计及等效负荷密度的变电站设备故障缺陷识别仿真

针对变电站设备故障缺陷复杂,识别精度较低的问题,研究了计及等效负荷密度的变电站设备故障缺陷识别方法。依照有所差异的边界条件智能选取接线方式,并将结果反馈至基础参数设置部分,匹配基础参数,构建等效负荷密度模型,分析不同负荷条件下配电站设备运行的馈线功率损失与电压降落情况,将所得馈线功率损失与电压降落情况作为变电站设备故障特征信息输入深度学习网络,通过二次学习与训练完成变电站设备故障缺陷识别。仿真结果显示该方法能够准确计算负荷的有功线损与电压降落情况,有效识别并定位变电站设备故障缺陷。

提高输电线路缺陷故障识别准确率

输电线路缺陷故障识别率是输电专业向数字化、智能化转型的一项重要考核指标,小组成员经过调查分析得出智能监拍装置通道缺陷故障识别准确率低是影响输电线路缺陷故障识别率的关键症结。针对症结,从软硬件方面分析找到6条末端原因,逐条分析确认出4条要因。针对要因,开展现场勘察与测试,提出提高芯片主频以及NPU算力,更换像素更高的摄像机,改进图片压缩算法以及增加样本库数量4条对策。对策实施后进行效果检查,输电线路智能监拍装置通道缺陷故障识别准确率由86.68%提高至91.50%,症结得以成功解决,活动初见成效。

基于时间序列算法的变电站设备故障红外识别

为了提高变电站设备故障的识别精度、图像清晰度、细节完整度,提出了基于时间序列算法的故障红外识别方法。首先,设计变电站设备红外遥视与故障识别框架,利用混合探测器-云台组合采集其红外、可见光视频图像,经光通信设备及光纤传输视频图像至监控中心,通过滑动窗口结合时间序列筛选并标记可疑故障图像;然后,经小波阈值变换的中值去噪方法去除噪声后,利用改进分水岭算法完成图像目标分割,采用Zernike不变矩提取其特征值,将其作为支持向量机的输入,完成变电站设备分类;最后,结合设备的温度信息,通过划分故障类型、故障识别规则,实现不同设备的故障识别。结果表明,采用该方法去噪后,图像清晰度、对比度大幅提升,分割后目标设备细节完整度高,可实现不同设备的故障识别。