基于生成对抗网络和深度残差神经网络的变电站异物检测

变电站电力巡检能够保证变电设备安全运行,及时发现潜在危险和隐患。传统方法主要依靠人工完成,需要较多的人力物力,并且由于变电站异物入侵的偶然性和突发性,传统方法很难预测发生的时间和地点。针对该问题,提出了基于生成对抗网络和深度残差神经网络的变电站异物检测技术。利用深度残差神经网络提出图片的特征,结合区域推荐网络和池化分类器实现目标的分类和定位。利用生成对抗网络生成样本扩充训练数据库,提升了网络的学习能力。最后利用真实变电站的图片数据进行测试,提出的方法具有较高的异物识别准确度,并且比较了不同种类不同数目的训练集,验证了通过生成对抗网络扩充样本的有效性和可行性。     

一种高效双路径注意力太阳电池缺陷检测网络

针对多晶硅太阳电池片缺陷尺度不一、跨度大、表面纹理背景复杂、缺陷微小微弱的特性,基于Yolov4提出一种新型检测框架EDANet,构建两个新型的模块：跨尺度空间增强模块（CGSE）和自校准压缩-激励模块（SCSE）。CGSE模块作为空间注意力以多尺度的形式将特征进行融合、抑制背景、突出前景、重加权特征图,引导网络学习正确的前景背景特征分布;SCSE模块以通道注意力的形式对高层特征的每个空间位置建立长距离依赖关系,通过显式合并信息帮助网络生成更多的辨识性表示,以区分微小微弱缺陷。实验结果表明：该网络的均值平均精度（mAP）值达到92.07%,在多晶硅太阳电池缺陷检测精度上有明显提升。     

基于轻量化网络的变电站缺陷图片检测算法

保证变电站运行安全和可靠,自动检测变电站设备缺陷是电网智能化的关键。提出基于轻量化网络的变电站缺陷图片检测算法。针对目前传统的深度网络深度较深,耗时较长,易发生梯度爆炸、消失的情况,以及变电站智能监控实时性要求高的问题,提出了一种基于轻量化网络的变电站缺陷图片检测算法。该算法通过深度网络的轻量化设计,不仅可降低计算时间复杂度和空间复杂度,并且能提升检测准确度。该算法利用轻量化的特征提取网络进行图片的多尺度特征提取,且能根据多尺度特征进行目标种类和位置的检测。以变电站现场故障图片作为实验数据,对比测试了SSD算法和所提算法在面对不同故障的检测准确率。实验结果表明,所提算法在变电站故障检测任务中比SSD算法更加准确,为变电站故障检测提供了有效的手段。     

变电站一次设备状态检修方法研究

随着我国经济的不断发展,也正在大规模推进智能电网建设。为了保证智能电网的安全、稳定、可靠运行,就必须采用新方法对变电站的一次设备的运行状态进行深入研究,以提高变电站一次设备的检修效率。本文从变电站一次设备状态检修概念的角度出发,对变电站一次设备状态检修方法进行了深入研究,构建了变电站一次设备状态检修评估模型,并设计了一次设备状态评估系统。经过试验验证分析,本文所提出变电站一次设备状态检修方法对于提高变电站一次设备的安全性、稳定性、可靠性具有重要意义,可以进行大规模推广应用。     

基于深度卷积网络的裂纹转子耦合故障检测方法

针对传统裂纹转子故障检测方法精度低、适应能力差、严重依赖人工经验的缺点,提出了一种基于深度卷积神经网络的耦合故障检测方法,实现对转子多种耦合故障的自动端到端检测;结合准确的裂纹转子数值模型对方法进行验证,在算例中同时考虑了裂纹位置、裂纹深度和不平衡量3种故障检测任务,检测精度分别为0.899、0.923、0.997,显著高于其它机器学习方法。同时讨论了转速工况和学习样本对神经网络检测性能的影响。建立的方法摆脱了传统机理方法对信号处理技巧的依赖,可以实现可测振动信号到多种故障特征的直接映射,同时检测精度高,具备自动适应变工况的能力。     

