排序方式: 共有8条查询结果,搜索用时 46 毫秒
1
1.
为了在使用少量标注样本情况下提升变电站设备缺陷检测精度,提出一种基于自监督模型SimSiam的改进缺陷检测算法.不同于原始SimSiam,改进后的算法无需使用标志性图像(iconic images),如ImageNet数据集,而是直接利用非标志性图像(non-iconic images)如COCO数据集进行对比学习,并在下游的缺陷检测任务上获得可媲美有监督方法的性能.通过在投影层(projection head)和预测层(prediction head)中使用全卷积网络和空间注意力模块来代替MLP,保留高维特征的空间结构及局部信息;同时在计算相似度前先对特征图进行均值池化以得到特征向量,并对特征向量进行归一化以计算欧氏距离,从而改进了自监督对比学习的损失函数.实验结果表明该算法能充分利用非标志性图像进行对比学习,并在只标注少量样本的条件下提升变电站设备缺陷检测的精度,在表计表盘破损、挂空悬浮物、鸟巢、呼吸器硅胶变色及箱门闭合异常等5类缺陷检测任务上mAP达到83.84%. 相似文献
2.
3.
4.
变电站为中心配电网(SCDN)是解决大规模复杂中压配电网(MVDN)态势感知可视化的一个核心概念,但作为态势底图的SCDN单线图自动生成并没有得到很好解决。重点解决支撑“数据驱动”单线图自动生成的数据-图形模型,续文提出两阶段单线图自动生成算法。首先提出广义开闭所(GS)概念,给出了GS元模型及基于GS馈线图形分裂和聚合原理,并依据配电网技术导则讨论了GS元模型的适应性;通过提出的分解方法,将MVDN分解成以高压变电站10 kV母线为主供电源、GS为互联枢纽、接入大量广义负荷的SCDN子网。其次,SCDN单馈线分裂图形通过GS节点聚合,形成可自动组装的SCDN递级图形构成模型。最后,提出适应自动布局布线、基于干线-支线拓扑模型的SCDN图形及数据模型,并进行了案例分析。为后续2篇论文的SCDN单线图自动生成提供了模型支撑。 相似文献
5.
针对一起35 kV电容器组串联电抗器起火事故,进行了故障后设备现场检查、直流电阻及电感测量、导线耐压试验,结合电抗器解体情况对事故发生过程进行了分析,确定事故原因并从电抗器设计、安装及运维等方面提出了防范措施,以避免同类事故的发生. 相似文献
6.
分析了一起500kV GIS断路器内部放电引起的母线跳闸故障.检查了故障后设备情况,将设备返厂进行解体分析,查明了故障原因及发生过程.针对暴露出的问题,从GIS设计、制造工艺、运行及维护等方面提出了防范措施,以进一步提高设备的安全运行水平. 相似文献
7.
精准的负荷预测关系着电力系统安全、经济和可靠运行,短期负荷预测一直是电力系统的重要研究方向之一。结合深度学习理论,基于MXNet深度学习框架,采用深度神经网络算法预测配电网公变短期负荷,考虑负荷自身历史运行状态、气象因素、变压器属性、电力用户特征等多重因素影响,对传统电力负荷预测进行了创新和探索,并通过在某省的实际应用效果表明,基于MXNet框架的深度神经网络模型训练效率良好。基于深度神经网络的短期负荷预测模型有很强的泛化能力与通用性,为不同地区、不同类型的公变建立个性化的预测模型提供了可行方法。模型部署于阿里云大数据平台,基于阿里云大数据实现了配电网公变日负荷的实时预测。 相似文献
8.
1