非侵入式负荷识别的电流序列可视化方法

以单一特征为标签的用电设备识别,因特征携带的信息量不足,在区分性质相似的负荷时易产生误判,为此,提出一种将电流序列编码为图像的二维可视化方法,通过计算机视觉技术对负荷进行分类识别。利用Fryze功率理论提取电流的非有功分量,通过格拉姆角场(GAF)将一维电流序列转换成二维图像,借助数据扩充的方式进行升维,并赋予矩阵颜色特征来提升负荷标签的辨识度;基于迁移学习的思想,利用预训练模型Inception_v3提取并学习GAF图像特征,并以该特征为标签对负荷类型进行分类识别。在2个公开数据集上的实验验证了所提方法在高频采集场景下的准确性和有效性。     

基于脉冲源的高频电流传感器传输阻抗测量新方法

针对目前点频法在测量局部放电高频电流传感器(HFCT)传输阻抗上的不足,提出一种基于脉冲源的新方法。该方法使用脉冲作为激励信号注入,仅需1次测量即可获得检测频段内的传输阻抗曲线,极大地缩短了测试时间,提高了测试效率,具有操作简便、分辨率高等优点。搭建实验平台测量了多种型号HFCT的传输阻抗,分析了脉冲激励对测量结果的影响,并且将脉冲注入法和点频法进行了对比。实验结果表明:脉冲注入法宜使用上升时间小于10 ns的高斯脉冲作为激励信号,其测量结果与点频法高度一致,两者得到的传输阻抗曲线均值差不超过0.1 V/A,均方根误差小于0.25 V/A,相关系数大于0.85。     

基于EEMD和二维Gabor变换的GIS局放特征融合识别方法

局部放电(PD)可以反映气体绝缘组合开关电器(GIS)内部的绝缘缺陷,不同类型的放电对GIS的危害程度存在明显的差异,正确识别GIS的放电类型对于及时确认GIS设备的运行状态以及避免可能出现的绝缘故障非常重要。一种新的特征识别方法是基于总体经验模态分解(EEMD)和二维Gabor变换的GIS局放特征融合识别方法,并通过4种典型局放模型获取局放超高频信号样本进行验证。结果表明,平均正确识别率达到94.5%,明显高于单独使用EEMD和二维Gabor变换算法。     

基于仿生算法改进粒子滤波的SLAM算法精度预测

为解决传统粒子滤波算法重采样时产生的样本退化及样本贫乏带来的机器人定位与建图精度下降问题,提出一种基于改进仿生算法的粒子滤波.该算法将粒子最新时刻的观测与状态信息引入亮度公式,并将萤火虫的优胜劣汰和位置更新机制融入粒子滤波算法,以提高粒子的滤波能力.为保证算法的收敛速度和预测精度,在萤火虫位置更新过程中引入自适应调整步长进行即时修正;基于标准粒子滤波重采样的缺陷,采取分步重采样策略,通过偏差修正指数加权算法制定高效的舍小保大方案,并合理使用剩余大权值粒子完成粒子的复制和添加.仿真验证表明,所提出的改进算法可以明显提高传统粒子滤波的预测精度,且应用到基于移动机器人运动模型的定位与建图时可保持较高的定位精度和较好的稳定性.     

多电子元件及芯片组布局的热分析

针对电子线路板上多电子元件及芯片组的不同布局所产生的热场分布问题,分析了分布元件的热产生、热传导、对流和辐射过程,采用有限元理论分析方法和ANSYS软件,对线路板上多芯片组件的热场分布进行仿真.结果表明:电子元件的不同布局将导致线路板热点的温度存在差别,在有限空间内合理布置元件可明显降低设备的热失效率.     

