基于OTSU-Graham改进算法的保护压板状态辨识研究

随着自动化与智能化技术在变电站中的推广应用为智能巡检奠定了基础,但是目前二次设备的保护硬压板仍然大多采用人工现场核对的方式,存在核对频次低、校对过程溯源性不足的问题。为此,本文提出了一种基于图像内容识别的压板运行状态智能识别方法。首先采用基于空间领域信息的OTSU算法进行阈值分割消除光照不均阴影区域的影响,在此基础上基于Graham的最小外接矩形算法检测压板开关的最小矩形面积,通过识别面积大小来判断压板是否投入。该方法能够有效减少阴影干扰的影响,准确辨识图像中压板的运行状态。     

基于多策略分割融合与形态特征辨识的变电站保护压板状态识别

目前变电站保护压板巡检仍主要采用人工进行,耗时费力且容易出错,制约着变电站二次设备智能化的发展.为此,提出一种基于多策略分割融合与形态特征辨识的变电站保护压板状态识别方法.通过移动端设备采集屏柜压板图像后,首先对压板区域进行透视变换,消除拍摄角度产生的畸变影响.然后采用多策略分割融合方法获取有效压板区域,即在HSV空间...     

基于OpenCV+SSD深度学习模型的变电站压板状态智能识别

目前,变电站保护硬压板信息管理处于完全依赖于人工巡检的状态.伴随着人工智能上升为国家战略,深度学习技术进一步发展,提出一种基于OpenCV+SSD深度学习模型的压板状态识别方法.在图像二值化并高斯滤波基础上,基于霍夫直线检测算法进行保护屏柜角点检测,并通过透视变换实现压板图像矫正,从而避免拍摄图像的角度变化对识别结果的...     

规范透视场景的半监督目标检测及其在保护压板巡检上的应用

如何快速准确地对继电保护压板的异常状态进行识别,是变电站二次设备巡检工作中亟待解决的技术难题。基于深度学习的通用目标检测算法在向诸如继电保护屏压板检测等特殊化场景的迁移中,不能够充分利用保护屏场景中的规范透视先验特征;此外,人工标注大数据集的困难性一直以来都是通用检测模型迁移至特殊场景时的挑战。针对上述问题,提出了一种适用于保护压板规范化分布特征的半监督目标检测模型,该模型根据压板识别场景的特点对模型框架进行了一系列适应性改进。在模型的半监督训练阶段,使用一致性正则化方法生成伪标签,并基于保护屏压板图像特征,以边缘吸附和点阵行列拟合等方式,优化或剔除伪标签,从而突破了数据标注困难性带来的限制。改进后的模型达到平均精度均值为98.12%的应用级精度,并额外输出图像的逆透视变换参量。该模型被应用于便携式智能终端,辅助工作人员进行继电保护压板状态的巡检工作;模型输出的逆透视变换参量,也可为3D人机交互等下游视觉任务提供技术支撑。     

变电站二次设备巡检的Mecanum轮式机器人精确定位与作业辨识

通过巡检机器人进行变电站二次设备的监测是提升电力设备自动化、智能化管理的重要方式,有利于保障电力工程设备的安全运行。本研究开发了一种用于变电站二次设备自动化巡检的Mecanum轮式机器人,具备自主导航定位与作业辨识的能力,可极大提升设备巡检效率及保护压板状态识别准确性。通过Mecanum轮的驱动方式实现巡检机器人在狭窄作业环境下的灵活运动与姿态调整,多轨道升降平台实现对350-1800 mm高度范围内的二次设备及压板的图像采集与状态辨识。机器人采用基于激光雷达的SLAM导航方法进行自主定位导航,并结合基于视觉的路径提取与跟踪算法进行姿态位置修正,实现在待测点位置的精确定位。同时,提出了基于颜色辨识的图像排列与状态辨识方法,针对二次设备保护压板连通状态进行识别和判断。实验结果表明,研制的变电站二次设备巡检机器人可以实现自主导航与位置精确定位,在路径跟踪过程中最大偏角和偏距分别为±3°和±8 mm。结合机器视觉与颜色辨识的压板辨识方法可以准确识别压板状态,识别准确率大于95.80%,有助于提升机器人自动化的电力巡检作业水平。     

