【摘 要】
：
随着电网整体规模不断扩大,变压器的数量也在逐年攀升。作为电网的重要组成部分,变压器的运行状况极大影响了供电可靠性和系统稳定性,因此需要对变压器的健康状态进行监测。因为红外热成像仪作为一种测温设备可以有效地呈现设备的温度状态,进而反映其健康状态,所以已经被广泛用于电力设备巡检中。而目前的巡检方式主要依靠人工对已采集的红外图像进行分析,但是当面对海量数据时,仅依靠人工难以完成。所以本文针对性地提出基于
论文部分内容阅读
随着电网整体规模不断扩大,变压器的数量也在逐年攀升。作为电网的重要组成部分,变压器的运行状况极大影响了供电可靠性和系统稳定性,因此需要对变压器的健康状态进行监测。因为红外热成像仪作为一种测温设备可以有效地呈现设备的温度状态,进而反映其健康状态,所以已经被广泛用于电力设备巡检中。而目前的巡检方式主要依靠人工对已采集的红外图像进行分析,但是当面对海量数据时,仅依靠人工难以完成。所以本文针对性地提出基于变压器红外图像的图像识别方法。为了良好的图像识别效果,本文针对红外图像信噪比低、分辨率低和对比度差等特点,从图像降噪和增强这两个方面对变压器红外图像进行处理。1)为了兼顾图像的降噪和纹理细节,提出基于非下采样剪切波变换（Nonsubsampled shearlet transform,NSST）的降噪算法,首先利用NSST将图像分解到不同频带,之后将高频子带中的噪声通过局部熵阈值法滤除,最后所有频带通过反变换得到新图像。2)提出基于限制对比度的自适应直方图均衡化（Contrast Limited Adaptive Histogram Equalization,CLAHE）和引导滤波的图像增强算法,通过引导滤波分离出图像的基础层,之后将其灰度强度通过改进的CLAHE算法进行增强。最后,利用实验证明了本章降噪和增强算法的有效性。电力设备在红外图像中往往呈现视觉显著性的特点,所以利用基于流形排序的视觉显著性检测算法对变压器红外图像进行目标检测,针对算法分割精度低、受图像边界背景影响大的特点进行改进。首先,通过灰度方差分析和最大类间方差法对简单线性迭代聚类的超像素分割法进行改进,实现精细化分割。然后,提出边界对比度法将边界背景分为“真背景”和“伪背景”,并对显著性映射矩阵进行改进。通过对比实验,体现出改进算法能够在准确分辨背景的情况下,精细地分割出电力设备并实现目标检测。深度卷积神经网络在目标识别中具有鲁棒性好、抗干扰能力强和识别精度高的特点,所以非常适合针对电力设备红外图像进行识别。本文在综合考虑模型大小、识别速度和识别精度的基础上选择轻量级算法Tiny-YOLOv3进行改进,主要为3个方面:1)在网络特征提取层中添加卷积块注意力机制模块;2)增加52×52的网络检测层,降低小目标的漏检率;3)用完全交并比代替原有的边界方框损失。最后,通过对比实验,本文模型在保持轻量化特点的基础上,具有较高的识别速度和精度,基本可以满足基于红外图像的变压器巡检要求。本文为变压器红外图像的识别提供了完整的解决方案,为进一步实现电力设备的无人监测和智能巡检奠定了基础。
其他文献
智能化是构建持续、经济、安全的坚强电网的前提,对国家能源安全有着重大意义。输电线路自动化巡检是构建智能电网的主要技术之一,其发展在近些年受到专家学者们的广泛关注。螺栓作为输电线路中广泛存在、起到连接紧固作用的重要部件,如何对螺栓缺陷进行及时检测是急需解决的痛点问题。本文主要研究输电线路航拍图像中缺陷螺栓的检测。螺栓在航拍图像中具有以下几个明显的特点:1)在图像中占比小,机器可以提取的有效特征少;2
通信网络的时延可预测性是判断通信系统在多种不确定条件下能否保证数据流量高效传输的重要指标,也是网络规划及优化配置的重要参考标准。随着网络技术的发展,传统以太网已难以满足低时延传输需求。时间敏感网络（Time Sensitive Networking,TSN）在满足了工业自动化通信所需的“低时延、高可靠”传输特性外,还避免了硬件兼容问题,简化了部署流程,降低了成本。但是,目前与时间敏感网络时延可预测
