智能站软压板状态正确性校验的研究

提供了一种对智能变电站二次装置软压板实际投退状态的正确性校验及投退状态不正确时的问题定位方法。通过解析SCD模型文件获取整个智能变电站的软压板基本信息,在软压板信息列表的基础上根据实际需求选择每个软压板分别进行预期投退状态模板配置,分析相关报文或者使用对应服务来获取二次装置的软压板实际投退状态,将获取的软压板实际投退状态和选择的校验模板中配置的预期投退状态进行比对,若投退状态不一致,则说明实际二次装置的软压板投退状态有可能存在错误,需要进行问题排查。     

变电站二次压板管理现状及防误管理系统的设计

国网某330kV变电站二次压板状态错误,间接导致了多座变电站停电的恶性事故。通过对该事故的分析,并结合目前电力系统对二次压板管理的现状,指出当前基于人工巡检和操作的压板管理方式存在防误操作功能差的缺陷。为此,提出在站端将压板与一次设备的防误进行结合,在调控中心对压板进行远程监视和管理的技术方案,并据此设计了变电站二次压板防误管理系统。该系统能有效解决目前压板的误投退、漏投退及状态巡视等问题,能有效提高电网安全水平和供电可靠性。     

基于KMP算法的智能变电站间隔层设备软压板校核系统的研究与应用

基于KMP算法,研发了智能变电站二次设备软压板校核系统。该系统基于智能变电站现有的网络结构、通信协议,对运行二次设备软压板投退状态进行采集、校核与存储,继而进行状态识别与判定规则的数据建模。实例验证了KMP算法应用于二次设备软压板校核过程的合理性与正确性。该系统实现了智能变电站二次设备软压板投退状态校核的智能化,具有很好的实用价值和推广前景,对智能变电站二次设备运维工作具有重要的指导意义。     

基于AdaBoost算法的继电保护硬压板图像核对方法

针对常规继电保护硬压板状态核对和管理方法中存在的不足,提出基于在人脸识别领域有良好效果的、以加权投票为机制的AdaBoost算法对压板图像进行核对。在获取大量的压板图像后,对图像样本进行AdaBoost训练,进而得到分类器,对建立的样本中所有图像正确分类。将该分类器和算法嵌入在线检测软件中可对任意图像进行检测。最后得到压板的投退状态和位置信息后输出识别结果。该方法在蒙西电网某220 kV变电站继电保护硬压板图像核对过程中体现出很好的灵活性和较高的准确率。     

倒母线操作风险分析与操作步骤优化

首先阐述了主变后备保护配置作用和主变联跳母联分段压板投退状态,针对双母分段接线方式倒母线操作过程中,线路故障保护拒动引发主变保护动作,在主变联跳母联分段开关出口压板不同的投退状态下的操作风险和后果进行了分析和对比,提出了主变联跳母联分段开关出口压板的顺延性问题,明确了倒母线操作过程中主变后备保护联跳母联分段开关压板二次投退的操作原则,并给出了具体的操作参考步骤,对变电站操作细则的审核修编具有重要技术指导意义,通过优化操作步骤,综合考虑倒闸操作安全、规范、高效的最优性,可有效防止误操作,提升设备操作质量。     

基于视觉信息的继电保护压板投退位置的自动识别研究

如何有效地进行压板投退管理对电力系统安全稳定运行具有重要作用,但是压板的投退状态的获取是个难点问题,一直没有好的解决办法。该文利用遥视系统上传的视频图像,从拍摄的保护屏的视频流中抽出特定的静态有效帧,利用计算机图像识别算法自动识别设定的有效区域内的压板的投退状态,并将压板状态信息作为继电保护管理系统输入信息进行管理。利用现场采集的压板图像信息对匹配与比较算法进行识别研究表明,所提算法具有较高的准确性,抗干扰能力和实时性也很好。     

应用聚类和证据理论实现变电站保护压板状态校核EI北大核心CSCD

针对目前人工校核保护压板效率低、图像识别易受光照条件影响的问题,提出了一种基于聚类和D-S证据理论的变电站保护压板状态校核方法。首先对压板图像进行聚类分割,按行检查压板图像像素量和边界点,重新分割异常压板。根据压板在投、退状态下的形态特征,构造压板状态指标作为证据,分析了光照、透视变形因素对压板识别的影响。最后,将多个状态指标依据证据理论进行融合,减少个体指标的不确定性影响。结果表明,所提方法在光照条件不良情况下仍能正确识别压板状态,性能优于单一判据及多判据表决方法。     

