一种具备ROV/AUV双工模式的水电站检测水下机器人研究

本文设计的一种具备ROV/AUV双工模式的水电站检测水下机器人具备ROV和AUV两种工作模式。既能由水面设备通过脐带缆完成水下机器人本体的供电和功能控制,执行开阔水域的水下复杂作业任务;又能由水下机器人本体自带蓄电池组供电,由水下机器人本体自带控制器完成自身功能控制,执行狭窄水域(包括水电站引水隧洞等)的简单水下作业任务。

基于图像识别的智能变电站检测预警技术研究

现阶段,虽然变电站检测技术相对成熟,但为了提高智能变电站的安全运行水平,必须尽快对其检测技术进行研究,提出一种更加高效与无人值守的检测方法。在传统红外检测技术基础上提出了图像识别智能变电站检测技术。文章首先从红外图像特征提取与识别流程优化展开研究,提出了利用PNN神经网络实现设备红外图像分类,建立最终的变电站关键设备图像红外检测方法和流程,并对该技术运用的机器人和视频巡检系统进行简单设计探讨,最后通过试验案例分析,得出这种检测预警技术可以明显提高设备监测准确性的结论。

基于双边截断的双参数海上风电站SAR图像CFAR检测

文章提出了1种基于双边截断的双参数海上风电站SAR图像CFAR检测器DTCS-TPCFAR,目的是提高在具有多个目标海上区域和石油泄漏区域等环境下对海上风电站的检测性能。DTCS-TPCFAR所提出的双边截断杂波的方法,能够同时消除高强度和低强度异常值的干扰,同时保留真实的杂波样本。通过使用最大似然估计计算双边截断后样本的均值和标准差,然后通过这2个参数估计值计算出截断阈值,最后再结合指定的虚警率(Probability of False Alarm,PFA)来对测试单元(Test Cell,TC)进行判断,完成最终的目标检测。这也是首次将CFAR检测器用于检测海上风电站。文章通过Sentinel-1数据集来验证该方法的有效性。实验结果表明,文章所提出的算法在相同指定虚警率下,具有更高的检测率(Detection Rate,DR)和更低的误报率(False Alarm Rate,FAR)。

基于图像识别的水电站漏水检测报警系统的搭建

介绍一项创新的水电站漏水监测技术,利用图像识别技术构建报警系统。该系统整合智能摄像头进行实时图像捕获,通过精细的图像处理、特征抽取及漏水识别模型训练流程,智能化地识别与定位漏水点。检测到漏水立即激活报警机制,并向相关人员发送警报,其高效数据处理与多级预警阈值设计确保了检测的精确度与响应速度。系统还支持远程监控管理,便于运维团队实时监控漏水状况,提升了管理效率。针对不同地面色彩与光线环境的挑战,研究实施了光源优化、预处理技术升级及特征与算法的精细调整策略,有效增强了系统的适应性和稳定性。总之,这一革新方案为水电站漏水监测预警提供了先进工具,展现了显著的技术优势与实用价值。

基于颜色与运动特征的变电站实时烟雾检测

变电站的环境特殊性要求站内火灾检测准确、快速,烟雾检测是早期火灾检测中的常用方法。针对变电站特殊环境,提出一种快速烟雾检测算法。首先,利用改进的Vi Be算法检测变电站实时监控视频中的运动区域,再通过颜色特征确定疑似烟雾区域,然后结合烟雾面积增长特性和移动特性识别烟雾区域。实验结果表明:这种算法能够检测到不同场景中的烟雾,对远距离、稀薄烟雾也能有效检测,满足变电站火灾检测实时性、准确性要求,能够应用于变电站场景烟雾检测。

改进的Faster-RCNN目标检测方法在变电站悬挂异物检测中的应用

针对变电站悬挂异物检测任务中异物形状多样、周围环境条件复杂,现有算法检测的准确率较低的问题,提出一种改进的Faster-RCNN目标检测方法,对变电站悬挂异物进行检测。将Faster-RCNN结合特征金字塔和可变性卷积,形成了改进的Faster-RCNN目标检测方法,扩展了Faster-RCNN网络结构对输入图片中不同尺度语义信息的读取,提升了网络对小目标的检测能力。采用了变电专业设备典型缺陷图像识别竞赛中的悬挂异物图像数据进行仿真实验,并与原有Faster-RCNN算法进行对比,实验结果验证了所提出方法的有效性,算法识别准确率得到提高,在真实样本中表现好,可有效应用于变电站巡检机器人系统中。

