基于反射系数谱积分的电缆缺陷诊断方法

为解决现有电缆局部缺陷定位方法所需原始数据过多和频率过高的缺点,提出一种基于反射系数谱积分的电缆局部缺陷定位方法。首先,利用电缆分布参数,建立了含局部缺陷的反射系数谱的计算模型;之后,分析了局部缺陷对反射系数谱的影响,并进一步研究了基于积分变换的电缆定位原理。为减少所需的电缆原始数据和采样要求,提出一种基于反射系数谱积分的电缆局部缺陷定位方法。接着,利用仿真对不同缺陷情况的电缆进行定位诊断,得到了不同信号频率范围和频域采样点数对定位结果的影响,结果表明,该方法在降低了信号频率和采样点数的同时,仍可实现高精度定位,误差小于1%。最后,通过在实际实验中降低对原始数据的采样数量,说明了该方法在现场应用中的有效性,具有较高的实际工程价值。     

基于压缩感知的电力设备红外图像非盲自适应超分辨率方法

电力物联网建设过程中,红外传感技术应用越加广泛,然而受成本限制难以实现高精度红外传感器的大规模装设。因此文中提出了一种压缩感知自适应非盲超分辨率方法,以改善低成本红外传感器成像质量。该方法以压缩感知超分辨率模型为基础,结合图像去模糊先验信息,提出了压缩感知非盲超分辨率模型。并采用双先验二次估计的方式求解正则项惩罚参数,实现对约束项的自适应强度控制。求解过程中首先通过高斯先验对模糊图像进行初步反卷积重建,以阈值收缩的方式分离重建图像显著边缘,生成标签图像。之后根据图像内部像素点语义的不同,控制超拉普拉斯先验正则项强度,在提升重建图像清晰度的同时避免伪影振铃的产生。并针对所提模型设计了有效的求解算法。实验结果表明与现有经典非盲超分辨率方法相比,该方法重建得到的高分辨率红外图像无论在主观视觉还是客观评价指标上,均有着一定优势。且最终进行的红外图像识别对比实验,也证明了该方法重建的高分辨率红外图像能够更好地解决电力行业的实际问题。     

基于多尺度窗口和区域注意力残差网络的无线电力终端身份识别方法

针对现有无线通信设备信号识别方法需对信号进行域变换、增加网络输入数据维数的问题，该文提出基于多尺度窗口区域注意力残差网络的无线电力终端身份识别方法。首先，通过所提多尺度窗口模块完成信号前导码在各个周期尺度下的信息交互，使网络能够直接处理并识别原始无线通信信号数据；然后，设计区域注意力模块，以显著特征区域均值为评价指标对通道资源进行重新分配，提高了网络对信号局部特征的学习能力；最后，以池化分类器替代全连接层，采用Adam优化器进行梯度更新完成训练过程。实际采集无线信号数据实验结果表明，设计的各模块可显著提升网络的训练与识别性能，相同型号设备识别准确率提高至97.316%，非法设备的检测率达82.8%，可有效增强电力系统的无线通信安全。     

基于射频指纹的无线电力终端身份认证方法

无线电力终端接入电网的通讯安全性一直是制约配电侧感知技术应用的主要障碍，针对这一问题，提出基于射频指纹的无线电力终端身份认证方法。首先，针对现有瞬态检测方法计算复杂及对噪声敏感的问题，利用信号相位均值方差与瞬态包络线斜率，提出了相位方差-包络斜率检测算法，在降低计算成本的同时提升了检测速度；其次，为降低信号特征的维度和训练时间，选择时域高阶统计量作为射频指纹，并选择反向传播(back propagation,BP)神经网络作为分类器进行识别认证。实验结果表明，所提出的瞬态检测方法在显著降低运算时间的同时具备较高的瞬态检测准确率，基于射频指纹的身份识别方法实验平均识别率可达96.5%以上，表明该方法能有效增强电力系统的无线通讯安全。