基于卷积神经网络的X线片下肢关节角度识别算法

提出一种基于卷积神经网络的X线片下肢关节角度识别算法,首先在X线片中使用Yolov5目标检测模型来识别特定类别的感兴趣区域,并使用U-Net模型进行热图回归来识别关键特征点,最后进行下肢关节角度的计算。研究结果表明,本文提出的算法相比于之前的算法精度更高,结果准确可靠,为临床研究和实践提供参考。

电力电缆初期绝缘故障检测方法综述

严重的电力电缆局部绝缘缺陷会导致显著的电压电流扰动,准确检测出这种电缆初期故障产生的扰动,可以对即将发生永久故障的电力电缆进行及时的运维处理,防止无计划停电的发生。文中对现有相关研究进行全面综述,归纳现场收集到的各种电缆局部缺陷导致的电压电流扰动波形及波形特征;对现有文献报道的初期故障检测方法,按照其检测原理和使用的检测数据类型,从暂态电力扰动的时频特征阈值法和人工智能方法两个角度对检测方法进行综述,同时对不同方法进行分析和评价。基于现有研究成果,对电缆初期故障在线检测技术的进一步研究提出建议。

基于电力大数据的分布式电网异常负荷动态检测方法

电网负荷数据基数大、分布范围广,且其异常状态检测复杂度高。提出一种基于电力大数据分布的电网异常负荷动态检测方法。采用非线性回归方程,估计中心负荷权重,并分割动态检测区域。采用状态估计法结合参数平滑对异常的负荷数据进行状态估计,并利用自回归滤波(extended Kalman filter,EKF)剔除噪声数据。计算负荷数据的近相似系数,划分异常数据域,设定分布概率较高的数据为异常负荷数据。通过观测负荷数据与异常域中心之间的关联性,判断负荷是否存在异常问题。仿真实验结果表明:高信噪比环境下,该方法检测异常负荷数据的最大特征量为160条;低信噪比环境下,异常负荷数据的最大特征量为158条,且峰值出现在节点51—节点120的位置。检测出的负荷数量均超过电网最大阈值,说明所提方法能够精确检测出异常负荷,且能够完全包含真实阈值,检测的全面性可高达100%。

非理想水声信道下微弱信号分布式量化检测

分布式水声无线探测网是实现远程水下目标探测的有效途径,而其中的首要任务是进行水下分布式检测。针对水声传输传播时延大、可用带宽窄,无法实现水声阵列采集原始数据实时传输的限制,以及现有分布式量化检测方法在低信噪比下性能不佳的问题,提出了非理想信道下基于局部最大势检验的多比特量化检测方法。首先,结合水声信道衰落特性与编码信道传输差错特点,建立了非理想信道下水下无线传感网络弱信号检测模型,并将其转化为渐近单边假设检验问题;其次,推导了基于多比特量化的局部最大势检测方法,并对该方法的虚警概率和检测概率进行了理论分析;然后,构造了非理想信道下基于局部最大势检验的多比特量化阈值优化问题,分析了量化带来的检测性能损失;最后,通过仿真实验验证了所提方法及相关理论分析的有效性。

基于局部离群点检测算法的电力通信网络拥塞安全控制方法

针对电网运行数据堵塞程度较高,传输安全性较差的问题,提出了基于局部离群点检测算法的电力通信网络拥塞安全控制方法。通过电力通信网络的通道模型与路由监测协定,凭借波特间隔均衡法优化节点布局,结合自适应偏差补充调整反馈,均衡通道。针对储存空间、带宽容量、CPU处置功能等主要拥塞因素,分析数据密度估计值,并在带宽函数中加入邻域平均距离得到局部密度,推导出数据的局部离群点,通过调节离群点大小断定和控制电力通信网络。实验证明,所提方法能够精准检测出电力通信网络是否拥塞,及时调节通信数据,降低堵塞程度,保证信息可以安全传输。

基于多维度无监督学习的异常用电检测方法

针对用户异常用电所造成的经济损失,通过对局部离群因子算法的理论分析,提出了“算法异常分析”与“经验法则分析”相结合的异常用电检测系统架构,重点介绍了社群演化异常、群体行为异常、个体功率异常和关联特征异常4个算法,并计算综合异常得分,最后从三相电压电流不平衡校对的角度进一步对“算法异常分析”的结果进行筛选。实验结果表明,与现有的主流异常用电检测方法相比,该方法能够更准确地从电力大数据中诊断出用户的异常用电行为,稽查准确率高达82%。