磁记忆检测技术在电站设备检测中的应用

介绍了磁记忆检测技术的原理及系统构成,比较了常规无损检测与磁记忆检测的特点,阐明磁记忆技术可实现对金属损伤的早期诊断,弥补了传统无损检测方法的不足。

雨天变电站设备智能视觉检测算法与实时实现技术

视频的变电站户外设备监控是保障电力系统安全运维的重要手段,但传统的目视监控效率低、人力成本高,因此无人化智能视觉检测得到广泛关注。变电站户外监控设备在采集图像时,不可避免会遭受雨天等恶劣天气影响,导致设备检测性能严重下降。针对雨天场景下的变电站设备检测给出了软硬件系统解决方案,主要围绕雨天变电站设备视觉检测算法和嵌入式AI实时部署展开研究。首先,提出一种基于细节增强的图像去雨网络(DERN),利用雨条的高频特性作为注意力权重指导去雨,进一步将其与YOLOv4目标检测算法进行联合优化,从而实现对雨天稳健的变电站设备检测算法;基于昇腾310 AI处理器构建嵌入式边缘端智能计算系统,从算子优化、多线程并行等方面提升计算性能。实验表明,在雨天场景下变电站设施设备目标检测精度从实施前的53.4%提高到82.1%,1080P视频运行速率达到30 f/s,验证了所提算法和系统的有效性,有效提升了变电站设备全天候视觉智能监控能力。

多融合的入侵检测系统在电站安防应用

为了提高电站中视频监控的智能化检测,提高电站无人化值守的推进。本文针对现有电站的监控设备进行功能改进,从视频图像移动检测、视频画面目标检测、视频画面人脸检测和识别方面进行算法功能融合,开发智能一体化无人值守乳入侵检测系统。本系统采用跟踪算法能够适用于多路并发的视频接入的电站运维,有效的解决监控视频中,入侵人员发现的滞后性,提高了电站运维的效率。

基于自监督学习的变电站缺陷检测

为了在使用少量标注样本情况下提升变电站设备缺陷检测精度,提出一种基于自监督模型SimSiam的改进缺陷检测算法.不同于原始SimSiam,改进后的算法无需使用标志性图像(iconic images),如ImageNet数据集,而是直接利用非标志性图像(non-iconic images)如COCO数据集进行对比学习,并在下游的缺陷检测任务上获得可媲美有监督方法的性能.通过在投影层(projection head)和预测层(prediction head)中使用全卷积网络和空间注意力模块来代替MLP,保留高维特征的空间结构及局部信息;同时在计算相似度前先对特征图进行均值池化以得到特征向量,并对特征向量进行归一化以计算欧氏距离,从而改进了自监督对比学习的损失函数.实验结果表明该算法能充分利用非标志性图像进行对比学习,并在只标注少量样本的条件下提升变电站设备缺陷检测的精度,在表计表盘破损、挂空悬浮物、鸟巢、呼吸器硅胶变色及箱门闭合异常等5类缺陷检测任务上mAP达到83.84%.

基于机器视觉的光伏电站绝缘子机械故障检测研究

为解决现有光伏电站绝缘子的机械故障检测模型准确率低和泛化性差的问题,提出了一种基于机器视觉的光伏电站绝缘子机械故障检测方法。该方法首先计算绝缘子图像亮度修正系数并进行亮度修正,然后使用改进的FCN(Full Convolutional Network,全卷积网络)对光伏电站绝缘子进行分割和轮廓凸包检测,并进行连通域标记和质心坐标计算,最后建立绝缘子机械故障定位模型,根据等距质心定位绝缘子故障位置。实验结果表明光伏电站绝缘子故障平均定位误差为18像素,大雾天气和光照不均情况下检测成功率分别为82.5%和96%,算法时间复杂度为0.066~0.076 s。

光伏电站组件检测信息的整理、存储、分析技术研究

大型光伏电站由数以百万计的光伏组件组成,通常采用各种现场检测设备进行检测,数据格式不统一,往往出现被测组件不能复现和检测数据混乱的现象。针对这一问题,文章设计开发出一套检测数据整理、分析系统。该系统首先对被测组件位置制定了编码规约,能够实现被测组件及时准确地被二次查找;其次对不同现场检测设备产生的数据、信息进行统一处理,能够方便存储和读取;第三建立数据库及数据调用系统,能够将每块组件相关的功率、热斑、隐性缺陷及气象数据显示在同一界面,实现综合分析组件性能,判断故障原因,有效提高光伏电站故障组件的分析效率。

