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。     

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...     

基于多策略分割融合与形态特征辨识的变电站保护压板状态识别

目前变电站保护压板巡检仍主要采用人工进行,耗时费力且容易出错,制约着变电站二次设备智能化的发展.为此,提出一种基于多策略分割融合与形态特征辨识的变电站保护压板状态识别方法.通过移动端设备采集屏柜压板图像后,首先对压板区域进行透视变换,消除拍摄角度产生的畸变影响.然后采用多策略分割融合方法获取有效压板区域,即在HSV空间...     

基于压板业务模型库的智能变电站软压板状态采集方法

为提高智能变电站软压板状态采集能力,提出基于压板业务模型库的智能变电站软压板状态采集方法。通过对软压板投退状态影响因子的提取,构建压板业务模型库,为智能变电站软压板状态采集提供可行依据。对压板业务模型库的关联规则特征量的计算,获取变电站软压板状态数据序列,由此构建软压板投退状态的采集模型。仿真结果表明,采用该方法进行智能变电站软压板状态采集的准确性较高,对智能变电站软压板状态特征分析的实时性较好,提高了智能变电站软压板的实时状态监测和控制能力。     

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。     

用于变电站保护压板状态识别的增强YOLO网络

为解决变电站保护压板识别环境复杂、前景与背景难以分割和小目标检测困难等问题,提出了增强YOLO算法用于变电站保护压板的状态识别。首先,提出了局部残差聚合模块,对堆叠的残差模块的局部残差特征进行聚合,加强复杂环境下的识别能力。然后,将空域注意力机制嵌入到残差模块中,利用空间信息解决前景与背景难以分割的问题。最后,提出交叉空间金字塔模块用于提取全局上下文信息。利用标注的数据集进行验证,实验结果表明,增强YOLO算法相较于改进前算法,保护压板的状态识别效果显著提高。     

保护压板测量风险辨识及预控措施

压板是保护装置的重要组成部分,其电位直接影响保护装置在设备发生故障时能否正确动作,因此投入保护前必须测量压板电位,而测量方法不对或测量结果不准确,又未能及时发现,则可能导致保护拒动或误动。结合现场设备,介绍压板电位测量方法,并针对现场设备存在的隐患,提出改进、控制措施。     

基于改进的状态转移算法单相逆变器参数辨识

针对基本状态转移算法容易陷入局部最优的问题,将改进的Tent混沌加入到基本状态转移算法中,采用改进的Tent混沌映射来初始化种群,Tent混沌序列的随机性、规律性等特性抑制了算法的局部早熟,使种群快速跳出局部最优,从而提高寻优的精度。通过物理实验证明该算法的有效性,用改进的状态转移算法实现单相逆变器中关键元器件的参数辨识,算法可以有效辨识单相逆变器中关键元器件的参数。与基本状态转移算法进行比较,改进的状态转移算法辨识精度高。     

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。     

变电站压板在线状态监测系统的应用

分析了当前常规变电站在压板智能化管理与防误操作方面存在的安全隐患,介绍了压板在线状态监测系统的结构及工作原理,阐述了该系统的实施过程及实现的功能,并分析了实施后取得的效果。     

基于多层次架构的继电保护在线状态评价方法

针对当前继电保护运行状态评价难以及时有效地反映保护实时运行情况,难以实现保护系统的在线自动分析与状态评价的问题,提出了保护运行状态的在线评价方法。引入了测量截距的概念,提出了基于测量截距的故障线路识别方法,避免了经过渡电阻接地时测量阻抗难以反映故障点到保护安装处实际阻抗的影响。构建了保护运行状态评价方法,通过建立保护信息矩阵分层传输保护实时动作概率信息。利用故障元件和非故障元件保护动作概率信息实现对保护“四性”的评价。最后通过仿真对某实际电网进行了不同故障情况下的保护运行状态评价,结果表明该方法能够快速识别故障线路并合理有效地完成保护运行状态评价。     

