基于超像素图像分割的变电设备故障诊断研究

红外图像是电力大数据中一种典型的非结构化数据,对变电设备的故障诊断有着至关重要的作用。利用SLIC超像素图像分割技术对变电设备红外图像进行分割,通过HSV颜色空间转换后,动态地设定色调(H)阈值,提取出发热故障区域。实验表明,所采用方法能准确快速地提取变电设备发热故障区域,提高了红外图片的分析效率。     

基于改进YOLOv5n的电力巡检红外图像目标检测算法

热红外图像检测技术在电力巡检中有着非接触、快速等优点,广泛应用于电力设备的监测与诊断,电力巡检红外图像目标检测可以达到快速识别设备发热故障、图像实时处理和降低人工成本的效果。为了保障输电线路的安全与稳定,实时检测输电线路绝缘子与T型线夹的发热故障。本文结合热红外图像的特点,基于YOLOv5n算法改进了网络模型：在原模型中引入Squeeze-and-Excitation注意力机制并且将普通卷积替换为space-to-depth卷积。改进的算法在自制的红外数据集上进行了模型训练与测试,并与其他几个主流的目标检测模型进行了对比评估,结果表明：改进后的模型在对绝缘子和T型线夹的检测精度上分别提升了6.8%和6.3%,且在精度、速度和模型大小上对比YOLOv3-spp和YOLOv3-tiny等模型更具优势,更适用于无人机红外图像下的绝缘子、T型线夹的发热故障识别。     

基于改进卷积神经网络的电力设备红外图像分类识别方法

随着电力设备故障诊断技术的不断发展、红外测温诊断技术不断成熟，如何快速有效地对各类电气设备红外测温图像进行分类识别，是今后故障诊断智能化发展的关键环节之一。通过对红外测温图像分类识别方法进行研究，提出了一种基于改进卷积神经网络的电力设备红外图像分类识别方法。首先，通过旋转、翻转等方法对收集的红外图像进行数据增强；然后，建立基于改进MobileNetV2的电力设备红外图像分类识别模型，将电力设备红外测温图像通过迁移学习进行加权训练，利用Focal Loss函数改进神经网络的损失函数；最后，通过Softmax分类方法实现电力设备红外图像分类识别。试验表明，使用改进MobileNetV2的分类识别模型对电力设备红外图像进行分类识别的总平均准确率为92.62%，红外图像检测速度为116 f/s，具备较好的收敛速度与识别能力，为电力设备智能巡检提供了新思路。     

基于卷积神经网络的变压器套管故障红外图像识别方法

作为电力变压器的重要部件,套管的管理与维护对于设备的安全稳定运行起着至关重要的作用。为提升电力设备巡检的智能化水平,文中提出一种基于卷积神经网络的套管故障红外图像识别方法,该方法在特征提取方面具有显著的优势,避免了人为提取描述特征的低效和易误判问题。首先,建立了包含正常、缺油与局部过热3种状态类型的套管红外图像样本库;然后,将规范化处理后的红外图像作为卷积神经网络的输入,搭建了套管故障红外图像识别模型;最后,通过对网络超参数的选取进行实验分析,确定了激活函数种类、池化方法及卷积核数目。针对文中样本库,文中所提模型对套管3种状态类型的分类结果准确率达到96%,相较于SVM算法和BP神经网络算法分别提升约14%和15%,识别性能更为优异。     

结合深度学习和随机森林的电力设备图像识别

为了解决电力系统海量非结构化图像数据智能化分析和识别这一问题,提出了一种结合深度学习和随机森林的电力系统关键电力设备图像识别方法。在特征提取方面,通过卷积神经网络提取了电力设备图像的特征;在识别算法方面,借鉴传统机器学习方法的优势,提出了结合深度学习的随机森林分类方法。使用8 500幅电力设备图像对该方法进行了测试。研究结果表明:对于绝缘子、变压器、断路器、输电线电杆和输电线铁塔这5种电力设备,该方法的平均识别准确率达到了89.6%,比常规卷积神经网络分类器和传统随机森林分类器的平均识别准确率分别高出了6.8%和12.6%。该方法为海量非结构化电力设备图像智能化分析提供了一种新的解决办法。     

基于大数据的带电设备红外图像存储与预处理

随着红外设备在电力设备在线监测中的广泛应用,各类红外图像数据不断激增.传统基于文件系统的存储方式已经无法满足快速检索以及高效处理的需求.基于Hadoop大数据平台结合HBase非关系型数据库创建了一套高效的存储、检索以及预处理框架.介绍了对提高红外图像的存储、检索和图像预处理效率,以及为红外图像的模式自动识别和红外图像设备故障自动诊断提供了必要的技术支撑.     