应用聚类和证据理论实现变电站保护压板状态校核

针对目前人工校核保护压板效率低、图像识别易受光照条件影响的问题,提出了一种基于聚类和D-S证据理论的变电站保护压板状态校核方法。首先对压板图像进行聚类分割,按行检查压板图像像素量和边界点,重新分割异常压板。根据压板在投、退状态下的形态特征,构造压板状态指标作为证据,分析了光照、透视变形因素对压板识别的影响。最后,将多个状态指标依据证据理论进行融合,减少个体指标的不确定性影响。结果表明,所提方法在光照条件不良情况下仍能正确识别压板状态,性能优于单一判据及多判据表决方法。     

基于视觉信息的继电保护压板投退位置的自动识别研究

如何有效地进行压板投退管理对电力系统安全稳定运行具有重要作用,但是压板的投退状态的获取是个难点问题,一直没有好的解决办法.该文利用遥视系统上传的视频图像,从拍摄的保护屏的视频流中抽出特定的静态有效帧,利用计算机图像识别算法自动识别设定的有效区域内的压板的投退状态,并将压板状态信息作为继电保护管理系统输入信息进行管理.利用现场采集的压板图像信息对匹配与比较算法进行识别研究表明,所提算法具有较高的准确性,抗干扰能力和实时性也很好.     

变电站压板智能检测技术及其应用

介绍一种变电站压板智能检测技术,并将该技术成功应用到微机防误闭锁系统中,形成了从一次设备到二次设备的完整防误闭锁方案,实现了压板投退状态在线监测,解决了误投退及漏投退问题.     

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...     

变电站二次设备巡检的Mecanum轮式机器人精确定位与作业辨识

通过巡检机器人进行变电站二次设备的监测是提升电力设备自动化、智能化管理的重要方式,有利于保障电力工程设备的安全运行。本研究开发了一种用于变电站二次设备自动化巡检的Mecanum轮式机器人,具备自主导航定位与作业辨识的能力,可极大提升设备巡检效率及保护压板状态识别准确性。通过Mecanum轮的驱动方式实现巡检机器人在狭窄作业环境下的灵活运动与姿态调整,多轨道升降平台实现对350-1800 mm高度范围内的二次设备及压板的图像采集与状态辨识。机器人采用基于激光雷达的SLAM导航方法进行自主定位导航,并结合基于视觉的路径提取与跟踪算法进行姿态位置修正,实现在待测点位置的精确定位。同时,提出了基于颜色辨识的图像排列与状态辨识方法,针对二次设备保护压板连通状态进行识别和判断。实验结果表明,研制的变电站二次设备巡检机器人可以实现自主导航与位置精确定位,在路径跟踪过程中最大偏角和偏距分别为±3°和±8 mm。结合机器视觉与颜色辨识的压板辨识方法可以准确识别压板状态,识别准确率大于95.80%,有助于提升机器人自动化的电力巡检作业水平。     

基于深度学习的电网巡检图像缺陷检测与识别

无人机巡检已成为保证电网稳定运行的重要手段。针对巡检图像的自动化判读,提出基于深度学习的电网多部件缺陷检测与识别方法。将小样本缺陷检测问题分解为目标检测和分类两步。针对多目标部件的检测,提出基于最小凸集的损失函数以及预测框选择方法,两者结合YOLOv3框架可以实现多种部件的精准定位。之后,单类分类器在高维特征空间中进行小样本学习,判断目标部件是否故障。测试图像来自220 kV安徽宣枣4883线的巡检图像。实验结果表明,该方法对常见的电网故障识别率高于96%,漏报率低于2%,表明该方法能有效地进行电网的多部件缺陷检测与识别。未来结合边缘计算加速处理,可以实现无人机的在轨巡检。     

融合RMT特征值的电网异常状态检测

随着电网规模的不断扩大,电网监测数据变得越来越多元化、高速化、海量化,使得电网监测工作变得更加复杂和艰巨。针对传统方法处理电网高维数据效率低、同步性差的问题,本文研究了一种利用随机矩阵理论(RMT)提取监测数据特征值实现电网异常状态的检测方法。首先,设计了电网内异常扰动类型,构建了一个矩阵窗口来选择时间序列内的监测信号,从而建立高维矩阵;其次,应用M-P定律和单环定律进行矩阵变换,提取特征值并根据特征值分布情况来判断系统状态;然后,基于特征值的线性统计,构建了多种评价指标,包括最大特征值(MESCM)、最小特征值(EME)、最大最小特征值之比(MME)和平均谱半径(mean spectral radius, MSR)等指标;最后,比较了每个统计指标在电网出现短路故障、开路故障以及故障清除时的表现,以实现电网状态识别、异常事件检测和电网稳定性评估。案例测试结果表明,这些指标可以准确判断系统是否发生异常、检测异常的起止时间,并评估电网的稳定性。本文方法可以检测开路、短路等扰动事件,实现全局监测数据的同步处理,其计算量较小、效率高,适用于大规模电网异常状态的检测。     

