基于短时傅里叶变换和稀疏表示的开关柜局部放电超声波图谱识别和分类方法

超声波局部放电检测技术作为一种非接触检测方法,具有抗电磁干扰能力强的优点。本文采集了开关柜中不同放电类型的局部放电超声波信号,使用短时傅里叶变换获得超声波信号的时频图,使用稀疏表示算法对时频图进行分类,能够快速准确地判断出是否发生放电,并判断属于以下哪种放电类型：球板放电、柱板放电、锥板放电、针板放电。在使用稀疏表示方法过程中,分别采用了正交匹配追踪法和加速近端梯度法两种方法进行稀疏求解,通过实验说明了这两种方法适用于不同的情况。实验证明该方法相比于传统多分类支持向量机方法具有更高的准确率、鲁棒性和稳定性,并且更适合解决局部放电识别和分类问题。     

基于多层架构的油中溶解气体数据清洗与异常识别方法研究

油色谱在线监测对于电力变压器的运行维护、健康状态分析具有重要意义,然而受监测设备异常、外界环境干扰、运行状态变化等因素影响,监测数据中难免存在不同类型的异常数据.为此,提出了一种基于多层架构的油中溶解气体数据清洗与异常识别方法.首先利用变分模态分解去除时间序列中的趋势项,结合3V准则对时序数据中的噪声值、缺失值、暂时性...     

基于短时傅里叶变换和稀疏表示的局放识别分类方法

文中采集了开关柜中不同放电类型的局部放电超声波信号,使用短时傅里叶变换获得超声波信号的时频图,使用稀疏表示算法对时频图进行分类,能够快速准确地判断出是否发生放电,并判断属于以下哪种放电类型:球板放电、柱板放电、锥板放电、针板放电。在使用稀疏表示方法过程中,分别采用了正交匹配追踪法和加速近端梯度法两种方法进行稀疏求解,通过实验说明了这两种方法适用于不同的情况。实验证明该方法相比于传统多分类支持向量机方法具有更高的准确率、鲁棒性和稳定性,并且更适合解决局部放电识别和分类问题。     

面向电力设备红外图像的混合噪声去除方法研究

电力设备的红外图像在采集传输过程中,易受高斯噪声与脉冲噪声的影响从而破坏图像的真实信息,为满足图像处理过程对图像质量的要求,文中提出了一种针对红外图像混合噪声的滤除方法。首先利用三方加权稀疏编码（TWSC）模型有效滤除红外图像中的高斯噪声,然后利用图像结构纹理分解结合中值滤波算法实现剩余脉冲噪声的分离与去除,实现在滤除红外图像混合噪声的同时较好地保持图像的边缘结构信息,结合实例分析表明文中方法能够有效滤除噪声并获得较高的峰值信噪比（PSNR）与结构相似度（SSIM）。     

结合AdaBoost和代价敏感的变压器故障诊断方法北大核心

数据集类别分布非均衡极大制约了人工智能技术在电力变压器故障诊断领域中的应用。为克服数据非均衡导致自适应算法(adaptive boosting,AdaBoost)分类精度提升有限的缺陷,研究提出了一种结合AdaBoost和代价敏感的Adacost算法,以有效提升诊断模型的综合分类性能。首先,确定专家打分和混淆矩阵结合的代价敏感矩阵以保证模型的合理性和客观性;然后,构建基于Adacost算法的电力变压器故障诊断模型,并以油中溶解气体无编码比值作为诊断模型的输入特征参量;最后进行算例仿真,同时选用准确率、F1度量以及G-mean作为诊断模型的评价指标。研究结果显示,相较于决策树和AdaBoost分类器,Adacost模型的各评价指标均有大幅提升,其中F1度量分别提升了22.03%、10.07%,表明所提方法有效提升了非均衡数据集下诊断模型的故障识别性能。     

基于新一代工业物联网的无线测温及监测系统研究

提出一种基于新一代工业物联网的设备无线测温及监测系统方案，可在生产区实现无线网络全覆盖，解决水电站运营商网络信号差、传统无线网络覆盖不全等问题。该系统针对水电站内碳刷、滑环等重要设备及其关键部位实现温度的精确感知及采集上传。同时该系统具备数据监测处理功能，能够实现设备运行温度监测分析与预警，为水电站设备安全可靠运行提供坚实的保障，有利于水电站现场工作巡检、设备状态在线监测等工作向自动化、智能化方向发展，为工业自动化转型升级提供借鉴。