光纤分立式多点局部放电检测与定位技术

为了更准确地监测电力系统的运行状况,提出了一种应用于电力变压器局部放电(partial discharge,PD)检测的分立式多点检测方案。该方案基于光纤外差式干涉原理,传感系统由4个传感头构成,以实现多点检测和局部放电声源的定位。通过优化设计传感头的结构提高了传感器的灵敏度,同时传感器紧凑型的封装方式使其能够安装在电力变压器内部,提高检测结果的准确度。实验结果表明,该传感方案的单通道分辨率可达4 mrad,同时对构造的三相电力变压器模型进行了实验演示和分析,在对150 kHz局部放电超声多通道测量时,可实现声源定位的分辨率为1 cm。由于该方案结构小巧、分辨率高及成本低廉,其在电力系统安全检测中有着巨大的应用潜力。

基于电力大数据的用户侧数据异常检测方法研究

针对现有电力大数据的异常检测方法存在的准确度低、检测效率慢等问题,在数据挖掘的基础上,提出了一种将孤立森林算法和局部离群因子算法相结合的电力大数据异常检测方法。从全局和局部两个方面对电力大数据进行异常检测,提高了电力大数据检测的优越性。为了验证该方法检测结果的优越性,通过仿真对该方法进行对比分析。结果表明,与传统的异常检测方法相比,该方法具有更高的检测效率,能够更准确地检测出用户侧电力数据异常值。

基于RGB-W的电力通信网危险源检测

本文提出了一种基于RGB-W的电力通信网危险源检测方法,该方法将短距离无线定位信息做映射处理,得到一张与图像对应的置信值掩膜。该掩膜将通过旁路输入到不同的目标检测框架中(包括一阶检测框架和二阶检测框架),用以提高危险源检测结果的精确度,并减少误检和漏检。对于这两类检测方法,我们使用基于无线电定位的置信值修正来提高检测性能。针对电力通信网的危险源检测任务,本文搜集了特定场景下的数据集用以训练检测与测试检测方法。本文提出的危险源检测方法使用了平均精度指标、平均误检数以及正确检测占比作为指标进行评估。实验结果证明本文提出的危险源检测方法具有检测精度高的优点,并能够减少错误检测框的数量。

集多功能于一体的电力设备智能检测仪的研发与应用

针对电力设备的检测问题,本文提出了一种集红外热成像、局放测试和影像识别多种功能于一体的电力设备智能检测仪,首先详细介绍了仪器的结构和工作原理,其次全面阐述了检测仪功能和使用场景,最后分析总结了检测仪的特点及经济效益。实践结果表明,本文提出的智能检测仪具有较高的检测精度和可靠性,能有效保证电力设备的运行安全。

基于时域反射技术的电力电缆局部缺陷检测方法

电力电缆在电力传输系统中扮演着重要角色,但容易受到各种因素的影响,导致局部缺陷的产生。为确保电力系统运行的安全性和可靠性,提出了一种基于时域反射技术的电力电缆局部缺陷检测方法。通过分析时域反射信号,结合先进的算法,可以有效地检测和定位电力电缆的局部缺陷,为电力系统的维护和管理提供有力支持。

基于MSP430的低功耗残压检测模块的软硬件系统设计

在配网就地馈线自动化保护逻辑中,将配网没有电压的情况下,来电前电网瞬时性的来电称为残压。针对设备再次来电前的残压,设备需要闭锁合闸,因此残压检测模块需要满足残压检测、闭锁、参数设置和规约上送等逻辑。设计了基于低功耗芯片MSP430FR2111并配合MCU睡眠、脉冲唤醒采集、低功耗串口规约通信的软硬件系统。在实现残压检测功能的同时,模块的超低功耗也降低了FTU整组的功耗,延长了检测模块的使用时间。通过芯片的低功耗串口制定合理、可扩展的规约,实现了残压限值、时间设定、残压值读取等功能。经过实验验证,采用残压检测模块的配电终端完全满足技术检测标准,并具备批量化、可移植、可定制化应用的能力。

基于无监督学习的电力用户异常用电模式检测

检测异常用电模式的主要目的在于降低非技术性损失(non-technical losses,NTL),降低电力公司的运营成本。该文提出了基于无监督学习的异常用电模式检测模型,适用于电力用户数据集缺乏训练样本的情况。该模型包括特征提取、主成分分析、网格处理、计算局部离群因子等模块。首先提取多个表征用户用电模式的特征量,通过主成分分析将每个用户映射到二维平面,实现数据可视化并便于计算局部离群因子。网格处理技术筛选出低密度区域的数据点,显著提升了算法效率。该模型输出所有用户用电行为的异常度及疑似概率排序,研究结果表明利用该排序,只需要检测异常度排序靠前的少数用户即可查出大部分异常用户。