基于图像识别的保护压板投退状态辨识方法

通过图像识别方法获取电力继电保护压板投退状态是压板投退管理的有效措施。提出了保护压板投退状态辨识系统,其硬件由计算机、摄像机、显示屏集成嵌入终端构成。嵌入终端通过图像采集、图像去噪处理、目标边缘检测、布局排列分析、状态特征判别等关键步骤完成对压板投退状态的智能识别。采用3/4去噪聚类法,能够有效消除椒盐噪声并实现聚类。系统中设计的基于"块矩阵"的排列分析算法能快速准确地实现目标图像的分割。算例分析结果表明了本文提出算法的有效性和可行性。     

基于颜色分离与形态特征分析的保护压板定位及状态识别研究

为了提高变电站中密集排布,颜色多样的拔插式压板智能识别水平,提出一种色差法与形态特征分析的保护压板定位及状态识别方法。该方法首先对采集的压板图像进行同态滤波增强与透视校正;其次,根据压板图像颜色特征,利用RGB三分量色差法结合形态特征分析实现有效压板区域的分割;然后,通过的矩形结构元素对有效压板区域进行膨胀,从而定位出每块压板区域的位置。最后,结合每块压板图像外接矩形框的形态特征与其重心位置的4联通区域灰度值总和判断出压板的投退状态。对不同拍摄角度及不同光照环境下的保护压板状态识别测试结果表明,该算法具有识别精度高、鲁棒性好的特点。     

变电站硬压板状态在线监测功能研究

智能压板在线实时监测系统在国内率先采用计算机非接触光检测和网络技术,采集变电站保护硬压板状态信息,利用变电站综合自动化系统将信号传至主站端,基于调度技术支持系统,实现对压板状态的实时监测和防误识别。沈阳供电公司智能压板在线实时监测系统运行半年以来,系统运行状况良好,为调度和运行人员对压板状态进行监视管理提供了有效手段。     

应用聚类和证据理论实现变电站保护压板状态校核EI北大核心CSCD

针对目前人工校核保护压板效率低、图像识别易受光照条件影响的问题,提出了一种基于聚类和D-S证据理论的变电站保护压板状态校核方法。首先对压板图像进行聚类分割,按行检查压板图像像素量和边界点,重新分割异常压板。根据压板在投、退状态下的形态特征,构造压板状态指标作为证据,分析了光照、透视变形因素对压板识别的影响。最后,将多个状态指标依据证据理论进行融合,减少个体指标的不确定性影响。结果表明,所提方法在光照条件不良情况下仍能正确识别压板状态,性能优于单一判据及多判据表决方法。     

应用聚类和证据理论实现变电站保护压板状态校核

针对目前人工校核保护压板效率低、图像识别易受光照条件影响的问题,提出了一种基于聚类和D-S证据理论的变电站保护压板状态校核方法。首先对压板图像进行聚类分割,按行检查压板图像像素量和边界点,重新分割异常压板。根据压板在投、退状态下的形态特征,构造压板状态指标作为证据,分析了光照、透视变形因素对压板识别的影响。最后,将多个状态指标依据证据理论进行融合,减少个体指标的不确定性影响。结果表明,所提方法在光照条件不良情况下仍能正确识别压板状态,性能优于单一判据及多判据表决方法。     

基于CNN图像识别算法的保护装置智能巡视技术

继电保护装置是保障电力系统安全稳定运行的重要环节。随着变电站及继电保护装置的数量大幅增加,运维人员的日常巡视工作量已经趋于饱和,无法保证每次都实现高质量,无死角的巡视,给保护装置的可靠运行带来了隐患。本文提出基于卷积神经网络图像识别算法的保护装置智能巡视技术,借助安装在屏柜前后的摄像头,可实现保护装置的无人或少人巡视。首先,介绍了保护装置智能巡视系统并对可实现的智能巡视项目进行了分析,引出可利用卷积神经网络对其进行图像识别,然后以压板状态识别为例对巡视项目所需要的训练样本集和测试样本集进行介绍,并给出了巡视项目的卷积神经网络层级,再利用训练样本集对不同巡视项目的卷积神经网络进行训练,最后对各网络进行了测试。测试结果表明,各个巡视项目的神经网络图像识别率都在96%以上,有的可以达到98%,识别效果良好。#$NL关键词：卷积神经网络;图像识别;智能巡视;保护装置#$NL中图分类号：TM77     

