基于HSI颜色特征的变电站压板状态识别方法

针对当前变电站压板状态识别存在未充分考虑复杂光照因素以及在图像分割过程中未考虑连通域粘连的问题，提出了一种基于HSI（色调-饱和度-亮度）颜色特征和图像处理技术的压板状态识别方法。首先对采集的压板图像进行畸变矫正预处理；接着利用HSI颜色特征提取技术对图像进行分割处理；然后对连通域进行形态特征分析，利用连通域的边界信息去除标识牌，并利用极限腐蚀算法实现粘连连通域的分离；最后基于简单最小外接矩形边界特征与面积最小外接矩形的偏转角度特征融合识别压板状态。通过与传统RGB（三原色）颜色分割方法、单一长宽比识别方法进行对比试验，结果表明该方法在识别率上有较大提升，具有一定的工程应用价值。     

基于图像融合的保护压板运行状态辨识方法研究

随着信息技术和智能化技术在电力系统的应用拓展,采用智能巡检机器人对变电站一、二次设备运行状态进行巡视逐步成为智能运检的趋势.提出了一种基于图像融合的保护压板运行状态辨识方法.基于OTSU阈值分割优化方法快速检测图像中的高光干扰;引入改进RANSAC算法完成多视角的图像特征匹配和求取最佳透视变换矩阵,利用辅助图像透视变换至主图像修复其中的高光区域;在图像修复的基础上通过对压板边缘检测的倾角来判断其运行状态.实验结果表明,所提抗干扰方法有助于更好地识别图像中压板的运行状态,辨识准确率可达93％.     

继保压板状态图像识别嵌入式方案设计与应用

继保压板状态识别受各种环境因素影响长期依赖人工巡检，而目前流行的压板图像识别方案也依赖庞大后台计算架构，无法在操作现场即刻获取核对信息，严重影响工作效率。针对该问题，提出一种基于嵌入式的手持终端的解决方案。所提出的移动智能终端采用微型智能高清相机，实现了对压板屏柜多角度拍摄，有效地解决了由于玻璃门反光、异物阻挡、角度等妨碍拍摄的问题。所提出的基于嵌入式及YOLO Nano算法的继保压板状态现场识别的方法，选用高性能计算核心和专用视觉识别模块作为硬件平台，避免了采用庞大的后台计算架构，实现了操作现场的即时识别与核对。试验结果表明，该系统对继保压板状态识别的准确率达100%，有效地解决了继保压板状态的操作现场识别问题，具备较强的实用性和推广性。     

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。     

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法对保护压板进行状态辨识。最后,通过有无高光干扰的两组对照仿真分析检验了所提方法的有效性和准确性。其中,其中对无高光干扰的200个不同型号的压板样本进行状态辨识,最小外接矩形法的准确率为98.0%,优于倾角辨识法的83.5%,对存在高光干扰的240个图像样本采用改进稀疏表示算法进行状态辨识,其准确率可以达到97.92%。     

变电站巡检机器人盲区压板识别方法及应用

为解决变电站主控室内轮式机器人拍摄继电保护屏底部压板时存在视觉盲区的问题,提出了一种基于除法模型矫正的广角副摄像机拍摄方法。该方法首先通过在轮式机器人侧面安装广角副摄像机实现继电保护屏底部视觉盲区的压板图像信息采集,然后采用除法模型对所采集的图像信息进行矫正,最后采用卷积神经网络算法对压板进行识别,实现了继电保护屏压板识别的全覆盖,提高了压板识别的准确率。在某220 kV变电站进行了压板核对实验,结果表明,采用该方法改进的轮式巡检机器人解决了视觉盲区压板的核对问题,压板核对准确率达到100%,相比原有轮式机器人巡检覆盖面更广、结果更准确,具有良好的推广价值。     

基于颜色分离与形态特征分析的保护压板定位及状态识别研究

为了提高变电站中密集排布,颜色多样的拔插式压板智能识别水平,提出一种色差法与形态特征分析的保护压板定位及状态识别方法。该方法首先对采集的压板图像进行同态滤波增强与透视校正;其次,根据压板图像颜色特征,利用RGB三分量色差法结合形态特征分析实现有效压板区域的分割;然后,通过的矩形结构元素对有效压板区域进行膨胀,从而定位出每块压板区域的位置。最后,结合每块压板图像外接矩形框的形态特征与其重心位置的4联通区域灰度值总和判断出压板的投退状态。对不同拍摄角度及不同光照环境下的保护压板状态识别测试结果表明,该算法具有识别精度高、鲁棒性好的特点。     