随着“十四五”期间加快开发利用清洁能源措施的出台,全国风电并网规模必将不断扩大,同时风力发电的随机性和波动性给电力系统带来了更重大的安全隐患,因此尽可能精确掌握风功率预测误差的概率分布对保障电力安全具有重要意义。已有的研究成果表明,不同地区风电场的误差分布特征差异较大,而参数模型的选择依赖于工程人员的主观判断,在实际应用中遭遇到了较大困难。与参数估计相比,非参数估计无需进行先验模型假设,理论上是更
近年来随着风电行业快速增长,人们对机组运行的安全性、稳定性和可靠性有了更高的要求。为了弥补风电场运维存在的“维修过度”及“维修不足”的缺点,风电领域引入了故障预测和健康管理技术,使其可以尽早发现故障的早期症状或者微小故障,及时排除,避免造成更大的损失。本文开展了基于机器学习的风电机组故障预测与健康管理的研究,旨在通过发展视情维修来提高风电机组的安全性和可靠性,主要包括机组的故障诊断和故障预测两个方
为应对能源危机、缓解环境问题,发展可再生能源成为世界各国的共同目标。随着风电、光伏发电等间歇式能源大规模接入电网,给电网的频率调整和安全运行带来极大的挑战。作为目前技术最为完善、存储容量最大的储能电源,抽水蓄能电站具有良好的调频、调峰能力,是保证电网稳定运行的有效手段。常规的抽水蓄能机组一般采用同步电机,在抽水工况无法进行功率调节,在发电工况无法运行在最佳效率区间。相比之下,新型的变速抽水蓄能机组
低压配电网的用户用电数据是低压台区线损计算、负荷预测、非侵入式负荷识别等应用的基础,但在采集、传输等环节,用户数据往往会出现不同程度的缺失,成为后续应用的瓶颈。为了突破这一瓶颈,本文针对低压配电网用户数据的特点提出了基于张量的低压配电网用户数据高精度补全方法。（1）首先,本文详尽地分析了低压配电台区产生数据缺失的原因,并总结分析了经典数据缺失模式。然后,从数据的相对值、绝对值及波动性角度出发提出了
随着当今社会科技的飞速发展,机器人在人类生活中扮演着越来越重要的角色,人们希望采用自然语言与机器人对话,因此人机对话技术受到了学术界和工业界的广泛关注。虽然人机对话技术已经取得了较大的进步,但当前对话系统仍处于起步阶段,它通常只是被动地回答对方提出的问题或要求。在一些特殊的场景例如警务危机谈判中,模拟谈判专家的机器人在生成对话时,除了要考虑劫持者的语句以外,还需要根据劫持者的情绪、当前的环境以及在
为推动能源转型,保障人类社会可持续发展,融合清洁能源的分布式能源得到越来越多的关注。但由于分布式能源具备分布广、小规模、数量多等特点,导致其结构特殊,很难利用传统电网的集中控制方式进行调控,因此分布式能源调控技术逐渐成为研究的热点与重点。多主体系统是一种由多个独立主体协同合作以完成复杂任务的分布式系统,而分布式能源调控中各单元可被视作多主体系统中的单个主体,由此可将多主体系统应用于分布式能源调控中
集群光伏功率预测为电力市场中的电网管理和交易提供了基础。为了解决传统的区域性光伏发电建模方法的不足,如难以选择有用的气象信息、单个模型无法充分了解功率曲线的复杂多样的波动特征等问题,本文提出了一种将波动模式识别模型与基于卫星云图的波动模式预测模型相互融合的光伏电站集群超短期功率预测框架。首先,对集群光伏功率曲线的波动特征进行提取,包括采样损失面积、平均值、标准差和三阶导数,并基于这些波动特征建立了
传统化石能源储量的不断减少和生态环境的日益恶化,使各种新能源技术快速发展,在全球能源使用比例中不断提高。太阳能光热发电在各种新能源中发展较为成熟,但依旧存在无法稳定供应的问题,因此发展储能储热技术以提高其利用率的研究正受到越来越多人关注。本文以太阳能光热发电中储热系统研究为背景,采用沙子作为储热材料,利用加热的空气模拟吸收太阳能后的热源,主要研究了气固两相换热的过程。这一研究在深入掌握沙子的储热能