抽蓄电站全库盆防渗水库渗流缺陷影响分析

针对抽蓄电站全库盆防渗水库土工膜缺陷导致水库渗流量产生变化的安全问题,结合陕西省某抽蓄电站水库库底土工膜防渗工程,采用单因素影响分析和多因素影响分析方法进行抽蓄电站全库盆防渗水库渗流缺陷影响分析。结果表明,水头大小、缺陷大小、缺陷个数均正向影响抽蓄水库渗流量,而缺陷位置与抽蓄水库渗流量的相关性不明显。其中缺陷大小是影响抽蓄水库渗流量的主要因素,其次为水头大小,再次为缺陷个数。

计算机视觉的电站锅炉水冷壁缺陷检测方法

发电厂锅炉巡检可有效避免安全事故发生,针对现场巡检过程中,锅炉水冷壁巡检区域较大,部分区域检测困难问题,开发一种基于YOLOv3模型的水冷壁缺陷检测系统。无人机携带视觉采集装置,对豫能集团某电厂锅炉水冷壁进行图像采集,画面经压缩后实时无线传输到检测末端装置,采用YOLOv3算法对水冷壁数据进行分析,对模型重要参数进行调整并做出样本增广与平衡化改进处理,提高检测效果,共测出磨损、裂缝、氧化等106处失效部位,与人工检测对比,成功率达77.9%。该方法解决了在巡检区域大、部分区域检测困难问题,使大型电站锅炉在开展水冷壁检测方面实际付出的成本得到有效缩减。

水下抛石电阻率特性试验研究

研究旨在利用电阻率技术解决水下抛石坝(隐蔽性工程)隐患探测和质量评价等关键问题。采用四电极法分析了水下抛石在不同供电电压和空隙率条件下的电阻率特性,并建立了电阻率与水下抛石空隙率的经验公式。结果表明:水下抛石电阻率随供电电压(10~60 V)升高呈先衰减后逐渐趋于稳定的变化特征,且供电电压高于30 V时电阻率衰减程度显著降低;水下抛石电阻率随空隙率的增加逐渐减小并趋于稳定(两者间的关系可用递减型幂函数表征),且不同供电电压下电阻率随空隙率的变化规律与此类似;分别选用幂函数、指数函数及对数函数拟合电阻率与空隙率关系,发现幂函数拟合误差最小,考虑供电电压影响最终建立了水下抛石电阻率与空隙率的经验公式;进一步通过水下抛石坝模型试验验证了经验公式的可靠性。该经验公式可有效描述水下抛石分布的密实程度,从而快速识别水下抛石坝内部隐患。

基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型

检测输电线路缺陷并及时维修可以确保电网的安全稳定,具有重大的实际意义。但输电线路图像背景复杂、元件尺寸小,导致现有的目标检测模型不能取得很好的效果,因此文中提出了基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型。该模型设计了DBSA(Dual-branch Serial Attention)双分支串行混合注意力,从而将更多的权重放在缺陷上,并提出了WCFPN(Well-connected Feature Pyramid Network)特征金字塔,让经DBSA提取的特征充分融合,从而增强模型检测小目标的能力。DBSA将特征图沿高度和宽度两个分支压缩并用一维卷积提取注意力,WCFPN设计了一种包含跨尺度融合和跳层连接的新型融合路径,让经DBSA提取的高层语义信息和低层空间信息进行更充分的交互。最后在绝缘子自爆、防振锤损坏、鸟巢异物、水泥杆破损和输电线路缺陷5个数据集上进行实验,结果显示所提模型取得了最佳的检测效果,在5个数据集上的平均AP50和AP分别为84.3%和46.1%,相比目前最先进的模型YOLOv7分别提升了3.7%和3%。

