基于风力预测的输电线路风偏放电预警

为提高对强对流环境下输电线路风险的预警精度,研究了输电线路风偏放电预警方法。首先,基于气象雷达的历史监测数据,构建双层串联SVM分类器,生成强对流风力预测模型。其次,构建输电线路风偏几何模型,分析非水平风对输电线路的影响,推导临界状态下风偏角和风偏风速的计算公式。最后,采用广义极值分布函数计算输电线路风偏放电概率,发布风偏放电风险预警等级。结果表明,基于气象雷达数据和强对流风力预测的输电线路风偏放电预警方法有效、可靠,可为强对流天气下的输电线路维护、电网运行、防灾管理提供决策参考。

基于改进CNN的串联型故障电弧识别方法研究

针对串联型故障电弧影响供电系统安全且不易测量的问题,提出改进卷积神经网络对串联型故障电弧的识别方法。由于SVM学习的超平面是距离各个样本最远的平面,相比于Softmax,具有更强的泛化推广能力和更高的识别准确率,故采用SVM损失函数(hingeloss)替换原有的Softmax损失函数并在CNN模型中添加三层Inception结构得到改进的CNN模型。其次,研制串联型故障电弧实验平台,在不同的实验条件下采集电流信号,利用短时傅里叶变换,得到电流的时频谱图。采用同一数据集对两个模型进行训练和测试。结果表明,改进的CNN电弧识别模型相较于CNN电弧识别模型在识别准确率和效率上都有了明显的提高。

视频异常行为识别与分级预警系统

参考格灵深瞳分级评价体系并引入迟滞比较器相关思想,结合最近邻与SVM双层分类器学习,建立了针对目标入侵、目标高速运动、目标遗留物与人群聚集逃离、人群打架斗殴、人群骚乱六种常见目标异常行为的自动分类与分级预警系统。1提出并实现了一套较完备的异常行为分级预警系统;2在行为分析之前以人群密度与能量为特征引入最近邻分类器实现个体行为与群体行为的预分类;3通过引入迟滞比较器实现高速运动行为的稳定预警;且该方法具有一定普及意义。分别在标准库和自行拍摄的视频上进行实验验证。实验证明,该系统能够稳定实现对上述六种普遍异常行为的分类分级预警,实现了群体分析与个体分析、检测与识别、分类与预警的一体化。