用电力线管推导电场能量及电场能量密度

电力线是描述电场分布的形象工具 ,电力线所到达的空间都存在电场 ,而静电场的能量定域在静电场中 ,即电力线所到达的空间。据此 ,本文介绍一种用电力线管的方法推导出静电场能量及电场能量密度的方法。

地铁车站出入口软土深基坑上跨既有电力线管道施工技术

某市地铁预留出入口施工上跨—埋深11.75 m、直径3 50mm的既有电力线管道。要求在不拆移既有电力线管道的情况下,既要确保该预留出入口的正常施工,还要避免施工过程对电力线管道可能造成的上浮变形影响。从该工程的特点出发,综合工程类比、专家咨询和理论仿真三种分析,得到了优化的施工方案,其中增加了大基坑改为小基坑、坑内土体改良和电力线管道变形自动化监测等措施。该施工方案具有将施工工艺的优化和施工期间全过程监控有机结合、工程效果良好等特点。

基于窄带频谱分析的电力线载波通信干扰过滤技术

电力线路载波通信受到背景噪声、脉冲噪声等方面干扰因素影响,导致通信信号质量下降,为此提出一种基于窄带频谱分析的通信干扰过滤技术。首先构建近似模型分析通信信号特征,利用马尔可夫链模拟信道上脉冲噪声状态。然后基于窄带频谱分析算法,在信号频谱周期图下,利用正交数据窗分离直接频谱,筛选估计方差以避免频谱泄漏事件的发生。利用傅里叶变换计算特征频谱,估计信号能量的集中特性,分析通信信号,平衡信号振幅和干扰抑制。最后通过时频峰值实施干扰滤波,有效保证电力线载波通信信号质量。经过实验数据分析证明,所提技术的载波干扰幅值最小值为1.1 dB,载波通信信号误码率平均值为1.9%,方法耗时平均值为3.8 s。

面向电力线通信的基于Mitchell算法的OFDM同步检测方法

为了提高电力线通信系统中OFDM定时同步的准确度,文章基于低压电力线宽带载波通信互联互通技术规范下的物理层通信协议,提出了一种基于Mitchell算法的电力线载波通信符号定时算法。与理论本地互相关同步算法相比,文章的算法不需要进行乘法运算,易于硬件实现。与简化的单比特量化算法相比,该算法同步检测结果更加准确,峰值旁瓣更小,在低信噪比条件下符号定时更加准确。

电力线信道中极化码译码算法的改进

脉冲噪声是影响电力线通信性能的最主要因素。为了提升极化码在电力线信道的性能,文章提出了分段循环冗余校验码辅助串行抵消列表比特翻转(segmented CRC aid SCL-bit flip,SCA-SCL-BF)译码算法,并在加性高斯白噪声(additive white gaussian noise,AWGN)信道和电力线信道下进行了仿真。在构造关键集合时引入Rate1子块,避免了全集搜索的复杂度;根据关键集合中比特的位置进行分段,每段翻转一比特,可以实现多比特翻转。仿真结果表明,SCA-SCL-BF算法的性能相较于公开文献中性能在信噪比(signal-to-noiseratios,SNR)大于0dB时有显著提升。该算法对于提升电力线传输性能有重要意义。

基于PSA的中压电力线载波通信自适应阻抗匹配

在中压电力线通信中,针对复杂电器元件的种类、数量不断变化等因素导致线路阻抗不匹配而影响通信质量的问题,提出了一种中压电力线载波通信自适应阻抗匹配方法。首先,建立了中压阻抗匹配系统模型,在该模型的基础上提出了一种π型自适应阻抗匹配电路。然后,根据该电路设计了符合阻抗共轭匹配原理的目标函数,通过PID搜索算法(PID-based search algorithm, PSA)寻找最优元件参数,实现目标函数最优。最后,在此模型基础上仿真分析了PSA算法、粒子群算法(particle swarm optimization, PSO)和遗传算法(genetic algorithm, GA)的优劣性。结果表明,PSA算法在收敛速度和寻优精度方面优于PSO和GA算法,能够有效实现阻抗匹配进而改善载波通信质量,为中压电力线通信进一步研究提供了可行性方案。