基于图像处理的GIS局部放电图谱信号恢复

由于局部放电检测设备厂家的原始信号不公开、厂家间数据格式不统一等原因,现有存储的局部放电数据多以图谱形式存在。在这种情况下,大量原始记录和信息已经丢失,不利于后续的分析和诊断。通过图像处理手段,提出了一种可行的GIS局部放电图谱信号恢复算法。以Hanbit便携式GIS局放设备得到的PRPS图谱为例,首先通过双边梯度提取坐标轴网格线,然后在不同的色彩空间检测信号。结合检测到的网格线和放电信号点,可以恢复放电信号的相位和幅值信息。利用这些重建的信息,可以更加便捷地利用现有成熟的针对信号的局部放电自动诊断算法。将非结构化的图谱数据转化为结构化的信号对于电力大数据的研究也具有重要意义。     

无人机电力巡检系统中的测温分析方法

随着大数据、云计算、5G技术的发展成熟,电力供电系统除了对输配网系统有着明确的可靠性要求外,也对电力巡检系统提出了更高的自动化和智能化要求.利用无人机进行输电线路巡检具有安全性高、工作效率高和精准拍照、分析等优点,在电力巡检领域应用越来越广泛.文章提出了一种无人机电力巡检系统中的测温分析方法,对无人机拍摄回传的可见光图和原始红外图像进行分析,利用反射率和相机校准参数对温度信息进行校准.结果表明,该方法可以得到更加接近真实值的温度信息,提高无人机电力巡检中故障检测的准确率和效率.     

用电信息采集系统非结构化数据管理设计

针对用电信息采集系统的非结构化数据具有海量、接入点多而分散等特点,本文提出一种用电信息采集系统非结构化数据管理设计方案。首先,对用电信息采集系统的非结构化数据进行分类。其次,提出了数据采集、数据存储和数据挖掘等3部分的管理设计方案:数据采集主要实现非结构化数据的收集;数据存储包括数据预处理和Hadoop两部分,完成海量数据的快速存储;数据挖掘按照文本、视频、音频3种类别分类处理,实现海量数据挖掘应用。该方案对用电信息采集系统的海量非结构化数据管理,有一定的参考价值。     

基于多源特征信息融合的油浸式变压器故障智能诊断模型

变压器是电力系统关键设备之一，目前在运行的变压器大多属于油浸式变压器，其发生故障会严重影响系统的安全稳定运行，还可能造成巨大的经济损失，故变压器故障诊断是目前国内外亟待解决的问题。然而，现有研究普遍存在信息来源单一、诊断预测精度不高等问题，为此，本文提出一种基于多源信息融合技术和卷积神经网络的油浸式变压器故障智能诊断模型。首先选择其油色谱分析数据、高压套管的红外图像、放电超声波检测图谱以及特高频局放检测图谱共同作为变压器故障诊断的原始输入信息；其次，针对上述不同类型的原始输入数据，分别采用深度神经网络和卷积神经网络进行特征提取，将提取后的结果进行特征融合；最后综合融合后的特征分析结果进行故障诊断的分类。为避免不均衡样本集造成模型诊断的“倾向性”,本文还提出改进的交叉熵代替传统的损失函数，同时采用kappa系数作为预测结果的评价指标，有效提高了智能诊断模型的预测效果。并通过某电网检修公司提供的实际数据算例进行测试分析，结果验证了本文所提出方法的精准性和有效性。     

电力线路巡检系统信息分析软件的设计与实现

基于图像处理技术和数据库技术,提出了架空输电线路机器人巡检系统分析图像数据、检测故障隐患的处理流程,以及故障信息的保存管理方案,介绍了图像信息处理软件分析可见光图像和红外图像、获取故障特征值的过程,使用符合行业标准的检测方法对故障特征值进行判断,并形成可视化故障检测报告。该软件可以对红外图像进行自动化处理,并在少量人工辅助的条件下对可见光图像进行处理,提高了基于图像的架空输电线路故障检测的自动化处理程度。     

基于雷电信息的电网故障诊断系统研究

随着信息技术的发展,电网运行信息、故障信息及一次设备状态监测信息逐步开始融合,为实现基于多数据源信息的故障诊断与应用提供了前提依据,文中提出了一种利用雷电定位信息进行电网故障分析的信息综合处理方法。首先从整体上剖析了现有电网故障信息系统与雷电定位系统的基本构成和数据特征,在此基础上应用分阶段故障分析的思想,设计了使用雷电定位信息进行故障分析的流程,并提出数据融合与处理方法。最后,以某电网220 kV线路实际故障为例,对该故障诊断算法和方法和流程进行说明,并验证其有效性。     

基于并行计算的电能计量装置故障诊断技术研究

针对当前电能计量装置故障诊断技术的计算量较大,导致电能计量装置故障诊断效率与诊断准确率较低,提出来一种基于并行计算的电能计量装置故障诊断技术。利用信息聚类技术对电能计量装置信息采样,通过阈值法对数据预处理,去除冗余数据,并建立判别函数,采用并行计算方法处理故障数据,同时执行多个故障数据处理指令,通过判别函数判断故障发生概率并将同类故障数据聚集到一起,以此实现电能计量装置故障诊断。实验结果表明,文章研究的方法使电能计量装置故障诊断效率与准确率较大提升,并在17 MB与1024 MB数据量下,文章所研究的技术方法均能够在较短时间内完成故障诊断。     