相关分析技术在直流电压下XLPE电缆局部放电信号特征提取与筛选中的应用

目前,关于直流电压下局部放电信号特征提取技术的研究极少。用于表征连续放电间相关关系的特征散点图是常用的统计分析方法,但现阶段仅用于定性分析放电现象。引入互信息、最大信息系数(maximal information coefficient,MIC)、最大信息非参数扩展类(maximal information-based non-parametric exploration,MINE)等先进的非线性相关特征分析手段,提取该类散点图定量特征。基于互信息的MIC和MINE具有普适性、公平性和对称性等重要特性。最终共提取了36个相关特征参数,与22个传统统计算子一起组成特征指纹。之后,使用最大相关最小冗余(mR MR)算法选取最优特征指纹空间并使用MIC进行优化。利用XLPE单芯电缆制作了绝缘内部气隙、主绝缘表面划伤、高压端毛刺电晕、半导电层爬电4类典型绝缘缺陷模型,将文中方法应用于试验数据分析。最终确定了含有48个参数的最优特征指纹,使用人工神经网络等机器学习方法进行模式识别可获得91%的平均识别精度。该结果表明,使用文中方法提取的散点图非线性特征可以有效反映放电模式。     

基于2D-LPEWT的特征提取方法在 电缆局部放电分析中的应用

局部放电检测对识别电力电缆绝缘缺陷具有重要意义,其中提取有效的特征参量为其研究重点。该文提出一种基于二维Littlewood-Paley经验小波变换(2D-LPEWT)的特征提取方法,可实现电缆局部放电不同缺陷类型的准确识别。通过搭建电缆绝缘局部放电检测平台,利用2DLPEWT对四种典型缺陷模型下局部放电产生的?-Q-n图谱进行分解,对得到的经验小波系数子图提取了Tamura特征、矩特征和熵特征,并讨论了不同的特征提取方法对KNN、决策树、支持向量机(SVM)三种分类算法性能的影响。结果表明所提出的特征提取方法在不同的分类器下均可达到很高的识别精度,具有很好的实用性。     

基于自适应遗传算法的变电站红外图像模糊增强

为增强变电站中电力设备红外热像图的视觉效果,突出局部热异常区域,方便故障定位及检修,提出了一种基于自适应遗传算法的红外热像图模糊增强技术。对小波变换后的红外子热像图,进行同态滤波增强处理和模糊增强处理,并运用动态自适应遗传算法对模糊参数进行优化,最后,经小波重构得到了效果增强的红外图像。实验结果表明,该方法相对同态滤波、模糊集增强、遗传模糊等算法,红外图像的边缘强度、对比度、清晰度分别至少提高12.6%、27.7%、33.7%,有利于检修人员进行电力设备的热异常定位及故障诊断。     

视场超出目标的红外测温误差修正方法研究

为解决红外测温系统超出有效测温距离导致的测温精度下降问题,从红外热辐射理论出发,提出了一种视场超出目标辐射表面积的红外测温系统误差修正方法。通过计算全视场范围内的辐射照度,获得了对应的红外测温系统电压响应值。依据电压响应值与温度之间的关系,并充分考虑物体表面形貌特征,去除全视场范围内背景温度的影响,得到目标体的表面真实温度值。相对于以往的修正方法,该方法能很好地修正有效测温距离外的物体表面温度,结果与被测物体实际温度更为相近。因此,该方法极大地增强了红外测温系统的工业现场适用性。     

面向电力开关柜的轻量型GB-YOLOv5m状态检测方法

电力开关柜状态灯及仪表具有布局高密、异位同像的特点,从而对边端图像处理技术中的目标形貌、色度对比等基础特征检测能力以及轻量识别能力提出更高要求,为此该文提出一种Ghost-BiFPN-YOLOv5m(GB-YOLOv5m)方法。采用加权双向特征金字塔(BiFPN)结构,赋予特征层不同权重以传递更多有效特征信息;增加一个检测层尺度,提升网络对于小目标的检测精度,解决状态灯高密布局引起的小目标识别难问题;利用Ghost-Bottleneck结构替换原主干网络的Bottleneck复杂结构,实现模型的轻量化,为在边端部署模型提供有利条件;通过图像增强技术对有限样本进行状态灯和仪表传递特征的扩充,并通过迁移学习实现算法高速收敛。经10 kV开关柜实测,结果表明该算法对柜体状态灯及仪表共16类目标识别准确率高,均值平均精度(mAP)达97.3%,fps为37.533帧;相较于YOLOv5m算法,在模型大小缩小了37.04%的基础上,mAP提升了10.2%,说明所提方法对灯体与表体的检测能力大幅提升,且轻量识别效率提升明显,对于开关柜电力状态的实时核验与数字孪生信息交互,具有一定的现实意义。