基于场景建模的电力巡检异物检测样本扩充方法

利用深度卷积神经网络来进行图像目标检测是电力巡检异物检测的常用手段。训练神经网络需要大量样本,但电力行业存在着图片难以收集导致训练样本不足的情况。为方便目标检测神经网络的训练、提升目标检测模型的识别性能,利用一种基于已有样本的场景建模方法,自动生成大量符合实际电力场景的图片,以扩充样本。该方法利用卷积神经网络实现场景建模,并采用泊松融合进行图片合成,同时加入尺寸变换、图像旋转、图像滤波等数字图像处理方法。通过实例验证,该样本扩充方法可以实现扩充目标检测训练所要求的图像样本,也可以在样本完全缺失的情况下快速生成一定量的样本,提高目标检测模型的性能。     

不均衡数据集下基于生成对抗网络的改进深度模型故障识别研究

由于传统轴承故障诊断方法依赖于信号处理能力且模型泛化能力差的问题,提出一种不均衡数据集下基于深度对抗网络的故障诊断方法,该方法首先通过构建小样本训练集进行生成对抗网络训练,将生成样本加入到原始小类别样本训练集中,得到样本训练集,降低不同类别样本的不平衡性;然后引入深度学习的模型优化技术,提出适合轴承故障诊断的深度卷积神经网络模型,该模型直接作用于训练样本集,自适应地从原始数据中逐层学习故障特征,实现不同故障的准确识别;为了增强诊断系统最终分类预测的准确性,引入Focal损失函数对分类层进行故障识别。大量的定性定量实验表明,所提的改进网络在检测率与误检率方面均优于现有的其他深度模型,并且拥有较快的收敛速度与泛化能力。     

基于策略梯度和生成式对抗网络的变压器油色谱案例扩充方法

油色谱数据的缺乏和不均衡会导致训练过拟合、模型缺乏代表性、测试集效果不理想等问题,从而难以对变压器的状态进行准确评价。针对该问题,将强化学习中的策略梯度算法引入生成式对抗网络GAN(Generative Adversarial Networks),提出了一种基于策略梯度和GAN的变压器油色谱案例生成方法。仿真结果表明,与传统的样本扩充算法相比,利用所提方法合成的样本质量较高。对包含9种故障状态共700组样本的变压器油色谱数据利用所提方法进行油色谱故障样本扩充,利用基于BP神经网络模型的变压器故障分类模型对将扩充后样本作为训练集训练得到的神经网络模型和仅用真实数据作为训练集训练得到的神经网络模型进行了对比,结果表明利用扩充的样本后,变压器故障分类准确率得到了提高。变压器故障诊断实例表明利用所提方法得到的结果与实际情况相符。     

基于WGAN图片去模糊的绝缘子目标检测

针对不可抗力因素造成无人机航拍绝缘子图片模糊、绝缘子目标检测率较低的问题,提出了一种基于Wasserstein距离优化的生成式对抗网络(WGAN)图片去模糊的绝缘子目标检测方法。首先在WGAN训练过程中引入残差网络,使得生成的绝缘子图片更加清晰;其次在损失函数中引入Wasserstein距离以保证训练过程的稳定性;最后通过优化模型的训练过程,使得生成的绝缘子图片细节还原度更高。绝缘子图片去模糊化实验结果表明,所提方法在结构相似性与峰值信噪比等评价指标上均高于基于卷积神经网络与深度多尺度卷积神经网络等图像去模糊算法。另外,将利用所提方法生成的绝缘子图片与模糊绝缘子图片划分为3组,采用改进的基于区域建议的卷积神经网络目标检测算法分别进行目标检测实验,精确度均值分别提高了5.77%、6.73%与5.98%,有效提高了绝缘子的目标检测率。     

基于深度学习网络的输电线路异物入侵监测和识别方法

为解决输电线路异物入侵在线监测图像样本量较小的问题,针对异物图像特点,提出了一种基于深度学习的输电线路异物入侵监测和识别方法.首先选取典型正常运行输电线路图像和目标异物图像,采用条件生成对抗网络算法对有异物入侵的输电线路图像进行样本扩充.然后将Dense-net网络替代YOLOv3网络中倒数第二层网络,建立Dense-...     