基于BP神经网络的高压隔离开关分合闸监测识别

为了监视电动式高压隔离开关合闸状态,采用图像识别方法对高压隔离开关是否合闸进行监测,确保检修人员的安全。提出了一种融合NSCT和二维最大熵分割方法对图像进行分割,并提取出感兴趣区域(闸刀)。再通过像素积分投影法对闸刀分合闸情况进行特征提取,将提取到的特征值导入BP神经网络中进行训练,得出一个能够自动识别闸刀位置的分类器。将采集的图片导入BP神经网络分类器中进行识别实验论证。实验表明,处理后的图像抗噪能力强,训练出的BP神经网络对闸刀合闸状态的识别率高,达到95%以上。     

含大规模风电集群电网的在线计算数据生成技术

风电机组大规模接入导致电网的稳定形态更加复杂,迫切需要通过在线安全分析提高电网的新能源消纳能力和运行效率。针对在线安全分析难以准确模拟风电场动态特性的问题,提出了一种含大规模风电集群电网的在线计算数据生成技术。首先,融合状态估计、SCADA和安控系统等多源实时数据辨识低电压网络的运行状态,形成包含风电集群的电网运行方式数据。其中,根据量测数据的时空关联校正模型,识别和校正未经过状态估计量测中的不良数据。然后,依次依据风电机组的静态特征信息和运行状态进行分群,采用基于层次分析的聚类方法确定风电场的动态等值模型。最后,通过实际电网的算例分析验证了所提出方法的有效性。     

电网安全稳定控制系统当值策略可实施评估方法

针对电网安全稳定控制系统实际运行过程中当值控制策略是否可以足量执行的在线监视需求,文中首先分析了安全稳定控制装置的控制结构和执行逻辑,建立了面向对象和表达式组态的层次化控制策略模型。然后,提出了综合考虑稳定控制装置的通道通断状态、压板投退状态和电网运行工况的可控量识别方法和当值策略解析识别流程,并在此基础上进一步分析了双重化配置稳定控制装置在不同运行模式和出口连接方式下对动作对象选择的影响,提出了当值策略结果合并方法和可实施状态统计方法,实现了稳定控制系统当值策略的解析识别和在线监视预警,有利于及时发现稳定控制系统在实际运行中可能出现的隐患。最后,结合典型场景下切机和切负荷案例分析验证了所提方法的有效性。     

基于SCS-500E安控装置无故障跳闸判据的改进

安全稳定控制装置作为电力系统安全稳定的有力防线,广泛地应用于各大区域电网及重要水电输出通道,其对故障的判断是否正确直接影响到整个区域电网的安全可靠稳定运行。针对一次安控装置在线路无故障时的一次误判,提出一种电流变化量闭锁条件,可以有效地避免安控装置在无开关位置开入的条件下因其他线路功率大幅改变而对本线路造成线路无故障跳闸的误判,并通过现场实例进行模拟验证,该电流变化量闭锁判据能有效地避免安控装置在特殊条件下的误判。     

基于SVM的变电站保护室数显仪表数字识别方法

为研发一种适合电网运检用户使用的变电站保护室巡视机器人装备,提出了一种基于支持向量机（SVM）的变电站保护室数显仪表数字识别方法,用于对机器人所拍摄的数显仪表数据进行自动化识别和监测。首先对机器人所拍摄的图片进行自定义阈值分割,并寻找连通域的最小外接矩形,获取图像中的数显仪表区域;然后对获取的数显仪表区域依次执行灰度化、中值滤波、图像增强、数字分割、自适应二值化和归一化操作,实现对数显仪表区域的预处理,获取单个数字;最后,将经过小数点处理后的单个数字图像块输入构建的多元SVM分类器,实现对单个数字的识别。实验结果表明,所提出的方法能够达到96.3%的正确识别率,可用于变电站保护室小型巡视机器人的智能巡检工作。