基于多物理场耦合的Q345钢应力腐蚀行为研究

海上风力机组的支撑结构和相应的变压器平台极易受到腐蚀,腐蚀缺陷会导致应力集中,从而严重影响风机设备的使用寿命。以Q345钢为研究对象,采用COMSOL多物理场仿真软件建立一种Q345钢表面腐蚀缺陷生长预测的有限元模型,模拟研究海洋环境中Q345钢的应力腐蚀行为。通过电化学腐蚀试验得出Q345钢的Tafel关系,应用多物理场耦合计算应力对腐蚀缺陷处电化学腐蚀的影响,结合Faraday定律开展腐蚀缺陷的生长预测。结果表明:随着拉伸应变和缺陷深度的增加,缺陷处的应力也随着增加,加速了缺陷处的失效;当应力在缺陷处引起塑性变形时,局部腐蚀活性显著增强;在缺陷处的力学和电化学效应改变了缺陷中心的应力分布,增强了缺陷中心腐蚀速率。

基于知识集成流形的电力设备缺陷文本数据增强方法与应用研究

当前电网数字化转型升级,电力设备智能运维技术快速发展,在运维过程中积累了大量包含电网重要信息的电力设备缺陷文本。由于文本数据标签稀疏,以及描述语言的模糊性、差异性等问题,电力文本中的运维信息难以被有效挖掘。文章提出了一种针对电力设备缺陷文本的数据增强方法。首先,使用缺陷文本数据集微调预训练模型ERNIE(enhanced representation through knowledge integration),应用多阶段知识掩码策略将电气领域专业知识集成到对缺陷文本的动态编码中;然后在流形假设的基础上基于降噪自动编码器架构设计破坏函数和重建函数,遵循基于信息价值的掩码单元选择策略构建破坏函数,基于微调过的ERNIE构建重建函数,在“破坏-重建”过程中获得位于原始数据流形范围内的增强样本;其次对增强数据集基于影响函数和多样性度量进行数据选择,过滤掉数据质量差和重复度高的增强样本;最后通过多层训练框架,将增强数据应用于各种缺陷文本挖掘任务。算例基于真实设备巡检、检修记录构建了电力设备缺陷文本等级分类任务。结果表明,所提出的算法对缺陷文本挖掘效果有较大提升,并且可以广泛灵活地应用在多种电力设备缺陷文本挖掘任务中。

基于注意力机制优化组合神经网络的电力缺陷等级确定方法

为解决电力缺陷描述专业词汇较多分词准确率不佳以及单一神经网络模型自身存在不足的问题,提出了基于注意力机制优化组合神经网络的电力缺陷等级确定方法。该方法使用分布式字粒度向量对电力缺陷描述进行表示,使用由卷积神经网络和双向长短时记忆网络组成的卷积循环神经网络对电力缺陷描述的局部特征和序列特征进行特征提取,采用注意力机制对组合神经网络得到的语义特征进行权重分配,减少关键特征的丢失,进一步增强关键信息对分类结果的影响。以云南电网公司2014年—2019年间11万条缺陷描述数据作为实验对象,文中所提方法的Acc、MF_(1)值和WF_(1)值分别为0.9275、0.9112和0.9275,验证了该方法在电力缺陷等级确定中的有效性和可行性,为电网的智能化运行提供帮助。

面向电力缺陷场景的小样本图像生成方法

由于电力缺陷数据稀缺,目前大多数缺陷检测方法都无法有效地对电力缺陷情况进行准确的检测。为此,使用小样本图像生成方法,基于改进的LoFGAN(局部融合生成对抗网络),设计基于上下文信息的小样本图像生成器,提高缺陷检测网络对细节特征的提取能力;引入基于LC-散度的正则化损失来优化图像生成模型在有限数据集上的训练效果。实验表明,小样本图像生成方法能够为电力场景缺陷情况生成有效且多样的缺陷数据,所提模型能够有效解决电力缺陷场景数据稀缺的问题。

核电混凝土相控阵超声检测的数值模拟分析

基于核电混凝土预设缺陷的相控阵超声检测试验,采用COMSOL软件进行模拟分析和模型的可靠性验证。采用验证后的模拟方法来研究不同相控阵阵列偏转角度和聚焦距离对超声检测的影响。结果表明,相控阵超声检测是一种有效的无损检测方法,COMSOL多物理场模拟软件能够正确模拟声束在缺陷混凝土中的传播规律;相控阵阵列采用不同的声束偏转角度和聚焦距离对检测结果有一定影响。该结论为混凝土检测用相控阵超声探头的工程设计提供了一定参考。

