光学电压传感器分压结构的缺陷及改进方法

现有的光学电压传感器多基于光功率检测模式,其测量范围与测量灵敏度受到电光晶体半波电压的限制。纵向调制的多片晶体叠层结构可以解决半波电压限制的问题,但仅适用于1 000 kV电压等级。此外,仿真结果表明这一结构中晶体内的电场分布极不均匀,受震动与热胀冷缩等因素的影响,光路或晶体的相互位置易产生偏移而引入积分电压误差。文中以110 kV电压等级为例,对多片晶体叠层结构进行了改进,简化了传感系统的结构,并将MgTiO₃陶瓷按照一定的要求安装在锗酸铋(BGO)晶体的外部以改善晶体的内电场分布,可以把积分电压误差从0.275%降低至0.01%以下。改进后的结构可用于各种电压等级。最后,通过实验验证了新方法的有效性。     

改善OVT内电场分布的介质包裹法

基于Pockels效应的光学电压传感器（Optical Voltage Transducer,OVT）,运行中不可避免地存在震动、元器件连接的老化与热胀冷缩等问题,导致光学器件的相互位置产生偏移,进而影响电光晶体的内电场分布。文中以基于会聚偏光干涉原理的110 kV纵向调制的OVT为例,进行了仿真分析与实验研究,发现当入射光发生0.5的偏移或电光晶体发生1的偏移时,分别引入约0.107%和0.124%的电场积分误差。由于OVT必须满足0.2%的准确度要求,上述影响不容忽视。为此提出了介质包裹法,将Al2O3陶瓷包裹在电光晶体外部,使电场积分误差分别降低至0.001%和0.003%。实验与应用的情况表明,介质包裹法简单、实用、有效。     

基于改进YOLOv7模型的变电站异物入侵识别

针对无人值守的变电站频繁出现鸟巢、塑料袋等异物入侵的问题,现有的区域卷积神经网络(R-CNN)和YOLO算法不能满足实时、准确检测识别的要求。因此提出一种基于改进YOLOv7的图像识别方法。首先,利用灰度化处理和高斯噪声增强图片数据,然后在特征提取网络中增加分支以提高小目标的检测能力。在此基础上,采用卷积块注意模块(CBAM)分支注意力机制来加强通道数和空间自适应学习能力,并在输出路径上引入SimAM注意力机制,使其在不增加参数的情况下提高模型对异物特征的提取能力,最后通过某变电站实际监控图进行算法验证。结果表明改进后的YOLOv7异物识别平均精度均值(mAP)为94.40%,比原YOLOv7mAP提升了3.69%,比Faster R-CNN和SSD分别提高了17.46%和16.66%,可以做到对变电站异物的实时检测识别,所提方法具有较好的可行性和工程使用价值。