基于改进BOF算法的压板状态识别方法研究

随着电网规模的扩张以及二次技术的发展,二次屏柜的压板数量急剧上升。二次压板一旦出现保护误动或拒动,将严重威胁到电网、设备与人身安全。设计了一种基于改进图像检索算法的继电保护压板状态识别系统对压板退投状态进行识别。首先,对压板图像利用背景差分法及光流法进行前景提取;然后,采用图片增强处理、边缘检测等一系列技术识别开关的投退状态;最后,再将获得的开关状态与系统数据库对比,生成可视化报表,由此判断出压板状态是否正确。提出的方法能够快速识别压板状态正确与否,具有较高识别率,极大缩减了二次操作后核查及日常巡视的时间。     

基于R-FCN的航拍巡检图像目标检测方法

航拍巡检是输电线路巡检的主要方式之一,目前的航拍巡检方式效率较低,受巡检员主观因素影响大,亟需一种智能检测算法自动定位并识别输电线路巡检图片中的故障。基于深度学习的航拍巡检图像目标检测技术作为一种可能的解决方案,得到了广泛关注。提出了一种利用基于区域的全卷积网络(R-FCN)的航拍巡检图像目标检测方法,并利用在线困难样本挖掘(OHEM)、样本优化、软性非极大值抑制(Soft-NMS)等改进方法进行优化。实验证明,所提方法具有目标定位准确、平均准确率高、单模型可同时检测目标种类多等特点。     

基于无人机图像处理的输电线路提取技术研究

为进一步减轻输电线路进行定期检查、巡视的任务,文章提出了一种利用智能化无人机巡检技术,对航拍图像进行线路的提取和跟踪。采用直方图均衡化及图像滤波对航拍图像进行预处理,解决了航拍图像光照强度以及背景对输电线路元素提取的干扰;采用LSD算法实现了线路边缘的提取,在去除图像背景信号的基础上使用Hough变换数学算法实现了输电线路的准确连接;分别采用粒子滤波和扩展卡尔曼滤波两种图像跟踪方法对航拍视频进行线路跟踪,通过建立输电线运动模型,用仿真软件对其进行识别,两种方法的检测准确度分别为95.34%和94.72%,证实文章处理算法可实现输电线路的提取和跟踪。     

基于输电线路在线巡视系统的智能预警系统研究

以提高输电线路安全性和可靠性为目的,研究基于输电线路在线巡视系统的智能预警系统的原理。一种新的在线巡视系统采用可视监控、红外成像等技术,通过逐塔配置来替代人工巡视功能,并结合OPGW光电分离和EPON通信新技术实现海量数据的传输,在此基础上构建采用分级结构的智能预警系统。第一级位于杆塔终端主机,通过杆塔就地监测信息对输电线路的故障或异常状态进行初步判断,如利用图像差分等方法;第二级位于后台主机系统,通过系统建模与综合分析精确判断输电线路故障类型,如模糊评判方法。该智能预警系统的运用,可有效实现输电线路及其设备故障异常的智能识别。     

视频图像智能识别技术在输变电系统中的应用研究综述

电网的数字化建设催生海量的数据,视频图像智能识别技术在输变电系统中的设备环境视频监控、无人化巡检等应用场景中,以强大的图像数据价值萃取能力引起广泛的关注。因此,首先介绍视频图像智能识别技术的基本概念和基本研究框架,总结在电力输变电系统中常用的图像识别技术;然后从面向电网设备和环境安全监测的智能巡检以及面向人身安全监控的智能巡查2个角度出发,对视频图像智能识别技术在输变电系统中的四大应用研究场景分别进行综述;在此基础上,探讨视频图像智能识别在电力输变电系统应用中所面临的三大挑战,并针对挑战提出可能的解决方案与研究思路,给出若干点建议。