基于ER-YOLO算法的跨环境输电线路缺陷识别方法

为提高输电线路缺陷智能检测算法在不同环境条件下的鲁棒性,克服现有智能检测算法在不同环境下识别性能下降的问题,该文提出了跨环境鲁棒YOLO(ER-YOLO)算法。首先,基于广义注意力理论在YOLOv8的骨干网络中引入Transformer注意力机制;其次,使用大卷积核和通道注意力模块优化特征提取;最后,应用多重注意力机制检测头网络强化算法多尺度、空间位置和多任务感知能力。为获得测试数据,该文探索生成了模拟暗光、雾霾、模糊环境的虚拟数据集。经消融实验和对比分析,跨环境鲁棒YOLO算法在跨环境测试中展现了更高的缺陷识别精度和鲁棒性,各测试数据集下mAP平均值为0.726,相对改进前提升0.069,同时在实际环境下进行了验证,证明了该算法的有效性。该文提出的跨拍摄环境的输电线路缺陷识别方法,在跨环境识别中表现出卓越的性能。跨环境图像生成方法可为后续虚拟数据集生成技术提供借鉴。

基于深度学习的电力杆塔缺陷检测

针对目前无人机电力杆塔巡检过程中航拍图像背景复杂、杆塔组件尺寸差异大、缺陷种类多导致的巡检效率低和缺陷漏检率高等问题,本文提出一种动态位置查询引导的多尺度实例分割方法和基于图特征记忆的缺陷检测方法。所提实例分割方法通过提取多尺度航拍图像特征,选择特征中具有最高关注度分数的低分辨率像素,将其映射到高分辨率特征的相应位置,并添加边界框检测器以提高电力杆塔的分割精度。在缺陷检测算法中提出可学习的图特征描述符,构建了一个记忆库来提取关键元素,以获得更准确的样本特征,提高缺陷检测效率。本文方法在自建的两个缺陷检测数据集上与其他先进算法进行对比,实例分割box_AP和mask_AP相较于Mask2Former分别提升了7.6%和0.5%,缺陷检测算法AUROC分别比次优算法提高7.3%和1.6%,F1-Score分别比次优算法提高6.7%和6.9%,充分表明了本文算法出色的电力杆塔缺陷检测性能。

低压柴油机式电力应急电源车检测及缺陷分析

作为保障供电的重要设备,低压柴油机式电力应急电源车的可靠性尤为重要。本文选取10辆现役应急电源车,根据所选电源车的特点设计检测方案并开展质量检测,对发现的质量缺陷进行分析,以期为电力应急电源车使用方、供应商及检测机构在设备采购、验收、使用、报废、鉴定及质量检测方面提供参考。

基于改进YOLOv7的电力设备红外过热缺陷检测方法

电力设备运行时发生过热缺陷容易引起电气故障,严重威胁电力设备安全运行。为了有效监测电力设备运行状态,提出一种基于改进YOLOv7的电力设备红外过热缺陷检测方法。采用YOLOv7目标检测网络作为基础检测网络,使用CIoU衡量矩形框的损失,同时将原网络的空间金字塔池化-跨阶段局部网络(SPPCSPC)结构替换为快速空间金字塔池化-跨阶段局部网络(SPPFCSPC)结构对模型进行改进,以增大模型感受野并提升对过热缺陷的检测性能。实验结果表明,基于改进YOLOv7的检测方法的准确率达到90.39%、召回率达到78.95%、平均正确率达到89.64%,可为电力设备过热缺陷红外检测提供参考。

动态粒度结合中心点算法在电力设备缺陷管控中的应用研究

针对电力设备缺陷管控问题,文章研究提出了一种基于改进k-中心点聚类算法与动态粒度的电力设备缺陷管控模型。首先,利用改进的k-中心点聚类算法对设备缺陷数据进行聚类处理;然后,将动态粒度与改进算法进行结合,用于构建缺陷管控模型。结果表明,缺陷管控模型的数据聚类正确率为93.07%,聚类效率能够达到90.07%,同时数据识别准确率、召回率和F1值分别为93.27%、93.52%和0.951,均优于对比方法。这说明研究构建的电力设备缺陷管控模型显著可以提高设备的可靠性和稳定性。