基于大数据挖掘技术的智能变电站故障追踪架构

文中提出了一种基于大数据平台的电网故障追踪方法,将故障诊断数据源延展至变电站层,利用Spark作为大数据处理工具对各类故障信息进行处理,有效地解决了海量监控数据的管理问题。通过数据挖掘技术对故障信息进行分析,找到故障元件的同时能够运用决策树对保护或断路器的不正确动作进行反向追踪,给出故障原因,使电网故障诊断的功能得到进一步优化。相比于目前依靠事故级报警信息的电网故障诊断,所提出的方法能够有效利用变电站层的各级监控数据,对故障做到追本溯源。     

廊坊电网故障信息处理系统的建设

针对廊坊电网故障信息系统的现状和当前技术发展对继电保护运行管理提出的新要求,本文结合CSFM2002电网故障信息处理系统,对廊坊电网故障信息系统的建设和改造方案进行了规划设计,重点对主、子站系统的软硬件架构、系统配置和实用化功能要求,以及系统在网络安全性和数据安全性方面所采取的防范措施和技术进行了描述。该方案的实施将极大地提高廊坊电网故障管理的自动化和智能化水平。     

基于多源数据的电力系统故障全信息诊断模型

随着电力系统信息技术的广泛应用,利用多源数据进行故障诊断成为可能。目前,基于多源数据进行故障诊断仅将故障数据划分为开关量和电气量,没有考虑不同数据之间存在的差异。针对这个问题将故障数据细分为3种类型,根据3类数据的特征提出一种基于多源数据的电力系统故障全信息模型,包括利用实时性较强数据实现快速故障诊断的模块和利用全信息数据进行综合故障处理的模块。通过PSCAD和Matlab进行联合仿真,验证模型的可行性。     

电网运维大数据背景下的继电保护通信系统故障定位方法

针对承载继电保护业务的光纤通信系统频发多通道同时告警事件导致故障定位困难的问题,基于电网运维大数据和贝叶斯网络模型处理方法,提出了一种继电保护通信系统故障定位方法。结合继电保护故障信息管理系统(RPMS)、通信网管系统告警信息和调度运行管理系统(OMS)信息缩小故障定位范围,然后基于由历史运维数据计算得到的先验概率,通过改进的贝叶斯算法进行故障概率计算,推断出故障原因,借助通信资源管控系统信息进行故障定位。算例的计算结果证明了该方法的有效性和准确性。该方法对于多区域并发性故障定位同样适用。     

Linux下基于Qt和OpenCV的红外图像伪彩色处理研究

为了便于进行户外设备故障检测工作,构建了基于嵌入式操作系统的便携式红外图像处理装置。针对红外图像灰度分布不均衡且对比度低的特点,首先提出了一种红外图像的伪彩色编码方法;其次进行了Linux下基于Qt和OpenCV的伪彩色处理程序的设计;最后对处理后的实验结果进行了分析。实验结果表明:此方法处理后的伪彩色图像能够较好地反映了物体温度变化,便于后续正确判断是否存在故障及故障的位置,此外在Linux下进行设计满足了基于嵌入式操作系统的应用需求。     

基于注意力密集网络的伪彩色红外与 可见光图像融合

针对现有红外与可见光图像融合算法中存在融合图像的纹理细节不清晰,红外信息和纹理细节的显示不平衡等问 题,提出了一种基于注意力密集网络的伪彩色红外与可见光图像融合方法。首先对灰度的红外图像进行伪彩色处理再与彩 色的可见光图像组成多通道数据输入融合网络。其次,设计了一种由卷积层和带有注意力模块的密集连接块组成的生成器 网络结构,关注源图像的关键信息,增强网络提取源图像信息的能力。最后,利用红外像素、可见光像素、可见光梯度和红外 梯度构建内容损失函数,以保持融合图像中红外目标和纹理细节的平衡。与5种具有代表性的融合方法进行定性和定量比 较。结果表明,该方法所获得融合图像的峰值信噪比、信息熵、平均梯度和互信息取得最优值,分别为31.6841、6.5581、 6.0096、3.0960。定量以及定性结果证明所提融合方法使融合图像具有更为丰富的纹理细节以及良好的视觉效果。     

电网故障信息快速集成和智能诊断系统的研究

针对目前电网故障诊断和处理中存在的问题,分析了故障信息的来源和快速集成中要考虑的问题,得出了对电网故障诊断和恢复的要求,提出利用Intranet平台,合理融合远程在线监测的关键数据,组建以保护和录波信息为主的电网重要信息快速集成系统．作为电网实时运行和快速故障分析恢复的参考。讨论了故障诊断数据的选取和信息集成中的问题,详细阐述了系统的网络结构和通信方式,给出了实用的主站和分站的结构图．合理优选了整个系统的通信方式,最后指出了电网故障信息快速集成和智能诊断管理的步骤及系统应具备的功能．