性和准确性较低的问题,研究了一种基于云平台的变电站设备智能诊断系统。该系统由智能传感器、诊断云平台和变电站中心控制站组成。智能传感器采集设备的实时状态数据并传输至云平台;云平台由智能电子设备(intelligent electronic device,IED)组成,根据任务调度原则合理分配云平台计算资源,融合初步故障诊断信息,实现故障协同诊断和诊断结果分层存储;变电站中心控制站调用高级诊断方法进一步确认故障,发出报警和维修信号。某220 k V变压器状态监测实例表明,与传统变电站诊断系统相比,该系统使IED互为冗余备用,充分利用云平台资源,并行分析状态数据,使诊断时间缩短约40.11%,提高了故障诊断的可靠性。     

Fault Anticipator for Substation Equipment

Following an inordinate number of in-service failures of 230-kV current transformers, a need was perceived for some sort of early failure warning device for equipment in substations. The development and evaluation of an inexpensive partial discharge detection system for continuous on-line monitoring of substation equipment is described in this paper. The source of partial discharge activity, which nearly always precedes failure in high voltage equipment for times from minutes to months, may be unequivocally identified in a noisy substation environment, with no false alarms. Possible personnel hazard and damage to other equipment caused by an explosive failure can be avoided with appropriate operator action upon an alarm.     

基于故障群-征兆群对子的变电站故障诊断

为处理好变电站故障诊断问题中故障源和故障征兆间因果关系的不确定性,本文提出了基于故障群组合优化的故障诊断方法.在建立保护配合的Petri网模型的基础上,用状态转移方程分析模型的动态特性,从中获取所有故障群-征兆群对子.创建故障群组合匹配已知故障征兆的适应度函数,并用遗传算法搜索出最优诊断解.实验证明:该方法不仅能有效地辨识出故障源,而且能提供保护装置拒动、断路器装置拒动、信号传输错误等信息,对现场人员迅速确认故障设备非常有利.