基于AM335x通信网关装置的设计与实现

介绍一款基于AM335x系列芯片设计的通信网关装置,包括装置硬件和软件的设计与实现。该装置目标实现规约转换功能,即通过串口或网口方式采集分散在各地的多种前端智能终端设备信息,再通过装置对采集到的信息进行处理转换,利用IEC104或61850规约进行转出给后端设备或系统(一般为主站端,功能为面向用户的前端)。同时接收后端的控制信息命令转给前端设备进行控制,实现各类通信信息的网关转换功能。该装置适应于电力系统变电站和其他智能建筑等智能应用系统,作为系统的前置通信装置,也可应用于类似的应用系统。

一种基于共享内存的消息总线设计与实现

针对现代数据信息通信方式中管道通信和Socket通信存在易阻塞和效率低的问题,文中利用共享内存空间原理,开辟由FRAG碎片和Block组成的缓冲池,设计了基于共享内存的消息总线通信方式。实验结果表明,该消息总线满足了数据信息通信中数据信息传递快速高效的要求,并具有较强的自适应能力。

基于Web的继电保护故障信息实时发布软件的设计及实现

通过论述继电保护故障信息系统实时web发布软件的设计过程及关键技术介绍,提出了建设继电保护故障信息实时发布系统较好的解决办法。通过该系统的建立,为各级调度运行及相关人员通过网页浏览器简便、快捷的访问故障信息系统提供了可靠的支持。该系统已开发完成并在安徽电网应用,目前运行状况良好。

基于Flex和Java的配网通信网管系统的拓扑设计与实现

随着电力系统通信技术和计算机技术的发展,电力系统通信监控通常采用传统的B/S、C/S模式系统逐渐暴露出接口专用、不易部署和升级、界面展示(特别是拓扑展示)和操作不友好等缺点,为了提高用户体验,采用Flex技术,一种新类型的WEB应用程序--富因特网技术之一,也是一种具有高度互动性和丰富用户体验的网络应用程序技术。

基于Cortex-M0采集控制设备的设计与实现

介绍一款基于Cortex-M0系列芯片设计的采集控制设备,该设备实现具有通过电流或电压信号采集多路模拟量输入数据、采集多路开关量输入信号、采集和控制多路开关量输出信号,通过串口使用标准MODBUS规约与后端交互,适用于智能建筑、电力系统内多个系统作为前置终端进行数据采集和控制功能。

EMS系统数据在电能量计量系统中的应用

随着电力系统自动化水平的不断提高及计算机技术的发展,电力系统的能量管理系统(以下称为EMS)和电能量计量系统(以下称为TMR)的数据共享势在必行。一方面EMS系统采集的实时电量数据(以下称积分电量)更加准确,能给予TMR系统的采集数据(以下称采集电量)以比较对照,核查采集电量的正确性;另一方面可以使2个系统的数据达到更大程度的共享和利用,使2系统间的联系得到加强,使得电力自动化的监控程度变得更高,并为电力系统其他子系统间数据共享提供可能。文章着重介绍EMS系统的数据通过一定的方式传到TMR系统的数据库,并通过TMR系统的Web发布得到具体应用。

嵌入式安防辅助控制系统数据采集的设计与实现

主要介绍变电站安防辅助控制系统中的服务器(称为"总控服务器"),其是整个系统的数据来源,功能是辅助设备的信息采集和控制,为实现辅助设备和视频监控间以及辅助设备间的联动功能,该功能的实现提高了变电站辅助设备的安全性,为变电站安全运行提供保障,为其他相似类型设备间联动实现提供一定的参考。

一种可用于入侵防范的步态识别方法研究

提出一种可用于入侵防范系统中的步态识别方法。该方法以足底压力信息为基础,采用卷积神经网络模型进行步态特征提取。首先,用压力测试板采集行人的足底压力信息并作相应的预处理;然后,结合K均值聚类和卷积神经网络方法的自学习特性得到足底压力信息的特征表示;最后,对所获得的特征表示进行分类识别。在典型数据集上的比较试验表明了该算法的有效性。

基于改进亮度序描述子的刀闸状态识别

为了消除非线性亮度变化对电力系统中的绝缘子定位和刀闸状态识别的影响,提出了一种基于改进亮度序(LIOP)描述子的刀闸状态识别算法。首先对图像进行必要的预处理以去除噪声的污染;其次提取感兴趣的目标区域,该区域内应包含绝缘子和刀闸等目标信息;然后利用改进的亮度序描述子来精确定位绝缘子,这是由于亮度序描述子对图像非线性亮度变化、尺度变换和旋转变化等具有一定的不变性;最后利用改进的Hough变换来确定刀闸的位置,并计算直线段间的角度来对闸刀状态进行识别。实验结果说明了该方法可以精确地定位绝缘子和识别刀闸的状态,适用于实时性要求较高的电力系统。

一种可用于入侵防范的步态识别方法研究

随着对信息安全的要求越来越高,对变电站巡检检修及相关运维工作过程中区域入侵防范的技术研究就很有必要。提出了一种可用于入侵防范系统中的步态识别方法,该方法以足底压力信息为基础,采用卷积神经网络模型进行步态特征提取。首先用压力测试板采集行人的足底压力信息并作相应的预处理;结合K均值聚类和卷积神经网络方法的自学习特性得到足底压力信息的特征表示;对所获得的特征表示进行分类识别。在典型数据集上的比较试验表明了该算法的有效性。