基于增强现实与人工智能融合的低压集抄运维技术研究

提出利用人工智能(AI)中的图像识别技术分析故障设备的外在表象特征,确定计量终端的故障原因,同时利用增强现实(AR)技术,将计量设备的故障信息和排查步骤显示在运维人员的眼前,指导运维人员工作。

智能远动机的介绍及其存在问题的探讨

现代电力事业发展中,为了更好地满足电网调度一体化的建设和运行需求,强化电网调度自动化、智能化水平,智能远动机技术随之出现。文章对智能远动机进行了简要介绍,并对其使用中出现的问题展开了探讨,仅供参考。

AR技术在用电信息采集系统运维中的应用

随着用电信息采集系统的广泛覆盖,在给智能电网系统建设带来便利的同时,其运维和管理上存在的问题愈加突出。本文基于人工智能技术和增强现实(AR)技术设计并实现了用电信息采集系统智能运维设备。该设备基于AR眼镜,利用自带的相机采集运维现场图像并上传至云端进行检测与识别;得出诊断结果后以AR的形式将设备信息和故障排查流程叠加在真实对象上,引导工作人员排除故障。试验结果表明,该运维系统具有较高的识别率、较好的实时性,极大提高人员工作效率,在该领域具有广泛的应用前景。

基于图像深度学习的电力计量设备故障监测方法

采用FCM算法、改进模糊c均值聚类算法进行电力计量设备故障监测时缺乏约束规则,导致监测效果较差,为此提出基于图像深度学习的电力计量设备故障监测方法。构建CNN模型,确定深度神经网络权值最优解,避免出现过拟合现象。经过前向传播和反向传播网络训练,不断更新权值,经过图像预处理后识别故障。设置关联规则,结合抄读电能表相关数据,设计故障监测流程。以电能表为例,通过拓扑结构进行仿真实验分析,由实验结果可知,该方法电压和电流监测曲线与实际值曲线基本吻合,具有精准的监测效果,能够更好地保障电力计量装置发挥好其自身作用。

改进YOLO V3的集中器故障识别

计量设备运维人员技术水平和经验有限、运维记录不便统计分析等问题亟待解决。YOLO V3算法在自然图像上的准确率和计算速度方面有着良好平衡,但在计量设备图像目标识别上表现较差,因此提出一种改进的YOLO V3检测算法,用于集中器设备故障检测。通过优化的anchor box设计和可变形卷积改进YOLO V3算法,实现对现场设备运行状态的自动识别,提升集中器设备的运维效率和质量。实验结果表明,所提改进的YOLO V3算法在集中器图像上取得较好检测效果。

用于描述电力设备图像特征的通用数据建模

高压线路巡检无人机、变电站巡检机器人等智能巡检设备在使用过程中会采集大量电力设备的图像,这些图像数据容量较大、无法有效保存记录。同时,电科院等检测部门对机器视觉类智能终端的检测没有统一的规范,无法实现数据量化的视觉功能及精度检测。依据图像识别算法的原理以及电力设备的外观统一特性,设计一种通用的数据结构模型,用来描述电力设备的主要图像特征信息,方便电力设备图像信息的大量存储,以此可作为相关检测机构在电力设备图像识别方面的检测标准。