核猫群红外图像异常检测方法在电力智能巡检中的应用

针对传统基于聚类的红外图像异常检测方法对电力设备红外图像多层分割效果较差,异常检测有效性较低等问题,提出了一种核猫群电力红外图像异常检测方法,通过核猫群聚类实现电力设备红外图像的异常检测.首先,对红外图像进行RGB值校正,并将校正的RGB值映射到Lab空间,获取聚类所需数据集.核猫群聚类方法中的每一只猫代表着一种聚类划分,用聚类中心点的坐标来对猫的位置进行编码.利用搜寻模式和追踪模式对猫群中猫的位置进行更新,采用核函数引导的相似性度量构造目标函数,通过迭代优化获得电力设备红外图像的多层分割聚类结果,最终发现电力设备中的异常发热区域.实验通过与k-means、fuzzy c-means和传统猫群聚类进行定量对比,结果表明,所提方法多层分割效果更好,具有更佳的异常检测能力.     

基于序列数据分析的谐波电流预测方法的研究

随着电力电子装置的广泛应用,由于电力电子器件非线性的特点导致谐波的污染和无功功率的危害也日益严重。以电弧炉供电系统的电路谐波电流为研究对象,提出了采用序列关联规则的先验算法(Apriori),通过对谐波电流序列数据进行分析,挖掘出谐波电流之间的关联规则。通过对电弧炉供电系统采集到的电流数据的分析和验证,结果显示该方法能够正确预测出未来时刻的基波电流幅值,从而达到预测未来时刻的谐波,有助于抑制谐波污染和无功功率的危害的目的。