基于ACE与YOLOv5的电力遥感图像检测算法

针对电力遥感图像采集时存在大量浓烟以及数据样本少等问题,提出一种基于对数变换的改进型自动色彩均衡与改进后YOLOv5s模型的遥感图像去雾检测算法,旨在通过提高数据集的图像质量进而提高检测网络的检测精度。构建的改进型自动色彩均衡对电力遥感图像去雾增强,并通过图像质量和特征提取两方面进行了实验数据对比,实验结果表明改进的自动色彩均衡算法优于其它算法。其次,通过YOLOv5s检测算法对增强后的数据集进行训练,引入mosaic数据增强算法,并通过构建ghost卷积模块和NAM注意力模块降低了网络参数、提升了网络检测精度。

电场调控激光诱导石墨烯基重金属电化学检测装置的研制

为了快速、精准分析农田重金属,该文设计了一款基于施加电场与激光诱导石墨烯(laser-inducedgraphene,LIG)电极阵列的功能核酸比率电化学检测装置,用于农田中典型重金属离子Hg^(2+)、Pb^(2+)的分析。该装置主要包括电场施加模块与LIG电极阵列传感器两个部分,前者以AT89S52单片机作为主控芯片、DAC0832作为电压输出端口,设计单片机控制电压输出的电场施加装置,实现了可编程电压的稳定输出;后者则通过结合CO_(2)激光直写和环氧树脂转印技术,提出了LIG电极阵列的快速制备方法,并进一步构建了LIG基功能核酸比率电化学传感器。在检测过程中,通过调控施加电场的性质,该装置实现了Hg^(2+)、Pb^(2+)在传感器表面的快速特异性富集以及响应信号的稳定获取,其对Hg^(2+)、Pb^(2+)检测限分别低至8.5×10^(-12)mol/L(4.25×10^(-11)mg/L)和4.6×10^(-13)mol/L(2.22×10^(-12)mg/L),实现了农田灌溉用水中Hg^(2+)、Pb^(2+)的现场精准检测。该装置利用施加电场与LIG阵列传感器,实现了重金属离子的快速、精准、现场分析需求,对于农田环境重金属污染的监测及治理具有重要意义。

基于短波通信的电力设备单体绝缘性检测技术研究

近年来短波通信技术逐渐引起人们的关注,并在电力设备绝缘性检测领域展现出巨大的潜力。短波通信技术作为一种高频电磁波通信技术,具有信号传输速度快、抗干扰能力强等优点,可以应用于电力设备的绝缘性检测,实现对电力设备绝缘性能的快速、准确评估。文章基于短波通信技术,深入研究了电力设备单体绝缘性检测技术,主要研究短波通信信号在绝缘性检测中的应用原理、数据采集与分析方法、硬件设计与构建以及软件算法开发与优化等内容。

物联网技术在电力系统设备状态监测与预测中的应用与优化

在电力行业中,物联网技术的应用发挥着重要作用。文章详细分析了电力系统设备状态监测方法和故障预测的手段,包括传感器的选型与布置、数据采集与传输、数据处理与特性提取以及预测模型的选取与构建等多个关键环节。同时,针对算法准确性、保护措施与保密性等问题,提出相应的改进措施。

基于电容耦合的电缆接头植入式局放传感检测的研究

局部放电是电力设备中常见的故障形式,特别是在电缆接头中,由于制造工艺和材料缺陷等因素,局部放电现象可能会严重影响接头的可靠性和安全性。文章旨在探索一种基于电容耦合的电缆接头植入式局放传感检测技术,名为双极植入式局放传感单元,是通过在电缆接头内部植入微型传感器单元,实时感知局部放电信号,并提供接头故障检测和预警。