继保压板状态图像识别与核对系统设计和实现∗

变电站人工核对压板工作量大、效率低,造成不能及时发现压板误投退、漏投退隐患,因此提出了一种以机器人和手持终端为底层感知设备的继保压板状态图像识别与核对系统.该系统采用多层设计架构方式,实现了设备的实时控制和数据的高效传输与处理.系统感知层采用轮式机器人和手持终端相结合的方式对压板屏柜进行巡检,服务器端采用YOLO目标识别算法实现压板投退状态的识别,使用SSM框架快速搭建稳定性良好的应用系统.该系统在某220 kV变电站进行了试点应用,对该站主控室45面压板保护屏柜(共计1107个压板)进行每月1次定时巡检,并自动形成压板核对报告,压板投退状态识别正确率达100％,完全满足压板日常巡检要求,运行效果良好.     

继电保护压板状态识别嵌入式智能设备的应用

设计一种结合工业高清照相机、嵌入式单元和Mobile Net算法的嵌入式设备,实现对变电站继电保护压板状态的智能识别,对继电保护压板状态识别的准确率更高,对单张继电保护压板屏柜图像中多个压板的状态识别平均耗时更短,可提高变电站继电保护压板巡视的效率和智能化水平.     

变电站硬压板状态在线监测功能研究

智能压板在线实时监测系统在国内率先采用计算机非接触光检测和网络技术,采集变电站保护硬压板状态信息,利用变电站综合自动化系统将信号传至主站端,基于调度技术支持系统,实现对压板状态的实时监测和防误识别。沈阳供电公司智能压板在线实时监测系统运行半年以来,系统运行状况良好,为调度和运行人员对压板状态进行监视管理提供了有效手段。     

含分布式电源的智能配电网孤岛划分策略

为保证智能配电网的高速可靠运行,研究了基于Prim智能算法的含分布式电源的智能配电网孤岛划分策略,该算法以求取连通图的最小生成树的方法,求解智能配电网的孤岛划分问题,在配电网发生故障时,及时制定最优的孤岛划分策略,有利于缩小电网故障恢复的停电区域范围和停电时间。文章将该算法应用于IEEE33节点含分布式电源的智能配电网系统中,验证了该智能算法的有效性。     

基于神经网络复杂背景下车牌识别系统的研究

车牌识别系统是以汽车车牌字符为目标对象的一个计算机视觉系统。由于获取的车辆图像受光照、噪声等外界因素的干扰,通常具有复杂性和不确定性,导致复杂场景下车牌字符识别更加困难。为提高识别率,首先利用BP网络对模糊处理后的定位车牌进行训练识别,利用MATLAB进行实验。再用卷积神经网络对车牌进行识别实验研究,与BP算法进行比较,对提出的算法进行仿真与实验,将两种方法进行对比发现看卷积神经网络算法对车牌字符识别率有较高的识别率,应用十分广泛。     

基于模式识别的数字伺服系统智能PID控制

文章主要讨论了基于系统动态特征进行模式识别的智能控制的基本方法，对数字伺服系统给出了基于模式识别智能控制的实际算法，并在实际系统上进行了调试，并给出了实际的调试结果。     

基于可靠性及经济性的配电自动化差异性规划

配电自动化能够有效地提高供电可靠性,但必须兼顾其可靠性提升效益与投资之间的平衡。综合考虑可靠性和经济性,建立了实施配电自动化后的净收益模型。其中可靠性计算部分所采用的负荷点最小割集算法以及故障修复时间,均针对配电自动化条件进行了修正。结合国家电网公司规定的供电区域分类,研究了可靠性经济性最佳的差异性配电自动化方案。研究表明,B类供电区域推荐采用重合器与分段器配合的就地控制方案、分布式智能终端就地控制方案;产电比在15元/kWh以上的A类供电区域,推荐采用分布式智能终端就地控制方案。对于经济发达、负荷密度大以及可靠性要求高的地区,可考虑采用配电自动化主站集中控制方案,并给出了具体应用的产电比范围。     

