变电站图纸物理回路建模方法及实现

目前变电站原始图纸信息保存单一、数字化解析程度不高,人工解析变电站原始图纸工作量庞大。为了解决该问题,提出基于可携带文档格式(portable document format,PDF)图纸智能化提取变电站设备及其连接关系信息、构建物理回路模型的方法,并根据智能变电站物理配置描述(substation physical configuration description,SPCD)文件对该方法进行具体实现。首先,对图纸中提取的图元信息进行处理;然后,通过字符串相似度匹配结合KR的贪心串覆盖(running Karp-Rabin greedy string tiling,RKR-GST)算法实现电气符号的识别,使用梯度提升决策树和逻辑回归(gradient boosting decision tree-logistics regression,GBDT-LR)混合算法进行变电站图像分类;最后,根据SPCD文件完成从原始图纸到物理回路模型的数字化描述。实验结果表明,在图元存在误差的情况下,电气符号匹配正确率达到93%,物理回路识别正确率超过90%。

分布式电源在配电网运行管理中的研究与探索

本文通过建造和分析研究分布式电源运行管理模型,并通过试点区的实践应用,为国网供电公司探索一条服务优先稳定发展的配电网分布式电源接入新路子。

应用YOLOv4-tiny算法实现保护压板智能校核

目前继电保护压板的巡检校核仍以人工为主,为提高其工作的效率,提出了一种智能实时校核方法。该方法首先使用YOLOv4-tiny算法对压板的投退状态进行预测,然后使用腾讯开源的ncnn前向推理框架,对YOLO模型进行优化,最后将模型移植到移动端,使用手机软件完成压板校核。经测试,模型的均值平均精度达到99.13%,平均预测速度达到每秒30张图片,并可以有效解决反光、遮挡等环境因素的影响,可以显著提升巡检工作的效率。

基于TC-CNN网络的残缺TACAN空/地信号识别方法

TACAN空/地信号是一种基于脉冲调制技术的短程通信信号,主要应用于方位测量和距离测量,当使用接收器捕获TACAN空/地信号时,由于信噪比、信号完整度等差异,导致信号识别率较低。针对传统模板匹配算法无法有效对残缺的TACAN空/地信号进行识别的问题,提出了一种新型卷积神经网络(Convolutional Neural Network,CNN)模型,该模型以传统CNN模型为基础,同时加入了长短期记忆(Long Short-Term Memory,LSTM)人工神经网络结构以提高模型对信号时序特征的识别能力,实验结果表明,当数据丢失率低于30%时,该模型可以达到84%以上的识别率。

多脉冲群组合的TACAN空/地信号仿真实现

通过仿真实现TACAN空/地信号能够有效降低侦收系统的设计成本。以TACAN空/地信号的侦收为目的,通过研究TACAN空/地信号的信号特征(脉冲宽度、脉冲数量、触发条件)、数学描述及调制方式,基于多脉冲群组合方式设计了TACAN空/地模式下X、Y两类信号的仿真算法。经验证,两类仿真信号均满足TACAN信号的侦收要求。