发电厂电气设备局部放电检测与诊断技术研究

通过局部放电检测与诊断技术在发电厂电气设备中的重要应用,能够有效检测电气设备运行存在的安全隐患问题,提高电气设备运行的安全性和稳定性。文章通过局部放电检测与诊断技术工作原理、放电检测与诊断技术、非电量检测与诊断技术以及局部放电检测与诊断技术在发电厂电气设备中的应用作用等方面对其进行具体的研究分析,发现各种局部放电检测与诊断技术方法分别适应于不同电气设备运行环境,虽然均能够取得较为良好的检测与诊断效果,但是存在着一些限制之处。因此,发电厂检测人员需要根据电气设备检测需求来合理选择对应的局部放电检测与诊断之处,这样才能够确保检测结果的精准性和可靠性。

基于注意力卷积神经网络的销钉缺陷检测方法

销钉在输电线路中起着连接关键部件的重要作用,其缺陷会直接引起部件变形、不稳定甚至造成电力停电事故。实现对销钉缺陷的准确检测,对保证电力系统的安全运行具有重要意义。针对目前已有的目标检测模型对输电线路复杂背景下销钉缺陷检测能力不足的问题,提出一种基于注意力卷积神经网络的销钉缺陷检测方法。通过试验对所提方法的有效性进行了验证。试验结果表明,该方法在销钉缺陷数据集上准确率达到了92.8%。

深度学习目标检测在电网运维中的应用实践

深度学习目标检测技术在电网运维中得到广泛应用。本文介绍目标检测网络模型、图像处理技术原理和在电力领域的应用实践。深度学习目标检测技术在电网运维中的重要性和作用不可忽视。通过该技术,电力行业可实现自动化缺陷检测,提高故障检测准确性和效率。而图像处理技术可解决噪声和干扰问题,提升图像质量和信息提取能力,在电力塔倾斜检测时可以及时发现倾斜情况,确保电力设施的稳定性和安全性。深度学习目标检测技术可为电力行业的数字化转型提供支持和参考。

变电站电气一次设备智能化问题的研究综述

电力变压器、互感器、可控电抗器、开关设备等变电站电气一次设备的智能化是智能电网建设的关键技术,也是研究的热点问题。笔者综述了它们在智能化改造中的技术特点,涉及到集成控制技术、传感技术、电力电子技术、网络化信息交互技术、抗电磁干扰技术、信号处理技术等。分析了它们在智能化过程中存在的问题,展望了电气一次设备智能化的发展方向。

超导磁储能系统的失超检测及保护综述

超导储能磁体的失超是超导电力设备技术实用化有待深入研究的一个重要问题。笔者综述了超导储能磁体的设备级失超检测及保护方法,并提出了参考性建议。

超导电力装置失超检测的基础研究

超导电力装置的失超会影响超导电力设备的运行和安全 ,是超导电力设备技术实用化有待深入研究的一个重要问题。对国内外通用的超导装置失超检测方法进行了分析 ,并根据电力系统中超导装置失超检测的特点 ,对高温超导线材在不同幅值的动态电流作用下的失超特性进行了试验研究 ,通过对试验数据的分析 ,对高温超导线材的失超特性有了较精细的理解 ,并在此基础上提出了超导电力装置失超先兆检测及其失超保护设计的新概念。

基于遗传算法和傅里叶级数的局部放电窄带干扰抑制

阐述了傅里叶级数法利用原始数据来重构窄带干扰的基本思想,分析了其重构精度受频率估计偏差和随机干扰影响较大的不足。在此基础上,结合遗传优化算法提出了一种抑制局部放电信号中窄带干扰的新方法。它不需要预知窄带干扰频率的精确值,而是通过遗传算法优化选择重构参数,避免了求解冗余方程组带来的累积误差,具有较强的自适应逼近能力和抗随机干扰能力,较适合实际应用。仿真和实测数据的处理结果表明:新方法提高了窄带干扰的重构精度,在含有随机干扰的情况下,依然具有较好的参数估计能力。

超高频技术在电力设备局部放电在线检测中的应用

从传感器、超高频信号的采集处理、信号的模式识别及超高频信号的标定等几个关键技术出发,对超高频法在电力设备局部放电在线检测中的应用现状进行了综述,并对超高频法在实际应用中存在的问题进行了探讨。最后,展望了超高频局部放电在线检测技术的发展前景。