宽带电力线通信网络多层信道资源分配方法

为增加通信网络的吞吐量,研究宽带电力线通信网络多层信道资源分配方法。提取网络的多层信道特征,运用香农定理计算信道容量;提取载波特性,分析传输特性;建立抗干扰模型,通过控制器计算最优抗干扰策略。运用KM算法进行信道资源分配,转换为图着色冲突问题,优化颜色冲突以有效利用信道资源,实现更佳的资源分配效果。实验结果表明,实验组的总体吞吐量达到了10000bits/s,信道的整体占用率平均为79.03%,能够充分利用所有可用信道。

针对电力线通信信道下脉冲噪声的鲁棒混沌传输系统优化设计综述

随着用户的剧增,现有的无线资源已经难以为继。因此,电力线通信(PLC)的重新启用引起了各大研究单位及工业界的关注。PLC由于信道环境复杂,现有处理方案复杂度及成本较高,因而导致其发展缓慢。其中针对脉冲噪声的研究工作最为广泛,如何在低成本情况下针对脉冲噪声实现数据传输的鲁棒性尤为重要。该文首先介绍PLC环境中几种主流噪声以及分类,而后描述具有低成本低复杂度的差分混沌键控(DCSK)及多元DCSK(MDCSK)调制技术。分别介绍与分析该系统在PLC中的特性,以及针对各种脉冲噪声种类存在的优势以及改进方式。其次该文将介绍一些相关编码调制新方案以便于提高带限环境下的传输质量。结果表明这些优化工作显著地改善了系统性能,针对PLC整体信道特性系统参数的调制及编码调制传输优化方案将成为未来工作的研究热点。

电力线载波通信中基于深度学习的信道估计

【目的】电力线载波(PLC)通信系统采用基于帧突发的传输模式,由于PLC系统的收发信机之间存在载波频偏、PLC信道存在各种噪声以及时变特性,加之PLC系统没有专用参考信号,传统信道估计对PLC信道没有跟踪预测能力,进而造成PLC系统性能恶化。【方法】文章针对现有问题,提出了一种基于长短期记忆(LSTM)神经网络和去噪卷积神经网络(DnCNN)的去噪长短期记忆(DnLSTM)神经网络,并利用该DnLSTM神经网络进行了PLC信道估计。首先对DnLSTM神经网络进行离线训练再保存训练好的DnLSTM参数,之后将其部署到PLC系统中,加载训练完成的参数后再进行在线预测,得到PLC系统信道响应。在电力线系统仿真中,文章采用最小二乘法(LS)、最小均方误差(MMSE)算法以及DnLSTM神经网络进行信道估计,给出在高斯白噪声(AWGN)、组合噪声、色噪声和脉冲噪声条件下的仿真结果,同时调整了用于信道估计的前导符号数量并进行了对应的仿真。【结果】仿真结果表明,DnLSTM神经网络进行信道估计的精度与采用的前导符号数量有关,采用4个前导符号进行信道估计,其估计精度优于LS,接近MMSE算法,并且DnLSTM神经网络具有很好的抵抗载波频偏以及信道时变的能力。当用于信道估计的前导符号越多时,低信噪比(SNR)情况下的PLC系统性能越好,高SNR情况下的PLC系统性能相似。【结论】通过以上仿真可得出,基于LSTM和DnCNN的DnLSTM神经网络可以很好地估计存在频偏的PLC系统信道响应,可实时跟踪其变化。

