基于数字孪生模型的输变电设备多源异构数据边缘侧智能采筛方法

输变电设备日复一日的运行和使用,会产生海量的数据,该数据呈现体量大、类型多样、来源广泛等多源异构的数据特点,而数字孪生技术在输变电设备的多源异构数据中的应用也越来越频繁。为此,对基于数字孪生模型的输变电设备多源异构数据的概念、特点、数据分析、数据预处理、数据融合等进行详细介绍,对数字孪生技术在多源异构数据上的应用进行阐述,相关现状的总结和叙述可为数字孪生模型的输变电设备多源异构数据边缘侧智能采筛提供一定的理论支撑。     

论变电站巡检机器人关键技术及发展趋势

本文通过对变电站巡检机器人的功能、系统架构、导航及检测手段的介绍和对比,阐述了变电站巡检机器人的发展现状及存在的问题,并结合国内变电站巡检机器人集中推广的局面,对变电站巡检机器人未来的发展趋势展开讨论。     

极端气象条件下基于深度学习网络特征的变压器故障预测

根据极端气象条件下变压器产生故障时的环境参数,结合变压器故障预测中常用的油中溶解气体的含量,提出一种基于深度学习网络的故障预测方法。针对已有的变压器故障诊断方法泛化能力弱、时效性低、精度低等缺点,引入极端气象参数,并通过对多组数据序列进行时因分析,提取数据随着时间的变化关系;其次,设计一种新型的神经网络,将油气参数与极端气象参数的时间特征融合,并通过深度学习网络进行故障分类与预测。仿真实验结果表明,相比于其他传统故障预测方法,所提出的极端气象条件下基于深度学习网络的变压器故障预测方法准确率有显著提高。     

变电站巡检机器人云台控制系统

针对常见云台预置位数量少,数据安全性不高,可扩展性不强,不能完全满足变电站巡检机器人应用要求的问题,研究了云台控制系统。提出基于内置分度器的驱动芯片,细分控制二相混合式步进电机,控制相对简单、定位精度高、稳定性好。支持坐标调用,并将位置坐标上传至监控后台,使预置位数量增加,坐标数据的安全性和易用性增强,便于进行二次开发和高级应用。经现场运行验证,应用效果良好。