基于DAGAN的电气设备小样本红外图像生成技术与应用

面向电力设备的红外图像由于其高度敏感性和机密性,缺乏公开数据集,严重制约了面向电力红外图像的深度学习目标检测网络的发展。针对该问题,使用改进后的数据增强生成对抗网络(DAGAN)对数据进行扩充。首先改变其生成器结构,提出一种全新的生成器结构MUL-U-ResNet3+,该结构对网络结构和残差模块都进行了优化,U-Net结构优化为MUL-U-Net3+结构,并将其残差块改变为SandGlass模块,另外其损失函数的梯度惩罚改变为随机梯度惩罚,从而降低网络训练的难度。使用某220 kV和某500 kV变电站的数据对该算法进行测试,试验结果表明数据扩充后的样本在目标检测中有了更好的效果。     

基于CNN-GAN的信道状态信息室内定位算法

在指纹室内定位中,构建高质量的指纹库是实现高精度定位的前提。针对建库阶段需要在每个参考点上收集足够多的信号样本,耗费大量人力与时间成本的问题,提出一种基于改进的条件深度卷积生成对抗网络的指纹库扩充方法。网络模型将参考点序号作为条件信息,得到对应参考点上的生成样本,利用最小二乘损失函数代替交叉熵损失函数,避免训练过程中容易出现的梯度消失问题。实验验证,该方法能有效增加每个参考点的样本数量,提升了卷积神经网络的训练效果,提高了小样本情况下的定位精度,均方根误差降为0.44 m,定位误差在1 m内的占比为86.98%,误差在2 m内的占比为92.72%。     

一种变工况下风电机组行星齿轮箱的故障诊断方法

针对现有的大多数深度迁移学习方法只能在目标转速下工作，而且在模型的训练中总是需要目标域样本的问题，研究风电机组行星齿轮箱在变工况下的故障诊断方法，设计了应用于变工况下行星齿轮箱故障诊断的深度残差半监督域泛化网络，将诊断模型推广到未知转速的故障诊断任务中。首先对振动信号进行Fast Kurtogram时频变换，生成图像并构造样本集；其次模拟实际情况，以含标签源域样本集和无标签源域样本集为输入，使用深度残差网络提取深层故障特征，并引入对抗博弈机制和基于伪标签的半监督学习方法对网络进行训练；最后根据训练后的网络搭建了域泛化故障诊断模型，利用行星齿轮箱故障诊断实验进行评估。实验结果表明，所设计的网络可以有效利用定速样本实现对未知转速样本和变速样本的故障识别，对目标域的平均识别率达到95.24%。     

基于样本扩充的Faster R-CNN电网异物监测技术EI北大核心CSCD

电网公司的巡检工作主要依靠人工完成,需要大量人力物力,且实时性较差。针对该问题,提出一个基于区域推荐卷积神经网络的图像目标监测系统,其中核心算法为Faster R-CNN算法。利用深度学习对摄像装置所采集的现场图像进行分析,执行目标检测任务,若发现威胁电网安全运行的隐患将及时通知工作人员。深度学习发挥其优势需要有效样本达到一定数量,包含隐患的真实样本较少,有些异物种类甚至没有合适的样本,往往不能满足深度学习算法的训练要求。因此研究了一种用于扩充样本的样本生成算法,将隐患目标与背景图像按照一定规则进行融合,达到批量扩充样本集的目的。使用该算法生成的样本进行测试,测试结果表明扩充后的训练集可以使系统性能得到一定提升。此外,通过测试发现,对训练集做一定的预处理可以提升模型的识别性能。     

基于Cycle-GAN的绝缘子图像生成方法

深度学习模型应用于输电线路绝缘子目标检测时,在训练样本方面存在公开样本集缺乏和优质样本不足的问题,为此提出一种基于循环一致性生成对抗网络(cycle-generative adversarial networks,Cycle-GAN)的绝缘子图像生成方法。首先分析绝缘子样本集,对绝缘子图像基于背景色彩特征进行风格域划分;之后在划分好的绝缘子风格域样本集基础上,采用Cycle-GAN生成绝缘子图像样本;最后,搭建分类网络验证生成图像用于扩充的有效性,并进一步探究了生成图像不同扩增比例对分类性能的影响。结果表明:绝缘子生成样本可一定程度上替代真实样本;生成图像不同扩充比例对网络性能影响不同,当扩充比例在40%~50%时,分类网络性能提升效果最佳。     

