数据实时分析的电力安全生产监测系统设计

为实时掌握电力安全生产情况并查看全面、可靠、详细的电力安全生产数据，及时进行生产异常预警，以电力安全生产监测目的和内容为基础，结合大数据技术，设计数据实时分析的电力安全生产监测系统。通过数据采集单元采集电力安全生产数据，通过通信设备将数据分别传送至本地监控站和数据分析层，本地监控站分析数据后，在权限范围内实行调度和管理，权限外的则传送至监控中心层；数据分析层采用大数据标签分类以及分析接收的全部数据，获取数据中的异常数据，向监控中心层发送异常预警；监控中心层则通过监控显示服务器查看预警结果。测试结果显示:系统各项功能运行正常，通信效果良好，能够完成电力安全生产数据的实时传输，避免缓存时间较长导致数据丢失或者损坏，全面检测电力安全生产情况。     

面向移动终端的电力安全监督系统

电力管理部门常常需要通过记录各种监控数据以及视频监控观测等方法监控电力安全,这些方法往往需要复杂的数字终端,响应速度慢,网络建设规模小,成本很高,限制了电力管理的健康发展。针对目前电力监控系统的不足之处,设计了一种基于ZigBee和GPRS的电力监控系统。该系统采用CC2430作为ZigBee模块,并设计了ZigBee协调器和ZigBee监控终端节点。利用中国移动的GPRS无线通信技术来传输数据,可以简单地使用手机来完成数据接收,具有速度快、价格便宜的优点。在数据采集方面,视听转换器芯片的采用可以确保数据的高精度,并通过通过大量成功的实验来验证所需的精度。该系统可以大大节省成本,降低施工的复杂性,具有广阔的应用前景。     

基于深度学习的配电线路瓷绝缘子缺陷识别

考虑当前方法在识别瓷绝缘子缺陷时，受到缺陷类别的影响，导致识别精度较低的问题，提出了基于深度学习的配电线路瓷绝缘子缺陷识别方法。根据瓷绝缘子可靠性测试原理，采用兆欧表测试配电线路电源电压，通过计算配电线路的电源负载特性，引入测试电压波纹系数，对配电线路瓷绝缘子缺陷进行电子信号检测。根据配电线路瓷绝缘子表面的缺陷区域分布规律，计算瓷绝缘子缺陷图像的深度学习中心和隶属度函数。利用深度学习特征的最佳数量，定位检索配电线路瓷绝缘子缺陷特征，通过对瓷绝缘子缺陷图像的二值化处理，实现配电线路瓷绝缘子缺陷识别。实验结果表明，所提方法在识别瓷绝缘子脱落、灼蚀时缺陷识别指标都达到了9,破损时缺陷识别指标均控制在8以上，具有较高的识别精度。