基于T-VGG的太阳电池片缺陷检测

针对太阳电池片EL图像,提出一种融合注意力机制和Ghost卷积层并引入批标准化的T-VGG轻量级卷积神经网络模型。首先使用Ghost卷积层替换常规卷积层,其次引入注意力机制和批规范化,进而实现对电池片缺陷的高精高速检测。实验结果表明,该卷积神经网络模型对缺陷的检测准确率为99.15%,对缺陷类型的检测准确率为96.28%,检测时间为0.032 s/张,在保证高精高效性的同时兼具通用性。     

基于深度学习与不平衡样本集的输电线路故障分类

针对输电线路各类型故障样本间的数量不平衡会造成人工智能算法对故障中的少数类样本识别精度不足的问题,提出了一种基于Borderline-SMOTE(BSMOTE)算法与卷积神经网络(CNN)相结合的输电线路故障分类方法.该方法首先利用BSMOTE算法对位于分类边界上的少数类样本进行过采样合成处理,改善样本间的不平衡度,然...     

基于CNN-LSTM深度学习的燃烧不稳定性检测方法研究

提出了一种基于高速火焰图像序列的深度学习模型来检测燃烧不稳定性．模型以高速火焰图像序列作为输入,结合卷积神经网络(CNN)和长短期记忆网络(LSTM)同时学习图像序列的空间特征和时间相关性,输出燃烧不稳定性检测结果．利用旋流燃烧室多种工况下稳态和非稳态的瞬态火焰图像数据集验证模型的鲁棒性和准确性．该深度学习模型被证明是一种潜在的燃烧不稳定性检测工具,并有望成为一种很有前途的燃烧不稳定性预测工具．     

基于相对温差法的智能组合开关电器故障检测方法

当前开关电器故障检测过程无法实时获取故障变量状态,导致传统方法存在故障检测效率低、延时情况严重的问题。为此,该文研究新的基于相对温差法的智能组合开关电器故障检测方法。从功率管与非功率管短路过程,提取智能组合开关电器故障特征,分析智能组合开关电器测量点之间差值的比值。通过相对温差法研究故障运行时的变量状态,以智能控制采集模块、检测发生故障的电器、根据故障类型表判断电器故障类型、测试结束时断开电源整理好开关电器4步实现检测过程。从智能组合开关电器的功率管开路故障和短路故障2方面进行实验,以此验证方法有效性。结果表明,与其他方法相比,该方法具有高精度、低成本的优势,适用于智能组合开关电器综合故障检测。     

基于Cascade R-CNN算法的输电线路小目标缺陷检测方法

输电线路无人机航拍图像缺陷识别是维护线路安全运行的重要巡检手段,但目前的识别算法对于销钉、螺母等小目标缺陷存在识别精确度低、易漏判等问题。将Cascade R-CNN算法应用于输电线路缺陷检测中,利用ResNet101网络进行特性提取,增强的网络的特征提取能力,并利用多层级联检测器对输电线路小目标进行判别和分类。基于无人机航拍图像数据集进行实验,实验结果表明,相比于Yolov3检测器和Lighthead R-CNN检测器,Cascade R-CNN算法提高了小目标缺陷检测中的召回率和精确度。     

基于深度卷积神经网络的光伏组件热斑检测

热斑效应是造成光伏组件损坏的主要原因之一,提早发现光伏组件热斑效应并及时解决,可有效减少损失.该文针对热斑效应问题提出改进的Faster R-CNN红外热斑图像检测方法,该方法是基于SpotFPN多尺度特征学习模块,将SpotFPN应用在二阶段目标检测网络中提高了模型的检测精度,改善热斑的识别准确率.同时为解决数据集不...     

基于MC33972芯片的一种开关检测电路的设计及实现

提出了一种新型的开关量检测电路的方法,通过汽车电控单元与可编程多路开关检测接口器件MC33972芯片之间进行SPI通信来实现,将之与传统的分立元件组成的开关量检测电路相比,电路设计简单,保证了车用开关工作的可靠性和有效性.     

