多判据融合的换流站监控数据异常甄别系统

换流站监控数据中存在部分异常数据,如果无法有效融合全部异常数据,会造成异常数据维度过大,导致甄别结果不精准,为此设计了基于多判据融合的换流站监控数据异常甄别系统。以MSP430单片机为核心,通过双存储器传输传感信号。设计可视甄别模块,计算两个图像圆点中心坐标距离,以此为依据,判断甄别点与设定阈值之间的关系。检测和筛选换流站监控异常数据,融合多判据数据特征,对数据进行降维处理,降低异常数据维度。构建LSTM分位数回归多判据融合模型,识别电流、电压、功率时间序列,获取置信区间范围,结合曲线斜率甄别异常数据,避免人为设置阈值给甄别结果带来的不确定性。由实验结果可知,该系统甄别出的电压、电流异常节点与实际异常节点数量一致,分别是3个和2个,说明使用该系统能够精准甄别异常数据。

基于深度学习的变电站轨道自动巡检机器人研究

巡检机器人提供了海量的设备实时运行图像及声音数据,而常规数据处理方式通常受限于固定的数学处理工具,难以准确去除图像噪声、识别出设备异常声音,因此不能获得有效、可靠的设备运行数据。针对此问题,采用深度学习对运行设备的实时图像及声音信息进行数据分类等预处理并获得典型训练集。在此基础上,进行大量训练并获得训练模型,将训练出的模型应用于实时图像及声音,从而提取出有效的设备运行数据。Matlab仿真结果表明,深度学习能更优地提取数据特征,较好地去除图像噪声并精确识别设备的异常声音,解决了传统机器学习缺乏训练数据、泛化能力不足的问题。

基于手眼标定算法的移动机器人重定位方法研究

为保证移动机器人在不同环境中的重定位效果,降低重定位误差,提出基于手眼标定算法的移动机器人重定位方法。该方法以机器人移动模型为基础,构建移动机器人的手眼标定模型,计算机器人的相机坐标系和基坐标系下,旋转矩阵和平移矩阵;将计算结果输入深度学习多任务网络模型中,该模型通过两个子网络分别学习输入的两个矩阵,输出机器人的位置和位姿结果,完成移动机器人重定位。测试结果显示:该方法的手眼标定性能良好,在不同的障碍物占据比例下,欧式距离误差结果在2cm以内,能够完成机器人圆形移动轨迹的重定位,并且在不同环境中应用性良好。

高压直流输电系统非线性定电流控制响应特性分析

由于换流器具有非线性特性,线性定电流控制无法满足高压直流输电系统暂态期间性能要求。为提高高压直流输电系统对交流系统扰动的耐受能力,并降低故障电流峰值,在线性定电流控制传递函数中加入非线性环节以补偿换流器的非线性特性,并通过仿真建模比较分析了两种不同作用范围的非线性定电流控制与线性定电流控制在线路故障、换相失败故障以及稳态运行时的响应特性。仿真结果表明,加入非线性环节的定电流控制具有控制策略简单、暂态特性良好的优点,但由于作用于全运行范围的非线性定电流控制在稳态运行时存在直流电流振荡现象,因此在实际工程中非线性定电流控制应避开稳态运行范围。

±350 kV鲁西背靠背柔性直流阀控系统设计缺陷及改进措施

针对鲁西背靠背柔性直流输电工程两起阀控系统单一通信元件故障导致的柔性直流闭锁事件进行了原因分析。认为因阀控系统并非完全冗余设计,控制两套阀控系统切换的通信EX板为共用设备,存在EX板故障后依然上传阀控系统错误跳闸信息,阀控系统执行故障判断逻辑并出口闭锁柔性直流系统的情况。为此提出执行通信EX板故障校验机制,将两套系统切换通信EX板改造为双套冗余配置等改进措施,避免单一通信元件故障导致柔性直流闭锁事件的发生。