基于改进Deeplabv3+的电力线分割方法研究

针对已有的分割算法存在的复杂场景干扰大、分割不准确的问题,提出一种用于电力线分割任务的改进Deeplabv3+模型。将原始主干网络替换为轻量级Mobilenetv2网络,增加低水平特征,获得5路输入特征,充分提取特征信息;添加空洞空间金字塔池化(atrous spatial pyramid pooling,ASPP)的卷积分支数量,调整空洞率,提升图像的特征抓取能力,进一步在每个空洞卷积后加入1×1卷积操作,加快计算速度;提出一种基于坐标注意力机制的语义嵌入分支模块(coordinate attention semantic embedding branch,CASEB),融合第2、3路特征,增强目标特征的表示;引入卷积注意力机制模块(convolution block attention module,CBAM)抑制无用信息的传递,提高模型识别效率。实验结果表明,相对于原Deeplabv3+模型,改进模型在平均像素精度(mean pixel attention,MPA)和平均交并比(mean intersection over union,mIoU)上分别提升2.37%和3.42%,该方法可提供更加精确的电力线分割结果。

面向无人机巡检场景图像的电力线提取算法

由于电力系统巡检涉及山区、森林、农村和城镇等众多场景,且缺乏面向无人机巡检的电力线数据集,给基于有监督学习的电力线提取任务带来了挑战。为此,构建了一套多场景航拍电力线数据,并针对现有算法提取的电力线精度有待提升以及移动端巡检对算法效率的要求等,提出了一种新的电力线提取算法,所提算法对LinkNet框架进行改进,首先,在其Encoder部分使用轻量型网络,提高算法特征处理的效率,并降低模型的大小。然后,提出了基于深度可分离卷积和通道注意力机制的AD-block来提高网络的感受野,增强网络的特征提取能力。最后,通过引入双线性插值上采样方法等改进Decoder部分。实验结果表明,所提算法在服务器上精度优于对比算法,具有较好的鲁棒性。在Jetson TX2上验证所提算法的精度和效率优于对比算法,能实现每张图像115 ms的处理速度。

基于改进RCF和无人机影像的电力线检测

针对更丰富卷积特征(RCF)算法检测电力线时存在边缘模糊、特征图包含太多噪声、在融合特征图时丢失多尺度信息等问题,对RCF算法进行改进.首先,使用具有平移不变性的下采样技术增强模型的鲁棒性;然后,在RCF主干网络中引入卷积块注意力模块(CBAM)机制,提高模型对电力线特征的表达能力;最后,在RCF的侧输出网络中加入级联网络,借助基于通道注意力机制的多尺度特征融合模块对特征图进行融合,从而获得更优异的细节保持效果.实验结果表明,改进模型的最优数据集规模、最佳图像比例和平均精度可分别提高0.7%、 1.3%和1.7%,检测结果噪声数量少,电力线更加清晰准确.

融合Transformer和DeepLabv3+的电力线语义分割网络

为解决目前语义分割算法在电力线分割领域存在预测速度缓慢和分割精度不高的双重问题,提出一种电力线分割网络STDC-DeepLabv3+。首先,为提升网络预测速度,在编码器部分采用Swin Transformer V2设计轻量化的主干特征提取网络;其次,为提高分割精度,针对电力线的细长结构以及贯穿整幅图片的特点,提出动态蛇形空间金字塔池化(DSASPP)模块,同时,在解码器部分设计多尺度特征融合模块,使网络更好地利用不同层次的语义信息提取电力线特征,减少网络对电力线的漏分割现象;最后,引入坐标注意力(CA)机制减少背景干扰,进一步提升分割的准确率。实验结果表明,改进后的算法平均交并比(MIoU)和平均像素精度(MPA)分别达到了84.18%和92.85%,与现有分割算法相比,分割精度和预测速度均有所提升,预测速度与DeepLabv3+相比提升了93.92%。

基于机载LiDAR点云的电力线提取和三维重建方法

从LiDAR点云数据中提取电力线进行三维重建已经成为安全巡检的重要技术手段。本文提出一种电力线提取与重建方法,对获取的LiDAR点云数据,通过高程阈值分割法和直线检测得到直线方程提取电力线,并通过电塔定位实现电力线分档;然后,通过直线模型和悬链线模型结合的方法对提取的分档电力线进行三维建模。实验结果表明,该算法能实现电力线的提取和分档,且重建模型能实现电力线的三维重建,对电力巡线具有实际的应用意义。