一种基于自适应小波变换的火焰检测方法的研究

1引言锅炉煤粉燃烧已成为工业生产和人民生活所必须的一种能量和动力来源,而火焰检测系统是保障锅炉安全运行的关键所在。为避免炉膛爆燃事故的发生,火检系统必须能对炉膛的燃烧状况进行实时准确的判别。由于可见光波动强度较小,频谱范围较窄,利用单燃烧器检测可见光信号比依靠     

基于差分序列方差与CPS融合的数字变电站数据异常检测方法

针对传统基于简单阈值的异常检测方法已无法适用于数字变电站过程层网络中可能出现的设备物理故障和恶意入侵导致的数据异常的问题,提出了一种基于差分序列方差（difference sequence variance,VDS）与信息物理系统（cyber-physical system,CPS）融合的数字变电站数据异常检测方法。首先,在分析CPS中面向通用对象的变电站事件（generic object oriented substation event, GOOSE）和制造报文规范（manufacturing message specification,MMS）数据的行为特征基础上,研究了IEC 61850协议规范的度量方法,提出了网络和系统管理方案;其次,基于VDS的异常检测方法和流程,结合数字变电站过程层报文特点,提出了变电站流量异常隶属函数以及基于CPS融合的参数确定方法;最后通过仿真验证了所提方法不仅能有效识别信息设备物理故障和恶意入侵导致的数据异常,对于拒绝服务攻击也能实现准确检测,相比于传统方法具有更高的准确性与可靠性。     

一种基于DSP的内燃机状态检测与故障诊断系统

本文简述了国内外机械状态检测与故障诊断技术的研究现状,列举了几种不同的检测方法,并分析其实时可实现性;讨论了一种智能内燃机状态检测与故障诊断系统,为其工业应用提供更清晰的分析资料.     

一种应用于谐波检测的三相锁相环

为准确检测负载谐波电流,针对瞬时无功功率理论检测方法（iP-iQ）在电网电压不平衡、畸变等条件下谐波检测的不足,提出了一种新的基于双同步旋转坐标变换及交叉解耦的三相锁相环消除二倍频分量,实现更高的锁相精度、有效消除纹波。通过与传统锁相环(SRF-PLL)运用于（iP-iQ）法进行谐波检测的仿真对比,结果表明在电网电压不平衡和畸变条件下,新的三相锁相环(IDDSRF PLL)提取到的基波畸变率分别降低了1.18%和1.42%,从而提高了（iP-iQ）法的谐波检测性能。     

非对称中点钳位型逆变电路的开关磁阻电机模型预测直接转矩控制方法

针对开关磁阻电机(SRM)转矩脉动过大的问题,提出一种非对称中点钳位型逆变电路的模型预测直接转矩控制方法,该控制方法基于开关磁阻电机的电感特性及转矩产生原理对扇区进行重新划分,对非对称中点钳位型逆变电路的基本工作模式进行分析并选取基本电压状态,根据直接转矩控制原理及扇区实际意义制定新型矢量选择方案,减少每个控制周期中的...     

一种改进混合式电压暂降检测方法

电压暂降检测算法的性能直接影响动态电压恢复器(DVR)的电压补偿效果,但传统电压暂降检测算法难以同时兼顾快速性和准确性,针对该问题,提出一种改进混合式电压暂降检测方法,采用该方法,DVR能够在2 ms内快速检测并补偿电压暂降.首先介绍了改进混合式电压暂降检测的工作原理,在此基础上介绍了结合改进时域法和dq变换法的混合式...     

圆度仪检测缸套形位公差评定方法的探讨

本文利用圆度仪检测缸套形位公差的评定方法,通过实例着重叙述采用“最小区域法（MZC）”为最佳方法,从而提高测量的准确度.     

一种新型自焙电极压放量检测方法

在对比几种检测方法的基础上,介绍了一种新型的电极压放量检测方法。