TOFD技术在瀑布沟水电站蜗壳焊缝质量检测中的应用

将瀑布沟水电站运用TOFD技术检测蜗壳焊接质量的特点、方法与其他检测方法进行对比分析,结果表明:TOFD检测技术相对于常规无损检测方法具有质量控制水平更高、经济性更好、环保性更优等特点,在大型水电站金属结构焊接检测中具有重要的推广价值。

基于聚类和迁移学习的火电厂控制回路异常检测

基于深度学习的故障诊断方法已在电力工业多个领域应用,但由于存在电站运行数据量巨大且实时性要求高等问题,深度学习在电站自动控制回路故障检测方面应用较少。针对上述问题,文中提出一种基于聚类和迁移学习的控制回路异常检测方法,运用基于密度的聚类算法(density-based spatial clustering of applications with noise,DBSCAN)对控制回路工况进行划分,由变分自编码器长短期记忆网络模型(variational auto encoder-long short term memory networks,VAE-LSTM)对被控参数和设定值的差异提取差值序列的潜在特征、训练源域模型,通过最小化损失函数优化模型参数,运用迁移学习原理,根据目标领域数据训练LSTM网络的特征分布距离,微调VAE-LSTM模型的网络参数,提升故障诊断效率。实验验证结果表明,该方法在各种工况的数据集上都取得了较好的效果,可以实现自动控制回路实时故障诊断。

移动电站测试中感性负载的控制

介绍了通过开发的控制平台,利用RS232协议,通过PLC来控制可调电抗器上的伺服电机旋转,从而调节电抗器内部电感值的变化,满足对不同功率、电压等级下感性负载的测试要求。

数据挖掘在电站中的应用

针对近几年来数据挖掘技术在电厂应用的主要成果,介绍了数据挖掘技术有关的概念和常用方法,探讨和评述了数据挖掘技术目前在电站状态检测、故障诊断、状态检修、优化运行、SIS系统中的应用状况,并对不同的数据挖掘方法在电站中的实际应用效果做了一定的比较;重点阐述了关联规则、聚类分析、粗糙集、分类分析在电站系统中的应用。指出了该技术的发展趋势以及需进一步研究和解决的问题。

一种锌、镍离子浓度自动检测电路

介绍了一种根据光吸收的加合性原理和Beer定律，并以单片机为核心构成的电镀锌-镍合金镀液中锌、镍离子浓度自动检测电路，对其硬件构成等有关问题也进行了详细介绍。

“智能变电站原理与测试技术”教学中创新能力培养方法探索

作为电气工程及其相关专业的一门专业基础课,"智能变电站测量与检测技术"在整个研究生教学阶段的作用不可忽视。当今社会急需全面型人才,要求学生除了掌握丰富的知识构架外,还应该具备创新能力的开拓。新型的微课程在教学过程中注重学生创新能力的培养,把理论知识与实际科研项目结合起来,能更大程度地调动学生的积极性,实现课堂教学效果最佳化。

过温红外远程在线监控系统在变电站的应用

现代电力的工业向超大容量以及高电压等级方向发展,这对电力设备的状态检修方面提出更高要求。作为一门新技术的红外成像技术,其对电力设备的运行状态检测方面存在较大优势。在对设备热状态进行成像方面具有直观、快速等优点。本文探讨了电气设备过温红外远程在线检测系统在变电站的应用。

基于移动互联网的变电带电检测运维系统

为了提高移动互联网环境下变电带电检测移动作业的安全性和效率,提出基于移动互联网的变电带电检测运维系统。依据变电带电检测移动作业平台进行变电带电检测运维系统的模块化开发设计,构建移动互联网环境下变电带电检测运维系统的移动作业平台,统计不同检测负责人在一定时间范围内检测变电站任务数,通过移动互联网利用App与现场检测人员实现远程控制。在移动互联网环境下,采用交叉编译模块进行变电带点检测视觉系统的模块化设计,建立变电带电检测运维系统的资源库和数据库,在不同的硬件平台上,实现变电带电检测和运维管理,在Linux或Windows Server 2008平台上实现系统的软件设计。测试结果表明,设计的变电带电检测运维系统输出稳定性较好,可靠性较强。