基于SIFT特征匹配的电力设备外观异常检测方法

基于电力设备巡检机器人平台,提出了一种电力设备外观异常检测方法。该方法使用SIFT特征点提取算法,进行特征匹配,使用基于RANSAC的方法求解单应矩阵进行配准。在经过配准后,对像素的差值使用Mean Shift分割算法提取异常区域。实验证明该方法对于光照有较高的鲁棒性,且受匹配误差和拍摄角度偏差、位置偏差影响较小,能够有效的将变化区域提取。

带电检测技术在电网设备中的应用分析

在电力系统中,电力设备的质量直接关系到电网的运行安全,而带电检测技术的应用能提前发现电力设备的潜伏性故障,从而可针对性地采取措施,避免设备事故的发生。介绍了国内外带电检测的新技术,新方法,并通过对该技术在电网设备上的应用展开了讨论,提出了相应的建议。

带有自动重合闸功能的断路器失灵保护

分析了3/2接线完整串中断路器发生断路器拒动和死区故障时保护的动作情况,指出现有断路器失灵保护无法正确切除死区故障。提出一种带有自动重合闸功能的断路器失灵保护,由原失灵回路、电压判别装置控制回路、自动重合闸回路、电压判别回路组成,通过残压-感应电压半周波判别装置对主设备特定时间段的电压进行检测,判断主设备相邻断路器是否发生死区故障,进而决定是否在失灵保护动作跳闸后重合相关断路器使主设备恢复供电。该断路器失灵保护可以在发生死区故障时缩小停电范围。最后以3/2接线完整串中断路器为例,讨论了带有自动重合闸功能的断路器失灵保护的动作过程。

10kV电力设备防盗报警系统

结合10 kV电力设备防盗的需要和特点,分析了10 kV电力设备防盗系统的设计思想、原则,解决了检测通讯电路的供电和10 kV高压线断电检测的问题,对载波主机和后台管理的软件进行了设计。该系统功能完善,运行安全可靠,使用简单,安装方便。该系统已在某地区电网投入试运行。

基于LoRa的电气设备温湿度监测终端设计

针对目前电力设备监测通信方式存在的传输距离短、网络复杂的缺陷,提出了一种基于LoRa的电气设备温湿度监测终端的设计方案。给出了系统的总体构架;设计了系统的LoRa传感终端,在实验室环境下对其进行了通信测试;进行了低功耗的设计和测试,测试结果显示:所设计的终端设备休眠电流低至1.4μA,平均工作电流0.070 m A,特别适合电池供电。系统具有传输距离远,功耗低的优势。

深度学习在电力设备锈蚀检测中的应用

电力设备在长期运转中会产生形态不规则的锈蚀,人工巡检工作存在难度大、效率低、成本高等问题,而采用传统的图像处理方法对锈蚀进行检测的效率和准确率都不高。为此,提出基于深度学习的电力设备锈蚀检测技术。该方法以变电站、输电网络等电力设备实际作业环境中的监控设备拍摄的图像数据作为训练样本,采用基于深度学习的目标检测技术,识别并定位电力设备上的锈蚀区域。以Faster R-CNN模型和YOLOv3模型作为神经网络的基础模型进行验证,结果表明2个模型都能检测出较为明显的锈蚀,Faster R-CNN模型在准确度和检测数量方面表现较好,而YOLOv3模型检测速度更快。

泉州地区电网电压骤降的分析及建议

电力系统的电压骤降问题值得关注。通过对泉州地区工业用户受电压骤降影响的程度及电压骤降对敏感设备的影响后果的调查,了解一些敏感设备对电压骤降的耐受能力,同时在一变电站的110kV母线上安装监测仪进行电压监测,并对电网进行仿真计算,最后提出了减缓电压骤降的措施,如加强设备维护,减少故障发生的次数;缩短故障清除时间等。文章还提出了建议,如建立完善的电压质量监测网络;在电力规划、设计时就关注电能质量,加强运行方式的研究等。