基于混沌时域反射技术的电力电缆绝缘缺陷检测方法

为提高电力电缆绝缘缺陷检测的精度,提出一种基于混沌时域反射技术的电力电缆绝缘缺陷检测方法。采用变分模态分解方法将噪声信号在不同的模态分量中分解,通过自适应小波包分解将电力电缆信号分解在高低频分量中,使用阈值法将不含有局部信号的分量过滤处理,完成信号去噪处理。信号经过去噪处理后,通过混沌时域反射技术将电力电缆信号划分为参考信号和探测信号,根据信号和电力电缆绝缘位置故障点的反射信号完成采样处理,在相关峰的时间延迟以及幅值信息中获取缺陷发生的位置,判断故障类型,进而实现电力电缆绝缘缺陷检测。经实验测试结果表明,所提方法可以全面提升检测结果的准确性。

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。

连铸坯低倍组织缺陷智能检测研究与应用

在钢铁冶炼生产过程中,连铸坯的冶金质量对钢材质量有直接影响,而目前生产现场主要通过人工的方式对铸坯进行等级评估。该方式工作强度高,不同的操作人员的质量评价不一致,信息化程度低,且作业的酸性环境对工作人员的身体有较大的危害。针对连铸坯低倍组织检测及典型缺陷等问题,通过机器视觉、人工智能等前沿技术实现对多品类连铸坯低倍组织缺陷进行智能判断与评级,进而提高整体检测效率和评级稳定性,同时系统在高温高粉尘恶劣环境下,满足强适应性、高智能化、检测迅速、无人干预、防酸耐腐蚀等需求,可以达到优化人员配置、提升工艺技术、提高产品质量的目的。

基于红外热成像的光伏发电板缺陷检测技术研究

随着光伏产业的快速发展,快速检测光伏板的异常已经成为提升巡检效率的关键要素。然而,传统的光伏板缺陷检测方法存在效率不高、检测效果差等问题。本文提出了一种基于红外热成像的光伏发电板缺陷检测技术,分析了红外检测技术用于光伏板缺陷检测的原理,通过引入SENet注意力到YOLOV4网络,完成了光伏发电板缺陷的智能检测。

公司决议无效规范基础的实证考察与认识论革新

原《公司法》第22条规定公司决议“内容违反法律、行政法规的无效”,2023年修订的《公司法》未对该部分进行改动。但实证研究发现,司法实务中被法官援引作为决议无效基础的规范数目大、范围广,且远远超越了实证法对决议无效事由之“内容违法”的限定。决议无效规范基础扩大化成为令人瞩目并担忧的现象。司法实务中决议无效规范基础扩张的路径主要有四种,即基于法律行为规范、“权利保护”与“禁止滥用权利”规范、程序性规范和职权规范的扩张。决议无效规范基础扩大化现象既有其实务根源,也有其制度根源。我国决议瑕疵制度立法应引入“权力瑕疵”这一认识论框架,并明确“决议机关绝对越权作出决议”为决议无效之事由。

基于电力大数据的变电主设备缺陷演化规律红外成像分析方法

针对目标区域与背景区域混杂,变电主设备缺陷缺陷演化规律不明的问题,提出了基于电力大数据的变电主设备缺陷演化规律红外成像分析方法。应用红外成像技术采集变电主设备红外图像后,使用Otsu算法分割变电主设备红外图像内目标区域和背景区域;以分割后的变电主设备红外图像和电力大数据作为输入,通过混合深度学习神经网络模型输出变电主设备缺陷检测结果;将变电主设备缺陷检测结果输入到RFPA 2D软件内,分析变电主设备缺陷检测结果基元破裂情况,得到变电主设备缺陷演化规律分析结果。实验结果表明:该方法采集变电主设备图像与其实际图像吻合度较高;分割变电主设备红外图像目标区域与背景区域时,受对比度影响较小;可有效检测变电主设备缺陷类型和分析其缺陷演化规律。