基于全寿命周期成本的电力变压器检修决策

电力变压器作为电网系统中的枢纽设备,其运行的可靠性和经济性与电网的安全运行有着必不可分的关系。为统筹兼顾变压器可靠性与经济性,确定最佳检修策略,从全寿命周期成本的角度出发,考虑了大修方式下动态的役龄回退因子以及小修对役龄回退和故障率的影响,建立了大修和小修同时影响下的动态的役龄回退模型,并据此建立以全寿命周期成本最小为目标的电力变压器全寿命周期成本模型;同时将搜索步长的自适应和参数Pa的自适应策略相结合对布谷鸟搜索算法进行改进,然后应用改进的布谷鸟搜索算法对变压器检修成本模型进行了优化,得到变压器最优的大修时间以及对应的全寿命周期成本;最后将3次大修、2次大修以及等时间间距大修情况进行了对比,结果表明,在保证可靠性的前提下,3次大修的方案具有最优的经济性。

基于改进胶囊网络的绝缘子破损识别与定位

针对接触网绝缘子破损识别,传统的特征匹配和神经网络分类识别率较低,同时因其需要人工提取和训练等问题,识别速率也较慢。相比传统卷积神经网络(CNN),胶囊网络(CapsNet)首次采用矢量作为输入,可以很好的保留目标的方向,角度等特征信息,更适合于识别复杂背景下的绝缘子。因此提出一种基于改进胶囊网络和CV模型结合的绝缘子破损识别算法,通过1×1归约层和3×3卷积层简化传统9×9胶囊网络的卷积层,并采用优化算法进行参数寻优,缩短训练权重时间,同时输出量保留方向角度,能更准确对棒形、针式和蝶式绝缘子破损情况进行分类。最后与AlexNet、YOLO、局部特征分析等方法进行了对比。通过对绝缘子巡检图像应用本文方法可得,绝缘子识别率提高到95%,实时速率达到32帧/s,所提出的绝缘子破损识别方法可以准确、迅速的从复杂背景识别出绝缘子,并准确的找到绝缘子破损的位置,大大提高了输电线路智能巡检的效率。