基于高斯核函数改进的电力用户用电数据离群点检测方法

针对智能配用电大数据背景下用电数据离群点检测方法的适用性以及实际数据集中异常用电样本获取成本较高的问题,提出一种基于高斯核函数改进的电力用户用电数据离群点检测方法。首先通过模糊聚类的方法将用户分类;然后提取每一类用户的用电行为特征量,采用主成分分析法对特征集进行降维;最后利用高斯核函数改进局部离群因子算法,提出高斯核密度局部离群因子（Gaussian kernel densitybased local outlier factor,GKLOF）算法,通过理论推导与仿真实验相结合的方式分析了GKLOF算法的特性。选取了5000个用户真实的用电数据进行实验分析,实验结果表明,该方法具有较高的检测准确率以及较为稳定的判定阈值,并且受局部数据分布的影响较小,更加适用于用户用电行为复杂多样以及实际数据集中所有用户用电行为类型信息未知情况下的离群点检测。

电能质量暂态扰动的HS变换检测方法

为提高电能质量暂态扰动检测定位能力,设计一种采用Hyperbolic S变换(HS变换)的扰动检测方法.在采用HS变换处理电能质量信号的基础上,通过计算HS变换模矩阵上各采样点不同频率对应的幅值之和来定位扰动起止点.新方法首先通过阈值对幅值和曲线进行预处理;之后,采用峰值点定位扰动起止时间.仿真实验证明,新方法实现了不同参数条件下电压暂降、电压暂升、电压中断、电磁脉冲、电压尖峰、电压切痕、振荡暂态等7种扰动的准确检测.该算法具有较好的鲁棒性与抗噪性,受不同扰动参数影响较小,符合实际环境下的扰动定位要求.

基于大数据的电力信息网络流量异常检测机制

随着智能电网建设的加强,电力信息网络及其承载的业务系统得到迅猛发展,网络业务流量的检测和预警具有重要的安全意义。针对目前电力信息网络缺乏处理流量异常问题的有效技术手段,提出了一种基于大数据的电力信息网络流量异常检测机制,并通过对改进的局部异常因子(M-LOF)和支持向量域数据描述(SVDD)两种常用异常检测算法的对比分析,总结出适合电力信息网络的流量异常检测方法 。

图像局部模糊的自动检测方法

目标运动或对焦不准可能造成图像局部模糊。针对该问题,提出一种包括粗糙定位及模糊区域求精2个步骤的模糊区域自动检测和提取方法。通过对空域上的梯度统计结果进行双高斯混合建模以及对频域上的功率谱进行统计分析,实现模糊和非模糊区域的粗糙定位。根据粗糙定位结果,利用改进的懒惰抠图技术实现模糊区域的精确定位和自动提取。实验结果证明,该方法可以有效检测出图像中的局部模糊区域。

空间相干光通信中本振光功率对信噪比的影响

为研究空间相干光通信的信噪比受本振光功率、探测器特性和光波偏振态的影响,对探测器在不同工作状态下以及光波偏振态变化时的信噪比进行了研究,讨论了在不同工作状态下探测器特性参数和本振光功率对信噪比的影响,并通过实验验证了本振光功率和光波偏振态对信噪比的影响。结果证明空间相干光通信中探测器特性参数限制了本振光功率的取值,实际最大信噪比小于理论值,最佳本振光功率大于理论值,且两光束的偏振方向越接近,输出信噪比越大,最佳本振光功率越小。

晴空飞机尾流的雷达探测性能分析

该文分析了晴空飞机尾流RCS(雷达截面积)的频域特性和时变特性,导出了相参多普勒雷达探测飞机尾流的LMP(局部最大势)检测器及其检测概率、虚警概率的解析表达式,在此基础上导出了尾流探测的雷达方程。仿真分析结果表明:垂直入射的尾流探测性能一般优于斜入射探测;当雷达观测时间较长时,斜入射探测性能随雷达距离分辨单元的增大而改善;对于单位长度RCS为-80～-60dBm2/m的飞机尾流,其雷达探测距离可达30～100km。

基于S变换模矩阵的电能质量扰动信号检测与定位

针对电能质量扰动信号的检测和定位问题,提出了一种基于S模矩阵幅值平方和均值的扰动定位算法,并对常见的几种扰动信号进行S变换仿真,应用S模矩阵幅值平方和均值定位扰动发生时间和持续时间,分析谐波成分等。仿真结果表明,所提算法简洁有效,能够准确分析谐波成分和定位扰动信号,可以估计电压暂降、电压暂升以及电压中断等扰动信号的变化幅度。