电力线通信技术在局域网构建中的应用

通过探讨电力线通信技术在局域网构建中的应用,采用OFDM(Orthogonal Frequency Division Multiplexing,正交频分复用技术),实现了高效的信号调制与解调,提高了局域网的数据传输速率和可靠性。同时,通过设计混合型网络拓扑结构,将局域网划分为多个子网,并采用不同的拓扑结构,满足不同区域和设备组的通信需求。在干扰抑制方面,引入前向纠错编码和滤波器设计,有效降低了信道干扰和脉冲噪声的影响,保障了通信质量。此外,数据加密算法(AES)的应用保护了数据传输的隐私和机密性,增强了局域网的安全性。

电力线杆塔监测中点云数据的应用

为精准高质量三维激光点云实施电力线杆塔变形监测质量,需对电力线杆塔所处的输电线路走廊进行分析,从数据采集、点云预处理、特征图计算三个方面讨论电力线杆塔三维激光点云数据的运用细节,完成点云数据处理后进一步展开电力线杆塔三维激光点云变形监测,了解电力线杆塔变形情况。

降低农村电力线损的几点措施解析

为了解决农村电网线损问题,本文以农村地区实际状况为例,对线损问题的成因进行了简单的分析研究,提出了做好电网升级改造,合理应用变压设备;改进电力运行模式,保障电力负荷平衡;完善管理制度,重视计量管理监察;制定完善的激励政策与手段,完善用电线路维护检查制度;科学化管理,合理应用数字化设备五点解决措施与手段,希望可以为解决农村电力线损问题提供参考。

基于LiDAR点云的单根电力线分离提取与多维度拟合重建

激光雷达技术能够快速高效地获取高精度的三维点云数据,机载LiDAR不受天气影响且能在复杂地理条件下工作,已成为电力线巡检的重要方法。而从获取的LiDAR点云数据中高效提取架空电力线点云是机载LiDAR电力巡检后期数据处理的重要内容。本文基于某地输电线走廊的LiDAR点云数据,设计了一套单根电力线分离提取和多维度拟合重建的方案。该方案首先使用统计滤波算法去除LiDAR数据中的异常离群点;再采用布料模拟滤波算法,结合数据高程信息去除地面点,利用PCA主成分分析法与快速欧式聚类算法,从电力线走廊点云中分离提取单根电力线;最后基于提取结果对单根电力线进行多维度拟合重建。实验结果表明,本文方法能精准且快速地分离提取单根电力线并进行多维度拟合重建,在电力线智能巡检中具有良好的工程应用价值。

基于电力线载波通信的光伏汇流箱监测单元设计

该文介绍了一种光伏汇流箱智能监测设备,其采用模块化设计,支持多种通信方式;可将通信数据通过已有光伏电缆传输,不需要额外布通信线;支持标准MODBUS-RTU协议,可在线进行程序升级,方便配合各类监控后台系统监测数据;测试数据精度满足测量标准,能够实现电流测量、模拟量测量及报警功能。

基于层级化注意力融合的航拍图像电力线分割模型

电力线自动分割是保证智能检测平台安全运行的重要前提。然而,电力线分割是复杂背景、多种气候环境下的小目标分割问题,极易出现误检、漏检问题。为了提高电力线分割的鲁棒性与准确性,结合编码器-解码器框架,提出了一种基于层级化注意力融合的端到端分割模型。该模型提出一种降维残差卷积单元,增加网络深度的同时大幅度减少网络参数,更易部署于嵌入式设备。为了使模型捕捉到全局信息并强调电力线的目标区域,设计了链式层级化注意力融合模块进行多尺度特征融合,以解决类别不均衡问题。为了提高模型对电力线特有的直线先验特征的关注,提出了直线先验损失函数,并与Focal、Dice损失函数组合成联合损失函数,进一步提高了电力线分割准确度。实验结果表明,所提模型网络深度增加为基础网络的2.8倍左右,而参数量仅为原来的1/3左右。针对常规天气和雾天环境下的航拍图像均能实现电力线的鲁棒分割。所提出模型能应用于电力巡检领域,使巡检更加智能与高效。