智能远方投退电动压板的设计与应用研究

为了提高压板位置监测及远方遥控投退压板的自动化水平,对电动压板进行了深入研究,提出一种具有双确认位置反馈和明显断开点的新型电动压板。研究说明了压板远方遥控投退和状态实时在线监测的方法及其各种应用模式,分析了电动压板的安全可靠性。研究表明,将传统硬压板无缝改造为兼备双确认和明显断开点的智能电动压板,其方法新颖、可靠,能够克服纯软压板在遥控改造中无双确认、无明显断开点的先天不足,进一步保障了电网调控一体化操作的安全稳定性。     

基于Iradon-CNN的变压器局部放电状态识别方法

为解决变压器局部放电故障所带来的安全隐患,提出了一种基于逆拉冬变换(Inverse Radon transform,Iradon)-卷积神经网络(Convolutional Neural Networks,CNN)的变压器局部放电信号图像识别方法。针对三种故障进行了局部放电实验,首先通过共振稀疏分解对局部放电信号进行分解,获取低共振分量,然后将其转换成Iradon图像,最后利用CNN自适应地提取Iradon图像的特征信息。结果表明,该方法能够准确提取信号特征,具有强大的数据处理和识别功能,并为变压器局部放电状态的识别提供了丰富的信息,提高了学习效果和识别精度。     

基于ISSA-XGBoost的电能质量扰动识别方法研究

针对传统电能质量扰动(power quality disturbances, PQDs)识别中特征提取有冗余,识别精度不高等问题,提出了一种基于改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化特征选择和极致梯度提升(eXtreme gradient boosting, XGBoost)的电能质量扰动识别方法。首先对电能质量扰动信号进行S变换,提取61种电能质量特征。再通过ISSA同时选择最优特征子集和XGBoost中最优参数,剔除冗余特征,提高识别精度。最后根据优化后的最优特征子集和XGBoost实现电能质量扰动的识别。仿真结果表明,所提出的方法能有效选择最优特征子集,对噪声环境下的19种电能质量扰动信号进行高效识别,并且具有较高的识别精度。     

基于Haar小波变换的连续时间系统参数辨识

给出了用 Ｈａａｒ小波辩识连续时间系统模型参数的方法。通过小波对积分建立的操作矩阵,简单有效地将微分方程化为代数方程。根据系统的测量数据并结合最小二乘算法辨识模型参数。给出了一个离线算法,仿真结果表明算法的有效性。     

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...     

基于自适应极限学习机的变压器故障识别方法

针对变压器状态数据累积规模和复杂程度均增大的情况,单一智能算法进行数据处理的能力有限、精度低,提出了基于自适应极限学习机的变压器故障识别方法。利用免疫算法(IA)的多样性调节机制和存储机制对粒子种群进行优、劣分类,对优、劣粒子分别采用不同的进化方式。经IA改进的粒子群优化(PSO)算法有效克服了种群容易早熟从而导致进化停滞的缺点,提高了全局寻优能力。在参数寻优的基础上,根据寻优输出结果建立变压器故障识别模型。实验计算结果表明所提方法比极限学习机(ELM)、粒子群优化极限学习机(PSO-ELM)、遗传算法优化极限学习机(GA-ELM)方法的故障识别精度高。     

基于SSA-SVM的继电保护装置状态评估方法研究

运维检修人员对保护装置检修时需制定检修计划。为了对保护装置准确评估和精准检修,提出了一种基于麻雀搜索算法优化SVM的继电保护装置状态评估方法。根据建立的继电保护装置指标体系对保护装置健康状态进行分类,实现继电保护装置的状态评估。首先,建立继电保护装置状态评价指标体系,根据指标体系采集保护装置的相关数据。其次,建立SSA-SVM继电保护装置状态评估模型,采用该模型将保护装置健康状态按正常、注意、异常和严重进行分类。最后,分别采用SSA-SVM、BA-SVM、GWO-SVM、WOA-SVM算法评估继电保护装置的健康状态,并比较各算法评估保护装置健康状态的准确性和实时性。仿真结果表明,SSA-SVM算法评估保护装置健康状态的准确性最高,保护装置状态评估结果可为运维检修人员提供检修依据。