配电网公用网和专用网协调规划方法及其应用

介绍了一种配电网公用网和专用网协调规划方法。分析了目前配电网公用网和专用网情况,总结存在的主要问题,研究了配变负荷需用系数,确定不同负荷类型的配电网用户的负荷发展趋势,并给出了配电网专用网改造方法及新建原则,以便协调规划配电网公用网和专用网。实际应用表明应用此方法开展配电网公用网和专用网协调规划,能够有效回收配电网专用网资源,提高电网设备利用率,增加电网企业效益。     

虚拟专用网技术在电力信息网络中的应用

分析了信息网络对电力企业管理的重要性以及利用虚拟专用网络（virtual private network．VPN）技术构建信息网络的必要性。针对VPN技术原理,提出了如何利用VPN技术构建信息网络的方法,并结合实例论述VPN产品选型、组网拓扑结构配置的方法。VPN技术使电力行业各机构的内部信息可以跨越公共网络进行传输,利用公共信息网络建立VPN的组网方式可为电力企业提供一种低成本的网络基础设施,实现了电力企业低成本、快速扩展信息网络的要求。     

配电网规划接线方案研究

主要了解目前配电网接线的主要形式,研究了影响配电网接线方式的因素,初步拟定了网络接线方案以及确定了最优网络接线方案.     

关于骨干通信网网络优化的探讨

随着通信网的不断发展,地区电力通信网的各层通信传输网络相继建设完成,新业务和新的通信站不断接入。原有的组网方式存在网络拓扑结构瓶颈,业务配置复杂,业务板卡数量有限,无法满足新增业务的需求,对"三集五大"建设难以构成有效支撑。利用现有光缆资源,对骨干通信网网络拓扑结构进行优化,在核心节点升级扩容设备,对全网传输时隙进行统一规划。通过骨干通信网网络优化,提高了传输时隙利用的有效性和有序性,规范了网管业务数据开通流程,为"三集五大"建设提供有力的通信网络保证。     

考虑网络抗毁性的配电网网架多目标规划

复杂网络理论中的网络结构抗毁性从自身连接性角度描述了网络抵御破坏的能力。文中将其引入配电网网架规划中,建立了以投资、维护、运行费用之和最小,以及网络抗毁度最大为目标的配电网网架多目标规划模型,并采用向量序优化方法优化该多目标模型。向量序优化理论包括排序比较和目标软化等核心思想,能确保以很高的概率求得足够好的解,计算量大大减少,可以满足配电网规划寻求最优或次优方案的工程需要。算例优化结果表明,采用向量序优化求解配电网网架规划可以找到较优的规划方案,且与现代启发式算法相比,计算时间更少,搜索效率更高。     

Network Equations

A set of network equations are developed which are more general than the loop or node equations and which include the loop and node equations as special cases.     

电厂辅控网和视频监控网两网合一的探讨

全厂辅控网和CCTV视频监视系统在电厂广泛应用，各自采用独立的网络传输数据和视频信号，不但增加了设备的投资和网络建设费用，而且不利于全厂辅助车间监控网络的结构优化，因此提出将全厂辅控网和CCTV视频监控网两网合一，本文分析了两网合一的关键问题和解决办法，通过论述认为两网合一是可行和可靠的。     

全国电网互联对福建电网的影响

从动态稳定、静态稳定问题和福建电网稳定水平三个方面,分析了全国联网后对福建电网的影响。     

配电网电缆管网规划方法及其应用

给出了一种配电网电缆管网规划方法,介绍了其研究思路,分析配电网电缆管网现状,根据负荷增长情况,确定了配电网的目标网架,进而根据规划区常用的电缆敷设方式和配电网目标网架,测算电缆管网的需求量。经过对某地区实际应用,结果表明该法能够形成坚强的配电网目标网架,科学合理规划、应用、维护电缆管网。