表格矫正技术在档案管理中的应用

文章探讨了表格矫正技术在档案管理领域的应用,旨在解决档案表格扫描过程中的拍摄角度不规范和扭曲问题。通过运用仿射变换原理,并结合LSD快速直线检测算法及阈值过滤,本研究成功实现了表格图像的准确矫正。此外,采用MobileNet-V2构建的二分类模型进一步优化了横向布局表格的方向矫正。这两种技术的结合,有效克服了扫描采集中的倾斜和形变挑战,极大提高了后续OCR文字识别的准确性和效率。

基于OPNET的智能变电站继电保护建模与仿真

智能变电站过程层网络的引入,使得继电保护的数据源与传输方式发生了很大变化,其动作性能与可靠性越来越依赖于通信网络。分析了智能变电站继电保护的数据流及各报文的通信机制,基于IEC61850标准在OPNET仿真软件上进行了过程层网络和继电保护IED设备的建模,实现了智能变电站继电保护的MU数据采集、SV报文、GOOSE报文、保护算法和保护出口的全过程仿真。结合电流保护实例,说明了建模仿真的原理和实现机制,验证了其可行性和有效性,为智能变电站继电保护的定量分析提供了新的有效研究工具。

提升智能变电站信息流实时性和可靠性的定质交换技术

首先基于OPNET仿真平台,从传输时延抖动、丢包以及传输路径等角度,分析了通用交换技术应用于智能变电站信息交换时存在的不足。然后从满足智能变电站信息流的实时性和可靠性需求出发,提出了定质交换实现技术。该技术基于多协议标签交换(MPLS)的多级子队列实现报文的分层调度,基于区域划分实现动态缓存分配,基于路径消耗为报文提供多种路径选择。最后结合实际智能变电站,在OPNET平台上构建了共网传输场景下的定质交换模型,仿真结果说明了所提定质交换技术能够合理地分配交换资源,是可行和有效的。

基于RBF神经网络的温度传感器故障诊断

采用RBF神经网络进行温度传感器故障检测,利用TE(Tennessee-Eastman)控制系统中的温度传感器的输出信息建立动态神经网络温度传感器输出模型,并利用该模型进行在线的故障检测,仿真结果表明该模型有很强的抗干扰性,同时还有较好的收敛性和稳定性.

智能变电站过程层网络关键对象建模与仿真

为满足智能变电站过程层网络及自动化应用系统的性能分析需求,提出了基于OPNET(optimizednetwork engineering tools)的变电站过程层网络建模与仿真方法。基于变电站自动化系统应用需求,分析了实体设备、IEC 61850标准、调度策略和组网结构的建模要求,研究了变电站过程层网络关键对象的建模方法。结合220 kV典型变电站,构建了完整的变电站过程层网络性能分析模型,分析了正常运行和故障运行状态下的网络性能,为开展智能变电站过程层网络及其自动化系统的性能分析提供了研究工具。

粤港澳大湾区雷电移动轨迹统计规律与潜在应用

雷暴移动轨迹直接取决于雷暴云团的移动。雷暴作为一种气象现象,其空间移动在天气系统的物理机制下,可能具有特定的规律。利用粤港澳大湾区雷电数据,进行雷电的时域分布特征和移动轨迹统计规律的挖掘分析。发现雷电日雷电数量服从Burr分布,时域上呈高度不均匀分布,50个雷电最多日雷电数量占到10 a雷电总数的一半以上。强雷暴日的雷电移动轨迹具有明显的规律特性。雷电最多的40个雷电日中,分别有20和15个雷暴的移动轨迹是从西北向东南或由东北向西南。结合气象领域研究,分析指出大湾区的东北石湖风和西北石湖风是造成雷电移动统计规律的气象学机理。在此基础上,结合输电线路在线监测系统讨论了雷电移动轨迹统计规律的潜在应用。

变电设备运行背景噪声差异性研究

声学在线监测是一种利用物联网技术无接触的监测和评估电力系统设备运行状态的方法,对背景噪声进行有效的分析是突破该领域瓶颈的关键。在已有成果基础上,从背景噪声的差异性角度进行了分析,介绍了声音的分类,并提出如何对背景噪声以及本体振动事件进行分类;然后,以时域、频域和时频域信号分析方法作为切入点,探讨背景噪声和设备运行声音在特征上的差异性。

电力变压器高压试验技术的应用研究

电力变压器是电力系统的核心设备,关系到整个系统运行的稳定性。因此,需要应用高压试验技术对电力变压器的性能展开分析,从而确保设备的正常运行。主要从应用条件、应用方法、应用要点和应用安全这四个方面对电力变压器高压试验技术的应用问题进行了阐述。

基于小波去噪与随机森林的配电网高阻接地故障半监督识别方法

针对配电网高阻接地故障识别易受噪声干扰、无标签数据难以利用的难题,提出一种基于小波去噪与随机森林的高阻接地故障半监督识别方法。区别于监督式学习方法仅利用标签数据,基于协同训练方法能够充分利用有标签数据与无标签数据。首先,使用小波阈值去噪算法消除零序电流中的噪声。其次,采用波峰波谷故障启动算法判断线路是否发生故障或扰动事件。运用小波变换提取零序电流的小波系数作为故障特征。最后,基于小波系数故障特征构建两个随机森林作为半监督分类器进行协同训练,从而实现高阻接地故障的检测识别。仿真结果表明,所提配电网高阻接地故障半监督识别方法可以充分挖掘配电网既有的故障案例中无标注数据蕴含的关键特征,从而提高故障分类准确率,具有较强的准确性和灵敏性。

基于一维多尺度轻量级DenseNet的配电网高阻接地故障检测方法

高阻接地故障(high impedance grounding fault,HIF)在配网中时有发生,常伴随着电弧,容易造成安全隐患。但其故障特征微弱,难以检测。为此改进了DenseNet网络,提出了基于一维多尺度轻量级DenseNet网络实现HIF检测。通过多尺度卷积层提取序列信号的多尺度特征,使用双通道全连接模块传递特征,且使用了ELU激活函数改善模型性能。同时对仿真模型进行了改进,对实际情况中故障波形的随机波动及零休偏移的现象进行了模拟。实测数据及仿真数据验证了该算法能够识别发生在不同网络结构、不同接地介质的高阻接地故障,并验证了模型的抗噪能力。

工业园区场景下的交直流混合配电网故障保护分区分析

工业园区用能场景下,分布式多类型能源接入交直流混合配电网的保护盲点问题越来越突出。本文以解决交直流混合配电网的保护盲点为目标,研究了工业园区场景下的交直流混合配电网故障保护分区,针对交直流混合配电网涵盖了10 kV交流、10 kV直流、380 V交流和±375V直流4种电压等级,分别进行了保护分区研究,并针对系统中的核心设备电力电子变压器进行了单独研究。通过研究分析,获得了10 kV交流、380 V交流、10 kV直流和±375 V直流4个区域及电力电子变压器的保护配置方案。为工业园区场景下的交直流混合配电网故障保护区域划分提供指导。