微机型母线保护存在的若干问题及解决方案

母线保护装置的可靠性关系到电网系统的安全、稳定运行,但微机型母线保护装置在软硬件设计制造上存在一定缺陷,本文分析了母联开关位置对微机型母线保护装置灵敏度的影响,隔离刀闸辅助触点位置对母差保护的重要性,基准变比对CT断线的影响,母联兼侧路CT极性转换,以及双母双分段母线系统的特殊操作性,并由此提出了解决问题的措施。     

基于改进Faster RCNN模型的输电线缺陷检测方法

针对目标尺度差异大和小尺度目标条件下输电线缺陷检测效果不佳的问题,提出一种改进Faster RCNN模型的输电线缺陷检测方法。利用多尺度特征提取区域建议网络,基于K-均值聚类生成适合于输电线缺陷目标的锚框集,使用ROIAlign操作实现特征映射。通过在包含绝缘子、防振锤、销钉和鸟巢4类缺陷图像的自建数据集上测试表明,该方法有效提升了不同尺度目标以及小尺度目标的缺陷检测性能,平均准确率均值达到95.57%。     

微机型母线保护存在的若干问题及解决方案

母线保护装置的可靠性关系到电网系统的安全、稳定运行,但微机型母线保护装置在软硬件设计制造上存在一定缺陷,本文分析了母联开关位置对微机型母线保护装置灵敏度的影响,隔离刀闸辅助触点位置对母差保护的重要性,基准变比对CT断线的影响,母联兼侧路CT极性转换,以及双母双分段母线系统的特殊操作性,并由此提出了解决问题的措施.     

基于多特征融合的卷积神经网络的电能质量扰动识别方法

电能质量扰动的识别是电力系统故障预警与识别的重要手段。电网中,变压器系统存在的电能质量扰动通常为叠加扰动波形。为提高扰动智能识别框架的准确度,提出了一种基于多特征融合卷积神经网络（multi feature convolution neural network,MFCNN）的电能质量扰动的识别模型。提出的MFCNN模型具有2个子模型,将原始的时域数据和经过快速傅里叶变换（fast Fourier transform,FFT）所得频域数据分别作为2个子模型的输入,通过对时域、频域信息的特征融合来实现复杂扰动信号的识别;利用多组电能质量叠加扰动数据,训练传统机器学习模型和MFCNN模型,对比不同模型对电能质量扰动识别的准确率,验证MFCNN模型的有效性。实验结果表明,MFCNN模型对于7种扰动信号的识别准确率均可达到91.6%以上,其中,谐波和陷波叠加扰动信号的准确率为92.9%,具有更强的识别能力。