基于改进SSD的变压器套管红外图像油位智能识别方法

为解决现有基于红外图像识别变压器套管油位存在的过于依赖温度信息、人工处理效率低下等问题,文中结合目标检测技术提出了一种基于改进单次检测器(SSD)的套管智能油位识别方法。通过引入SSD目标检测方法,检测红外图像中的套管区域,加入损失函数以改进SSD算法从而提高套管检测准确率,并进一步通过简单线性迭代聚类(SLIC)的应用实现了不依赖红外图像温度信息的油位检测。对比文中提出的基于红外图像的油位识别算法检测结果与人工油位检测结果,表明文中提出的算法不仅在效率上领先于传统的温度检测方式,且其误差较小,仅为0.08%。对比结果验证了所提算法在保证检测精度的情况下可大幅度提高检测效率,有效提升套管故障诊断效率和智能化水平。     

基于深度搜索的二次虚实回路融合故障诊断技术

为了解决在智能变电站运维和检修中,二次虚回路可视化展示、回路监测和诊断出现的问题,构建智能变电站二次虚回路综合监视技术体系。设计软压板与虚回路配置规则,将软压板对象状态监测作为虚回路监测的一部分。提出基于邻接表存储物理光纤回路,基于深度优先搜索算法实现过程层设备物理拓扑链接关系。同时基于深度搜索故障推理算法诊断和定位故障区域,满足智能变电站二次设备运维新的应用需求。     

渣土车车牌字符智能识别研究

考虑渣土车车牌的统一黄底且易生锈或遭受沙泥污染等因素,着重研究车牌字符识别中的关键技术问题。首先针对车牌为黄底黑字特点,基于图像颜色信息实现车牌快速粗定位;然后创新性的运用双线性拟合与错切变换相结合的方法,实现基于彩色车牌图像的倾斜校正;接着,采用改进的统计分析方法有效的消除了间隔符、多垂直边框的影响以及"川"字符难以分割的问题,进一步采用模板匹配法实现字符智能识别。最后,实验测试验证了所提方法的有效性。     

车牌自动识读中的定位技术

汽车牌照自动识读系统是机器视觉和模式识别技术在现代智能交通领域中的一项重要应用,其中车牌定位技术是车牌自动识读系统正确识读的前提和关键。本文在分析了现有定位技术的优缺点基础上,提出了一种综合定位算法。该算法通过对视频图像中运动车辆的检测,消除复杂背景的干扰,利用区域生长、阴影消除、彩色分割及形态学分析等图像处理方法,获取车牌的精确定位。最后给出实验结果,实验表明,该算法有效定位率达到92%,具有较好的实用价值。     

一种改进的神经网络车牌识别算法研究

根据实际应用要求,要求使车牌实时识别系统识别准确率高,提出了一种改进的神经网络车牌识别算法,基于标准的神经网络的识别算法上进行了改进,在标准神经网络算法中增加惯性冲量分批处理的方法进行改进,并通过训练大量样本进行了实验。实验结果表明,改进的神经网络识别算法与未改进的标准神经网络字符识别算法相比其识别率和处理速度有了很大的提高,已在小区停车场应用,达到了应用的要求,证明了改进后的神经网络车牌识别算法与标准神经网络算法相比在实时识别正确率上有了很大提高。     

基于扩展扫描区域的现场表计指针识别方法

为了满足变电站巡检机器人对现场表计指针的智能识读要求,文中提出一种基于扩展扫描区域的现场表计指针识别方法。通过改进的SIFT算法进行图像匹配并求出单应矩阵,利用单应矩阵将在模板图像上标定的刻度弧线映射到待测图像上,通过扩展扫描区域,依据检测曲线路径上像素点的灰度值和确定指针位置并计算读数。文中对变电站现场的五种仪表,共计500张图片进行了测试。实验结果表明,文中所提算法简单实用、稳定且识别精度高,可以对多种不同的仪表进行识别,适用性强,在变电站多类指针表计识别中具有较好的应用前景。