排序方式: 共有59条查询结果,搜索用时 62 毫秒
1.
针对现有的金属氧化物避雷器(Metal Oxide Arrester,MOA)红外图像故障检测方法存在识别精度低、检测速度较慢的问题,提出一种基于改进YOLOv3的MOA红外图像故障检测方法。首先,以Darknet19网络代替YOLOv3原始的Darknet53网络,并在特征学习时针对样本中不同MOA长宽比例,通过K-means聚类算法对MOA图像中的目标帧进行分析,重新聚类样本中心锚点框,得到合适的锚框数目和大小。最后,利用改进YOLOv3模型完成MOA红外图像故障检测。实验结果表明,改进的YOLOv3模型识别精度达到96.3%,识别速度为6.75 ms。 相似文献
2.
采用准确测量土壤电阻率设计的地网可使设计误差达到最小,对电力系统的可靠运行具有重要意义。可控源音频大地电磁法(controlled source audio-frequency magneto-telluric,CSAMT)是一种成功应用于煤、油、气等资源探测的物探技术。基于CSAMT法及Schlumberger法基本原理建立了测量土壤电阻率的模型,在均匀半空间条件下,利用接地分析软件CDEGS实现了土壤电阻率的仿真测量。结果表明,CSAMT法所测土壤电阻率在很宽一段频率范围内基本保持不变,且与真实土壤电阻率的误差很小,表明所测土壤为均匀土壤;而Schlumberger法所测结果与真实值误差较大,且在频率较高时所得结果完全不可信,证实了CSAMT法测量土壤电阻率的高准确性。 相似文献
3.
4.
杆塔接地极的准确建模对研究输电线路的雷击暂态响应是至关重要的。为此,本研究提出一种考虑接地极时变电阻特性的输电线路模型。首先采用有限元法(FEM)求解了输电线路雷击下杆塔接地极的接地电阻,基于PSO法,推导了杆塔接地极时变电阻的迭代公式,利用ATP-EMTP中MODEL模块搭建时变电阻Rg(t),然后建立考虑接地极时变电阻特性的输电线路模型,随后分析了基于时变电阻和定值电阻的输电线路模型雷击暂态响应。结果表明:相较于定值电阻的输电线路模型,时变电阻模型对输电线路雷击暂态响应有较大影响。由于时变电阻Rg(t)考虑了雷电流地中散流和土壤电离过程,其反应的结果更加可靠,在一定程度上提高了输电线路雷击暂态响应仿真的精准度。 相似文献
5.
6.
7.
由于故障时新能源电源输出的短路电流呈现出频率偏移、谐波含量占比高、幅值受限、正负序阻抗不相等等特征,从而导致基于工频相量的故障定位方法存在失效的风险。为此,提出适用于风电场双回送出线路故障测距方法。采用时域有限差分法离散以偏微分方程形式表示的传输线方程,再利用改进变分迭代法求解传输线方程,得到线长的函数,并将线路两端的相电压、相电流作为边界条件;最后,构造故障测距函数以实现故障定位。通过PSCAD/EMTDC和硬件在环测试实验平台进行分析,验证了所提算法能准确地定位故障位置。 相似文献
8.
直流接地极线路用电流互感器的暂态阶跃特性及其现场试验方法对系统控制保护和故障检测定位等具有重要意义。为此结合接地极系统实际,提出一种带电运行中人工短路与停电下阶跃响应特性的组合现场试验方案。首先,在接地极系统带电运行情况下,通过人工短路故障验证互感器暂态传变特性对保护的适应性。然后,开展了直流电流互感器阶跃响应现场同步闭环测试系统研制,通过模块化并联和内置式标准波形溯源调节方法提升阶跃电流源输出准确度,其输出参数为:阶跃幅值0~600 A可调,上升时间≤30μs,脉宽最大为100 ms。依托该试验系统,在富宁换流站对接地极直流电流互感器的阶跃响应时间、上升时间和延迟时间等参数进行了测试。结果表明,该方法可有效评估接地极直流电流互感器阶跃响应特性。 相似文献
9.
对于重覆冰架空线路,地线直流融冰采用了全线绝缘化设计,而地线绝缘化设计将影响短路电流在杆塔和地线中的分配。地线短路电流的准确计算对分析跨步电压和地网安全有重要意义。以实际全线绝缘地线为研究对象,详述融冰绝缘地线架设方式,利用ATP-EMTP仿真软件建立全线绝缘地线输电线路模型。研究了超高压融冰地线接线系统在不同单相短路状况下的短路电流分布特征,并与未绝缘化地线相比较。研究结果表明:单相短路地线感应电压将引起融冰绝缘地线间隙击穿,融冰绝缘地线架设改变了短路电流通道回路;绝缘架设后流回变电站地网短路电流变化不大,不会对地网安全造成影响;在短路点杆塔入地电流值升高最大,需特别考虑其跨步电压问题。 相似文献
10.
为解决传统污秽检测方法对输电线路绝缘子污闪防治的局限性,采用非接触式、高分辨率的高光谱成像技术对污秽在线检测技术进行研究。为有效提取反应污秽度的光谱特征并削弱冗余与干扰信息的影响,提出一种小波包能量谱特征优化的绝缘子污秽等级识别技术。首先,对不同污秽度的绝缘子样品的光谱图像进行背景分割,提取均匀覆污区像素点光谱均值曲线;其次,对不同图像的光强均匀度差异、环境噪声进行预处理,并通过导数变换提升不同污秽等级间的可区分性。再次,对预处理后的谱线进行小波能量谱特征提取。最后,基于所提特征建立基于支持向量机(support vector machines, SVM)的污秽等级识别模型。实验结果表明,相比于采用全波段数据或PCA特征数据作为输入,基于小波能量谱特征建立的支持向量机(SVM)污秽等级识别模型对样品识别准确率达到99.8%。#$NL关键词:关高光谱成像;绝缘子污秽等级;小波包能量谱;支持向量机#$NL中图分类号:TM933 相似文献